Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略(二)-阿里云开发者社区

开发者社区> 一个处女座的程序猿> 正文

Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略(二)

简介: Py之dlib:Python库之dlib库的简介、安装、使用方法详细攻略
+关注继续查看

dlib库的使用函数


0、利用dlib.get_frontal_face_detector函数实现人脸检测可视化


CV之dlib:利用dlib.get_frontal_face_detector函数实现人脸检测


image.png

image.png



1、hog提取特征的函数


dlib.get_frontal_face_detector()    #人脸特征提取器,该函数是在C++里面定义的


help(dlib.get_frontal_face_detector())

Help on fhog_object_detector in module dlib.dlib object:

class fhog_object_detector(Boost.Python.instance)

|  This object represents a sliding window histogram-of-oriented-gradients based object detector.

|

|  Method resolution order:

|      fhog_object_detector

|      Boost.Python.instance

|      builtins.object

|

|  Methods defined here:

|

|  __call__(...)

|      __call__( (fhog_object_detector)arg1, (object)image [, (int)upsample_num_times=0]) -> rectangles :

|          requires

|              - image is a numpy ndarray containing either an 8bit grayscale or RGB

|                image.

|              - upsample_num_times >= 0

|          ensures

|              - This function runs the object detector on the input image and returns

|                a list of detections.

|              - Upsamples the image upsample_num_times before running the basic

|                detector.

|

|  __getstate__(...)

|      __getstate__( (fhog_object_detector)arg1) -> tuple

|

|  __init__(...)

|      __init__( (object)arg1) -> None

|

|      __init__( (object)arg1, (str)arg2) -> object :

|          Loads an object detector from a file that contains the output of the

|          train_simple_object_detector() routine or a serialized C++ object of type

|          object_detector<scan_fhog_pyramid<pyramid_down<6>>>.

|

|  __reduce__ = <unnamed Boost.Python function>(...)

|

|  __setstate__(...)

|      __setstate__( (fhog_object_detector)arg1, (tuple)arg2) -> None

|

|  run(...)

|      run( (fhog_object_detector)arg1, (object)image [, (int)upsample_num_times=0 [, (float)adjust_threshold=0.0]]) -> tuple :

|          requires

|              - image is a numpy ndarray containing either an 8bit grayscale or RGB

|                image.

|              - upsample_num_times >= 0

|          ensures

|              - This function runs the object detector on the input image and returns

|                a tuple of (list of detections, list of scores, list of weight_indices).

|              - Upsamples the image upsample_num_times before running the basic

|                detector.

|

|  save(...)

|      save( (fhog_object_detector)arg1, (str)detector_output_filename) -> None :

|          Save a simple_object_detector to the provided path.

|

|  ----------------------------------------------------------------------

|  Static methods defined here:

|

|  run_multiple(...)

|      run_multiple( (list)detectors, (object)image [, (int)upsample_num_times=0 [, (float)adjust_threshold=0.0]]) -> tuple :

|          requires

|              - detectors is a list of detectors.

|              - image is a numpy ndarray containing either an 8bit grayscale or RGB

|                image.

|              - upsample_num_times >= 0

|          ensures

|              - This function runs the list of object detectors at once on the input image and returns

|                a tuple of (list of detections, list of scores, list of weight_indices).

|              - Upsamples the image upsample_num_times before running the basic

|                detector.

|

|  ----------------------------------------------------------------------

|  Data and other attributes defined here:

|

|  __instance_size__ = 160

|

|  __safe_for_unpickling__ = True

|

|  ----------------------------------------------------------------------

|  Methods inherited from Boost.Python.instance:

|

|  __new__(*args, **kwargs) from Boost.Python.class

|      Create and return a new object.  See help(type) for accurate signature.

|

|  ----------------------------------------------------------------------

|  Data descriptors inherited from Boost.Python.instance:

|

|  __dict__

|

|  __weakref__

2、CNN提取特征的函数


cnn_face_detector = dlib.cnn_face_detection_model_v1(cnn_face_detection_model)


help(dlib.cnn_face_detection_model_v1)

Help on class cnn_face_detection_model_v1 in module dlib.dlib:

class cnn_face_detection_model_v1(Boost.Python.instance)

|  This object detects human faces in an image.  The constructor loads the face detection model from a file. You can download a pre-trained model from http://dlib.net/files/mmod_human_face_detector.dat.bz2.

|

|  Method resolution order:

|      cnn_face_detection_model_v1

|      Boost.Python.instance

|      builtins.object

|

|  Methods defined here:

|

|  __call__(...)

|      __call__( (cnn_face_detection_model_v1)arg1, (object)img [, (int)upsample_num_times=0]) -> mmod_rectangles :

|          Find faces in an image using a deep learning model.

|                    - Upsamples the image upsample_num_times before running the face

|                      detector.

|

|      __call__( (cnn_face_detection_model_v1)arg1, (list)imgs [, (int)upsample_num_times=0 [, (int)batch_size=128]]) -> mmod_rectangless :

|          takes a list of images as input returning a 2d list of mmod rectangles

|

|  __init__(...)

|      __init__( (object)arg1, (str)arg2) -> None

|

|  __reduce__ = <unnamed Boost.Python function>(...)

|

|  ----------------------------------------------------------------------

|  Data and other attributes defined here:

|

|  __instance_size__ = 984

|

|  ----------------------------------------------------------------------

|  Methods inherited from Boost.Python.instance:

|

|  __new__(*args, **kwargs) from Boost.Python.class

|      Create and return a new object.  See help(type) for accurate signature.

|

|  ----------------------------------------------------------------------

|  Data descriptors inherited from Boost.Python.instance:

|

|  __dict__

|

|  __weakref__


inline frontal_face_detector get_frontal_face_detector()


版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
Python实现urllib3和requests库使用 | python爬虫实战之五
本节介绍了urllib3库和requests库中的一些方法的使用。
1215 0
Py之ipython:Python库之ipython的简介、安装、使用方法详细攻略
Py之ipython:Python库之ipython的简介、安装、使用方法详细攻略
18 0
ubuntu下Django的安装和使用(一)
版权声明:您好,转载请留下本人博客的地址,谢谢 https://blog.csdn.net/hongbochen1223/article/details/49927929 (一):背...
795 0
阿里云新版人脸识别 Python 使用示例教程
前面分别介绍了新版人脸识别服务接口的开通、JAVA SDK对通用人脸识别通用方法的调用、C# SDK使用方法及1:N人脸识别接口的调用,可以参考阿里云人脸识别公测使用说明、阿里云人脸识别 1:N 使用简明示例及阿里云新版人脸识别 C# 使用示例教程,本文主要介绍如何使用Python程序调用阿里云新版人脸识别接口。
3477 0
4.4、Libgdx使用方法查询运行环境相关属性
(原文:http://www.libgdx.cn/topic/46/4-4-libgdx%E4%BD%BF%E7%94%A8%E6%96%B9%E6%B3%95%E6%9F%A5%E8%AF%A2%E8%BF%90%E8%A1%8C%E7%8E%AF%E5%A2%83%E7%9B%B8%E5%85%B3%E5%B1%9E%E6%80%A7) Application接口提供了多种方法查询运行环境的属性。
780 0
kubernetes1.8与1.9.2安装指南,离线安装,内网安装, 使用外部etcd集群,coredns替换方法
使用kubeadm部署k8s集群 三步装集群:离线包地址1.8.1 离线安装包1.9.2 注意1.9.2安装方式见商品页面,与1.8.1有点差别,做一些配置和脚本的优化 基础环境 关闭swap swapoff -a 再把/etc/fstab文件中带有swap的行删了,没有就无视 装这两工具如果没装.
1507 0
Python之tushare:tushare库的简介、安装、使用方法之详细攻略
Python之tushare:tushare库的简介、安装、使用方法之详细攻略
17 0
+关注
一个处女座的程序猿
国内互联网圈知名博主、人工智能领域优秀创作者,全球最大中文IT社区博客专家、CSDN开发者联盟生态成员、中国开源社区专家、华为云社区专家、51CTO社区专家、Python社区专家等,曾受邀采访和评审十多次。仅在国内的CSDN平台,博客文章浏览量超过2500万,拥有超过57万的粉丝。
1701
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载