cv::FaceRecognizerSF 類參考

基於 DNN 的人臉識別器。 更多...

#include <opencv2/objdetect/face.hpp>

cv::FaceRecognizerSF 的協作圖

公共型別
列舉	DisType {   FR_COSINE =0 ,   FR_NORM_L2 =1 }
	用於計算兩個人臉特徵之間距離的距離的定義。 更多...

公共成員函式
virtual	~FaceRecognizerSF ()
virtual void	alignCrop (InputArray src_img, InputArray face_box, OutputArray aligned_img) const =0
	將檢測到的人臉與源輸入影像對齊並裁剪。
virtual void	feature (InputArray aligned_img, OutputArray face_feature)=0
	從對齊的影像中提取人臉特徵。
virtual double	match (InputArray face_feature1, InputArray face_feature2, int dis_type=FaceRecognizerSF::FR_COSINE) const =0
	計算兩個人臉特徵之間的距離。

靜態公共成員函式
static Ptr< FaceRecognizerSF >	create (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig, int backend_id=0, int target_id=0)
	從包含模型權重和配置的緩衝區建立此類的例項。
static Ptr< FaceRecognizerSF >	create (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config, int backend_id=0, int target_id=0)
	使用給定引數建立此類的例項。

詳細描述

基於 DNN 的人臉識別器。

模型下載連結：https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface

成員列舉文件

DisType

enum cv::FaceRecognizerSF::DisType

用於計算兩個人臉特徵之間距離的距離的定義。

列舉器
FR_COSINE
FR_NORM_L2

建構函式 & 解構函式文件

~FaceRecognizerSF()

virtual cv::FaceRecognizerSF::~FaceRecognizerSF ( )

inlinevirtual

成員函式文件

alignCrop()

virtual void cv::FaceRecognizerSF::alignCrop ( InputArray src_img, InputArray face_box, OutputArray aligned_img ) const

純虛擬函式

Python
	cv.FaceRecognizerSF.alignCrop(	src_img, face_box[, aligned_img]	) ->	aligned_img

將檢測到的人臉與源輸入影像對齊並裁剪。

引數

src_img	輸入影像
face_box	來自輸入影像的檢測到的人臉結果
aligned_img	輸出對齊的影像

create() [1/2]

static Ptr< FaceRecognizerSF > cv::FaceRecognizerSF::create ( const String & framework, const std::vector< uchar > & bufferModel, const std::vector< uchar > & bufferConfig, int backend_id = 0, int target_id = 0 )

static

Python
	cv.FaceRecognizerSF.create(	model, config[, backend_id[, target_id]]	) ->	retval
	cv.FaceRecognizerSF.create(	framework, bufferModel, bufferConfig[, backend_id[, target_id]]	) ->	retval
	cv.FaceRecognizerSF_create(	model, config[, backend_id[, target_id]]	) ->	retval
	cv.FaceRecognizerSF_create(	framework, bufferModel, bufferConfig[, backend_id[, target_id]]	) ->	retval

從包含模型權重和配置的緩衝區建立此類的例項。

引數

framework	框架的名稱 (ONNX 等)
bufferModel	包含二進位制模型權重的緩衝區。
bufferConfig	包含網路配置的緩衝區。
backend_id	後端的 ID。
target_id	目標裝置的 ID。

返回

指向 FaceRecognizerSF 的已建立例項的指標。

create() [2/2]

static Ptr< FaceRecognizerSF > cv::FaceRecognizerSF::create ( CV_WRAP_FILE_PATH const String & model, CV_WRAP_FILE_PATH const String & config, int backend_id = 0, int target_id = 0 )

static

Python
	cv.FaceRecognizerSF.create(	model, config[, backend_id[, target_id]]	) ->	retval
	cv.FaceRecognizerSF.create(	framework, bufferModel, bufferConfig[, backend_id[, target_id]]	) ->	retval
	cv.FaceRecognizerSF_create(	model, config[, backend_id[, target_id]]	) ->	retval
	cv.FaceRecognizerSF_create(	framework, bufferModel, bufferConfig[, backend_id[, target_id]]	) ->	retval

使用給定引數建立此類的例項。

引數

model	用於人臉識別的 onnx 模型的路徑
config	與相容性相關的配置檔案的路徑，ONNX 模型不需要此檔案
backend_id	後端的 ID
target_id	目標裝置的 ID

feature()

virtual void cv::FaceRecognizerSF::feature ( InputArray aligned_img, OutputArray face_feature )

純虛擬函式

Python
	cv.FaceRecognizerSF.feature(	aligned_img[, face_feature]	) ->	face_feature

從對齊的影像中提取人臉特徵。

引數

aligned_img	輸入對齊的影像
face_feature	輸出人臉特徵

match()

virtual double cv::FaceRecognizerSF::match ( InputArray face_feature1, InputArray face_feature2, int dis_type = FaceRecognizerSF::FR_COSINE ) const

純虛擬函式

Python
	cv.FaceRecognizerSF.match(	face_feature1, face_feature2[, dis_type]	) ->	retval

計算兩個人臉特徵之間的距離。

引數

face_feature1	第一個輸入特徵
face_feature2	與 face_feature1 具有相同大小和型別的第二個輸入特徵
dis_type	定義如何計算兩個具有可選值 "FR_COSINE" 或 "FR_NORM_L2" 的人臉特徵之間的距離

---

此類文件由以下檔案生成

• opencv2/objdetect/face.hpp