基於 DNN 的人臉檢測器。更多...

#include <opencv2/objdetect/face.hpp>

cv::FaceDetectorYN 的協作圖

公共成員函式
virtual	~FaceDetectorYN ()

virtual int	detect (InputArray image, OutputArray faces)=0
	檢測輸入影像中的人臉。以下是一個示例輸出。

virtual Size	getInputSize ()=0

virtual float	getNMSThreshold ()=0

virtual float	getScoreThreshold ()=0

virtual int	getTopK ()=0

virtual void	setInputSize (const Size &input_size)=0
	設定網路輸入的大小，這將覆蓋建立模型時的輸入大小。當輸入影像的大小與建立模型時的輸入大小不匹配時，呼叫此方法。

virtual void	setNMSThreshold (float nms_threshold)=0
	設定非極大值抑制閾值，以抑制 IoU 大於給定值的邊界框。

virtual void	setScoreThreshold (float score_threshold)=0
	設定分數閾值以過濾掉分數小於給定值的邊界框。

virtual void	setTopK (int top_k)=0
	設定在 NMS 之前保留的邊界框的數量。

靜態公共成員函式
static Ptr< FaceDetectorYN >	create (const String &framework, const std::vector< uchar > &bufferModel, const std::vector< uchar > &bufferConfig, const Size &input_size, float score_threshold=0.9f, float nms_threshold=0.3f, int top_k=5000, int backend_id=0, int target_id=0)

static Ptr< FaceDetectorYN >	create (CV_WRAP_FILE_PATH const String &model, CV_WRAP_FILE_PATH const String &config, const Size &input_size, float score_threshold=0.9f, float nms_threshold=0.3f, int top_k=5000, int backend_id=0, int target_id=0)
	使用給定引數建立人臉檢測器類的例項。

詳細描述

基於 DNN 的人臉檢測器。

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

建構函式 & 解構函式文件

◆ ~FaceDetectorYN()

virtual cv::FaceDetectorYN::~FaceDetectorYN ( )

inlinevirtual

成員函式文件

◆ create() [1/2]

static Ptr< FaceDetectorYN > cv::FaceDetectorYN::create	(	const String &	framework,
		const std::vector< uchar > &	bufferModel,
		const std::vector< uchar > &	bufferConfig,
		const Size &	input_size,
		float	score_threshold = 0.9f,
		float	nms_threshold = 0.3f,
		int	top_k = 5000,
		int	backend_id = 0,
		int	target_id = 0 )

static


cv.FaceDetectorYN.create(	model, config, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval
cv.FaceDetectorYN.create(	framework, bufferModel, bufferConfig, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval
cv.FaceDetectorYN_create(	model, config, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval
cv.FaceDetectorYN_create(	framework, bufferModel, bufferConfig, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval

這是一個過載的成員函式，為了方便而提供。它與上述函式的不同之處僅在於它接受的引數。

引數

framework	原始框架的名稱
bufferModel	A buffer with a content of binary file with weights
bufferConfig	包含網路配置的文字檔案的內容的緩衝區
input_size	輸入影像的大小
score_threshold	用於過濾掉分數小於給定值的邊界框的閾值
nms_threshold	用於抑制 IoU 大於給定值的邊界框的閾值
top_k	在 NMS 之前保留前 K 個邊界框
backend_id	後端的 ID
target_id	目標裝置的 ID

◆ create() [2/2]

static Ptr< FaceDetectorYN > cv::FaceDetectorYN::create	(	CV_WRAP_FILE_PATH const String &	model,
		CV_WRAP_FILE_PATH const String &	config,
		const Size &	input_size,
		float	score_threshold = 0.9f,
		float	nms_threshold = 0.3f,
		int	top_k = 5000,
		int	backend_id = 0,
		int	target_id = 0 )

static


cv.FaceDetectorYN.create(	model, config, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval
cv.FaceDetectorYN.create(	framework, bufferModel, bufferConfig, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval
cv.FaceDetectorYN_create(	model, config, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval
cv.FaceDetectorYN_create(	framework, bufferModel, bufferConfig, input_size[, score_threshold[, nms_threshold[, top_k[, backend_id[, target_id]]]]]	) ->	retval

使用給定引數建立人臉檢測器類的例項。

引數

model	請求模型的路徑
config	用於相容性的配置檔案的路徑，對於 ONNX 模型不需要
input_size	輸入影像的大小
score_threshold	用於過濾掉分數小於給定值的邊界框的閾值
nms_threshold	用於抑制 IoU 大於給定值的邊界框的閾值
top_k	在 NMS 之前保留前 K 個邊界框
backend_id	後端的 ID
target_id	目標裝置的 ID

◆ detect()

virtual int cv::FaceDetectorYN::detect	(	InputArray	image,
		OutputArray	faces )

純虛擬函式

Python
	cv.FaceDetectorYN.detect(	image[, faces]	) ->	retval, faces

檢測輸入影像中的人臉。以下是一個示例輸出。

image

引數

image 要檢測的影像

faces

檢測結果儲存在形狀為 [num_faces, 15] 的 2D cv::Mat 中

0-1：bbox 左上角的 x, y
2-3：bbox 的寬度、高度
4-5：右眼的 x, y（示例影像中的藍點）
6-7：左眼的 x, y（示例影像中的紅點）
8-9：鼻尖的 x, y（示例影像中的綠點）
10-11：嘴巴右角的 x, y（示例影像中的粉紅點）
12-13：嘴巴左角的 x, y（示例影像中的黃點）
14：人臉分數

◆ getInputSize()

virtual Size cv::FaceDetectorYN::getInputSize ( )

純虛擬函式

Python
	cv.FaceDetectorYN.getInputSize(		) ->	retval

◆ getNMSThreshold()

virtual float cv::FaceDetectorYN::getNMSThreshold ( )

純虛擬函式

Python
	cv.FaceDetectorYN.getNMSThreshold(		) ->	retval

◆ getScoreThreshold()

virtual float cv::FaceDetectorYN::getScoreThreshold ( )

純虛擬函式

Python
	cv.FaceDetectorYN.getScoreThreshold(		) ->	retval

◆ getTopK()

virtual int cv::FaceDetectorYN::getTopK ( )

純虛擬函式

Python
	cv.FaceDetectorYN.getTopK(		) ->	retval

◆ setInputSize()

virtual void cv::FaceDetectorYN::setInputSize ( const Size & input_size )

純虛擬函式

Python
	cv.FaceDetectorYN.setInputSize(	input_size	) ->	無

設定網路輸入的大小，這將覆蓋建立模型時的輸入大小。當輸入影像的大小與建立模型時的輸入大小不匹配時，呼叫此方法。

引數

input_size 輸入影像的大小

◆ setNMSThreshold()

virtual void cv::FaceDetectorYN::setNMSThreshold ( float nms_threshold )

純虛擬函式

Python
	cv.FaceDetectorYN.setNMSThreshold(	nms_threshold	) ->	無

設定非極大值抑制閾值，以抑制 IoU 大於給定值的邊界框。

引數

nms_threshold NMS 操作的閾值

◆ setScoreThreshold()

virtual void cv::FaceDetectorYN::setScoreThreshold ( float score_threshold )

純虛擬函式

Python
	cv.FaceDetectorYN.setScoreThreshold(	score_threshold	) ->	無

設定分數閾值以過濾掉分數小於給定值的邊界框。

引數

score_threshold 用於過濾掉邊界框的閾值

◆ setTopK()

virtual void cv::FaceDetectorYN::setTopK ( int top_k )

純虛擬函式

Python
	cv.FaceDetectorYN.setTopK(	top_k	) ->	無

設定在 NMS 之前保留的邊界框的數量。

引數

top_k 要根據分數從排名靠前的位置保留的邊界框的數量

此類文件由以下檔案生成

opencv2/objdetect/face.hpp

公共成員函式

靜態公共成員函式

詳細描述

建構函式 & 解構函式文件

◆ ~FaceDetectorYN()

成員函式文件

◆ create() [1/2]

◆ create() [2/2]

◆ detect()

◆ getInputSize()

◆ getNMSThreshold()

◆ getScoreThreshold()

◆ getTopK()

◆ setInputSize()

◆ setNMSThreshold()

◆ setScoreThreshold()

◆ setTopK()