cv::FaceRecognizerSF 类参考

基于 DNN 的人脸识别器。 更多...

#include <opencv2/objdetect/face.hpp>

cv::FaceRecognizerSF 的协作图

公共类型
枚举	DisType {   FR_COSINE =0 ,   FR_NORM_L2 =1 }
	用于计算两个脸部特征之间距离的距离定义。 更多...

公共成员函数
virtual	~FaceRecognizerSF ()
virtual void	alignCrop (InputArray src_img, InputArray face_box, OutputArray aligned_img) const =0
	将图像对齐以将人脸放置在标准位置。
virtual void	feature (InputArray aligned_img, OutputArray face_feature)=0
	从对齐的图像中提取人脸特征。
virtual double	match (InputArray face_feature1, InputArray face_feature2, int dis_type=FaceRecognizerSF::FR_COSINE) const =0
	计算两个脸部特征之间的距离。

静态公共成员函数
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)
	使用给定参数创建此类的实例。

详细描述

基于 DNN 的人脸识别器。

模型下载链接：https://github.com/opencv/opencv_zoo/tree/master/models/face_recognition_sface

成员枚举文档

DisType

枚举 cv::FaceRecognizerSF::DisType

用于计算两个脸部特征之间距离的距离定义。

枚举器
FR_COSINE
FR_NORM_L2

构造函数和析构函数文档

~FaceRecognizerSF()

virtual cv::FaceRecognizerSF::~FaceRecognizerSF ( )

内联virtual

成员函数文档

alignCrop()

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

纯虚函数

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

将图像对齐以将人脸放置在标准位置。

参数

src_img	输入图像
face_box	用于指示输入图像中人脸的检测结果
aligned_img	输出对齐图像

create()

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(	model, config[, backend_id[, target_id]]	) ->	retval

使用给定参数创建此类的实例。

参数

model	用于人脸识别的 onnx 模型的路径
config	用于兼容性的配置文件的路径，对于 ONNX 模型来说这不是必需的
backend_id	后端 ID
target_id	目标设备 ID

feature()

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

纯虚函数

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

从对齐的图像中提取人脸特征。

参数

aligned_img	输入对齐图像
face_feature	输出人脸特征

match()

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

纯虚函数

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

计算两个脸部特征之间的距离。

参数

face_feature1	第一个输入特征
face_feature2	第二个输入特征，其大小和类型与 face_feature1 相同
dis_type	使用可选值“FR_OSINE”或“FR_NORM_L2”定义相似性

---

此类的文档是从以下文件生成的

• opencv2/objdetect/face.hpp