面部分析

詳細說明

• 面部模組更改日誌
• 人臉識別與OpenCV

類
類	cv::face::BasicFaceRecognizer
結構體	cv::face::CParams
類	cv::face::EigenFaceRecognizer
類	cv::face::Facemark
	所有面部標記模型的抽象基類。更多...
類	cv::face::FacemarkAAM
類	cv::face::FacemarkLBF
類	cv::face::FacemarkTrain
	所有可訓練的面部標記模型的抽象基類。更多...
類	cv::face::FaceRecognizer
	所有面部識別模型的抽象基類。更多...
類	cv::face::FisherFaceRecognizer
類	cv::face::LBPHFaceRecognizer
類	cv::face::MACE
	Minimum Average Correlation Energy Filter，可用於透過（可取消的）生物特徵進行身份驗證。（訓練無需大量正樣本（10-50），也無需負樣本，並且對噪聲/加鹽具有魯棒性）更多...
類	cv::face::PredictCollector
	所有預測結果處理策略的抽象基類。更多...
類	cv::face::StandardCollector
	預設預測收集器。更多...

型別定義 (Typedefs)
typedef bool(*	cv::face::FN_FaceDetector) (InputArray, OutputArray, void *userData)

函式
Ptr< Facemark >	cv::face::createFacemarkAAM ()
	構建一個 AAM 面部標記檢測器
Ptr< Facemark >	cv::face::createFacemarkKazemi ()
	構建一個 Kazemi 面部標記檢測器
Ptr< Facemark >	cv::face::createFacemarkLBF ()
	構建一個 LBF 面部標記檢測器
void	cv::face::drawFacemarks (InputOutputArray image, InputArray points, Scalar color=Scalar(255, 0, 0))
	用於繪製檢測到的面部標誌點的實用函式。
bool	cv::face::getFaces (InputArray image, OutputArray faces, CParams *params)
	預設面部檢測器此函式主要由 Facemark Algorithm 實現使用。建議終端使用者使用 Facemark::getFaces 函式，該函式可以手動定義並透過 Facemark::setFaceDetector 繞過演算法。
bool	cv::face::getFacesHAAR (InputArray image, OutputArray faces, const String &face_cascade_name)
bool	cv::face::loadDatasetList (String imageList, String annotationList, std::vector< String > &images, std::vector< String > &annotations)
	載入訓練影像和註釋檔案路徑列表的實用工具。
bool	cv::face::loadFacePoints (String filename, OutputArray points, float offset=0.0f)
	從給定檔案中載入面部標誌資訊的實用工具。
bool	cv::face::loadTrainingData (std::vector< String > filename, std::vector< std::vector< Point2f > > &trainlandmarks, std::vector< String > &trainimages)
	此函式從包含相應影像名稱和標誌點的 .txt 檔案中提取訓練資料。每個檔案中的第一個檔案應給出正在檔案中描述其標誌點的影像的路徑。然後，在後續行中，應包含影像中標誌點的座標，即每行應為 x,y 格式，其中 x 代表標誌點的 x 座標，y 代表標誌點的 y 座標。
bool	cv::face::loadTrainingData (String filename, std::vector< String > &images, OutputArray facePoints, char delim=' ', float offset=0.0f)
	從單個檔案載入面部標誌資料集的實用工具。
bool	cv::face::loadTrainingData (String imageList, String groundTruth, std::vector< String > &images, OutputArray facePoints, float offset=0.0f)
	從資料集中載入面部標誌資訊的實用工具。

型別定義文件 (Typedef Documentation)

FN_FaceDetector

typedef bool(* cv::face::FN_FaceDetector) (InputArray, OutputArray, void *userData)

#include <opencv2/face/facemark_train.hpp>

函式文件 (Function Documentation)

createFacemarkAAM()

Ptr< Facemark > cv::face::createFacemarkAAM

(

)

Python
	cv.face.createFacemarkAAM(		) ->	retval

#include <opencv2/face/facemark.hpp>

構建一個 AAM 面部標記檢測器

createFacemarkKazemi()

Ptr< Facemark > cv::face::createFacemarkKazemi

(

)

Python
	cv.face.createFacemarkKazemi(		) ->	retval

#include <opencv2/face/facemark.hpp>

構建一個 Kazemi 面部標記檢測器

createFacemarkLBF()

Ptr< Facemark > cv::face::createFacemarkLBF

(

)

Python
	cv.face.createFacemarkLBF(		) ->	retval

#include <opencv2/face/facemark.hpp>

構建一個 LBF 面部標記檢測器

drawFacemarks()

void cv::face::drawFacemarks	(	InputOutputArray	影像,
		InputArray	points,
		Scalar	color = Scalar(255, 0, 0) )

Python
	cv.face.drawFacemarks(	image, points[, color]	) ->	影像

#include <opencv2/face/facemark_train.hpp>

用於繪製檢測到的面部標誌點的實用函式。

引數

影像	要處理的輸入影像。
points	包含將要繪製的點的資料。
color	點的顏色，以 BGR 格式表示，由cv::Scalar表示。

使用示例

std::vector<Rect> faces;
std::vector<std::vector<Point2f> > landmarks;
facemark->getFaces(img, faces);
facemark->fit(img, faces, landmarks);
for(int j=0;j<rects.size();j++){
    face::drawFacemarks(frame, landmarks[j], Scalar(0,0,255));
}

getFaces()

bool cv::face::getFaces	(	InputArray	影像,
		OutputArray	faces,
		CParams *	params )

#include <opencv2/face/facemark_train.hpp>

預設面部檢測器此函式主要由 Facemark Algorithm 實現使用。建議終端使用者使用 Facemark::getFaces 函式，該函式可以手動定義並透過 Facemark::setFaceDetector 繞過演算法。

引數

影像	要處理的輸入影像。
faces	函式輸出，表示檢測到的面部的感興趣區域。每個面部儲存在cv::Rect容器中。
params	檢測器引數

使用示例

std::vector<cv::Rect> faces;
CParams params("haarcascade_frontalface_alt.xml");
cv::face::getFaces(frame, faces, &params);
for(int j=0;j<faces.size();j++){
    cv::rectangle(frame, faces[j], cv::Scalar(255,0,255));
}
cv::imshow("detection", frame);

getFacesHAAR()

bool cv::face::getFacesHAAR	(	InputArray	影像,
		OutputArray	faces,
		const String &	face_cascade_name )

Python
	cv.face.getFacesHAAR(	image, face_cascade_name[, faces]	) ->	返回值, faces

#include <opencv2/face/facemark_train.hpp>

loadDatasetList()

bool cv::face::loadDatasetList	(	String	imageList,
		String	annotationList,
		std::vector< String > &	images,
		std::vector< String > &	annotations )

Python
	cv.face.loadDatasetList(	imageList, annotationList, images, annotations	) ->	retval

#include <opencv2/face/facemark_train.hpp>

載入訓練影像和註釋檔案路徑列表的實用工具。

引數

imageList	指定的檔案包含訓練影像的路徑。
annotationList	指定的檔案包含訓練註釋的路徑。
images	載入的訓練影像路徑。
annotations	載入的註釋檔案路徑。

使用示例

String imageFiles = "images_path.txt";
String ptsFiles = "annotations_path.txt";
std::vector<String> images_train;
std::vector<String> landmarks_train;
loadDatasetList(imageFiles,ptsFiles,images_train,landmarks_train);

loadFacePoints()

bool cv::face::loadFacePoints	(	String	filename,
		OutputArray	points,
		float	offset = 0.0f )

Python
	cv.face.loadFacePoints(	filename[, points[, offset]]	) ->	返回值, points

#include <opencv2/face/facemark_train.hpp>

從給定檔案中載入面部標誌資訊的實用工具。

引數

filename	包含面部標誌資料的檔名。
points	載入的面部標誌點。
offset	用於調整載入點的偏移值。

使用示例

std::vector<Point2f> points;
face::loadFacePoints("filename.txt", points, 0.0f);

註釋檔案應遵循預設格式，即

version: 1
n_points: 68
{
212.716603 499.771793
230.232816 566.290071
...
}

其中 n_points 是考慮的點數，每個點由其在 x 和 y 中的位置表示。

loadTrainingData() [1/3]

bool cv::face::loadTrainingData	(	std::vector< String >	filename,
		std::vector<std::vector< Point2f > > &	trainlandmarks,
		std::vector< String > &	trainimages )

Python
	cv.face.loadTrainingData(	filename, images[, facePoints[, delim[, offset]]]	) ->	retval, facePoints
	cv.face.loadTrainingData(	imageList, groundTruth, images[, facePoints[, offset]]	) ->	retval, facePoints
	cv.face.loadTrainingData(	filename, trainlandmarks, trainimages	) ->	retval

#include <opencv2/face/facemark_train.hpp>

此函式從包含相應影像名稱和標誌點的 .txt 檔案中提取訓練資料。每個檔案中的第一個檔案應給出正在檔案中描述其標誌點的影像的路徑。然後，在後續行中，應包含影像中標誌點的座標，即每行應為 x,y 格式，其中 x 代表標誌點的 x 座標，y 代表標誌點的 y 座標。

有關參考，請參閱HELEN資料集中提供的檔案。

引數

filename	包含 .txt 檔名的 cv::String 型別向量。
trainlandmarks	儲存所有影像形狀或標誌點的 cv::Point2f 型別向量。
trainimages	儲存被跟蹤的標誌點影像名稱的 cv::String 型別向量。

返回

一個布林值。成功讀取資料時返回 true，否則返回 false。

loadTrainingData() [2/3]

bool cv::face::loadTrainingData	(	String	filename,
		std::vector< String > &	images,
		OutputArray	facePoints,
		char	delim = ' ',
		float	offset = 0.0f )

Python
	cv.face.loadTrainingData(	filename, images[, facePoints[, delim[, offset]]]	) ->	retval, facePoints
	cv.face.loadTrainingData(	imageList, groundTruth, images[, facePoints[, offset]]	) ->	retval, facePoints
	cv.face.loadTrainingData(	filename, trainlandmarks, trainimages	) ->	retval

#include <opencv2/face/facemark_train.hpp>

從單個檔案載入面部標誌資料集的實用工具。

引數

filename	包含資料集資訊的檔案的檔名。每行包含一個影像的檔名，後跟用空格分隔的面部標誌點 x 和 y 值的對。例如： /home/user/ibug/image_003_1.jpg 336.820955 240.864510 334.238298 260.922709 335.266918 ... /home/user/ibug/image_005_1.jpg 376.158428 230.845712 376.736984 254.924635 383.265403 ...
images	儲存資料集中影像檔名的向量。預設情況下不載入影像以節省記憶體。
facePoints	所有訓練資料的載入標誌點。
delim	每個元素之間的分隔符，預設為空格。
offset	用於調整載入點的偏移值。

使用示例

cv::String imageFiles = "../data/images_train.txt";
cv::String ptsFiles = "../data/points_train.txt";
std::vector<String> images;
std::vector<std::vector<Point2f> > facePoints;
loadTrainingData(imageFiles, ptsFiles, images, facePoints, 0.0f);

loadTrainingData() [3/3]

bool cv::face::loadTrainingData	(	String	imageList,
		String	groundTruth,
		std::vector< String > &	images,
		OutputArray	facePoints,
		float	offset = 0.0f )

Python
	cv.face.loadTrainingData(	filename, images[, facePoints[, delim[, offset]]]	) ->	retval, facePoints
	cv.face.loadTrainingData(	imageList, groundTruth, images[, facePoints[, offset]]	) ->	retval, facePoints
	cv.face.loadTrainingData(	filename, trainlandmarks, trainimages	) ->	retval

#include <opencv2/face/facemark_train.hpp>

從資料集中載入面部標誌資訊的實用工具。

引數

imageList	一個包含訓練資料集中影像檔名的檔案。
groundTruth	一個檔案，其中包含儲存標誌點資訊的檔案的列表。每個檔案中的內容應遵循標準格式（參見face::loadFacePoints）。
images	儲存資料集中影像檔名的向量。預設情況下不載入影像以節省記憶體。
facePoints	所有訓練資料的載入標誌點。
offset	用於調整載入點的偏移值。

使用示例

cv::String imageFiles = "../data/images_train.txt";
cv::String ptsFiles = "../data/points_train.txt";
std::vector<String> images;
std::vector<std::vector<Point2f> > facePoints;
loadTrainingData(imageFiles, ptsFiles, images, facePoints, 0.0f);

images_train.txt 中內容示例

/home/user/ibug/image_003_1.jpg
/home/user/ibug/image_004_1.jpg
/home/user/ibug/image_005_1.jpg
/home/user/ibug/image_006.jpg

points_train.txt 中內容示例

/home/user/ibug/image_003_1.pts
/home/user/ibug/image_004_1.pts
/home/user/ibug/image_005_1.pts
/home/user/ibug/image_006.pts