基于 DNN 的人脸检测器。更多...

#include <opencv2/objdetect/face.hpp>

cv::FaceDetectorYN 的协作图

公共成员函数
virtual	~FaceDetectorYN ()

virtual int	detect (InputArray image, OutputArray faces)=0
	在输入图像中检测人脸。以下是一个示例输出。

virtual Size	getInputSize ()=0

virtual float	getNMSThreshold ()=0

virtual float	getScoreThreshold ()=0

virtual int	getTopK ()=0

virtual void	setInputSize (const Size &input_size)=0
	设置网络输入的大小，这将覆盖创建模型时的输入大小。当输入图像的大小与创建模型时的输入大小不匹配时，请调用此方法。

virtual void	setNMSThreshold (float nms_threshold)=0
	设置非极大值抑制阈值，以抑制 IoU 大于给定值的边界框。

virtual void	setScoreThreshold (float score_threshold)=0
	设置分数阈值，以过滤掉得分小于给定值的边界框。

virtual void	setTopK (int top_k)=0
	设置 NMS 之前保留的边界框数量。

静态公共成员函数
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)
	使用给定参数创建人脸检测器类实例。

详细描述

基于 DNN 的人脸检测器。

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

构造函数和析构函数文档

◆ ~FaceDetectorYN()

virtual cv::FaceDetectorYN::~FaceDetectorYN ( )

inlinevirtual

成员函数文档

◆ 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

这是一个重载的成员函数，为了方便提供。它与上面的函数的不同之处仅在于它接受的参数。

参数

framework	源框架的名称
bufferModel	包含权重二进制文件内容的缓冲区
bufferConfig	包含网络配置文本文件内容的缓冲区
input_size	输入图像的大小
score_threshold	用于过滤掉得分小于给定值的边界框的阈值
nms_threshold	用于抑制 IoU 大于给定值的边界框的阈值
top_k	在 NMS 之前保留前 K 个 bbox
backend_id	后端的 id
target_id	目标设备的 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

使用给定参数创建人脸检测器类实例。

参数

model	请求模型的路径
config	为兼容性提供配置文件的路径，对于 ONNX 模型不需要此路径
input_size	输入图像的大小
score_threshold	用于过滤掉得分小于给定值的边界框的阈值
nms_threshold	用于抑制 IoU 大于给定值的边界框的阈值
top_k	在 NMS 之前保留前 K 个 bbox
backend_id	后端的 id
target_id	目标设备的 id

◆ detect()

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

纯虚函数

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

在输入图像中检测人脸。以下是一个示例输出。

image

参数

image 要检测的图像

faces

检测结果存储在形状为 [num_faces, 15] 的 2D cv::Mat 中

0-1: bbox 左上角的 x, y
2-3: bbox 的宽度和高度
4-5: 右眼的 x, y（示例图像中的蓝色点）
6-7: 左眼的 x, y（示例图像中的红色点）
8-9: 鼻尖的 x, y（示例图像中的绿色点）
10-11: 嘴巴右角的 x, y（示例图像中的粉红色点）
12-13: 嘴巴左角的 x, y（示例图像中的黄色点）
14: 人脸得分

◆ getInputSize()

virtual Size cv::FaceDetectorYN::getInputSize ( )

纯虚函数

Python
	cv.FaceDetectorYN.getInputSize(		) ->	retval

◆ getNMSThreshold()

virtual float cv::FaceDetectorYN::getNMSThreshold ( )

纯虚函数

Python
	cv.FaceDetectorYN.getNMSThreshold(		) ->	retval

◆ getScoreThreshold()

virtual float cv::FaceDetectorYN::getScoreThreshold ( )

纯虚函数

Python
	cv.FaceDetectorYN.getScoreThreshold(		) ->	retval

◆ getTopK()

virtual int cv::FaceDetectorYN::getTopK ( )

纯虚函数

Python
	cv.FaceDetectorYN.getTopK(		) ->	retval

◆ setInputSize()

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

纯虚函数

Python
	cv.FaceDetectorYN.setInputSize(	input_size	) ->	None

设置网络输入的大小，这将覆盖创建模型时的输入大小。当输入图像的大小与创建模型时的输入大小不匹配时，请调用此方法。

参数

input_size 输入图像的大小

◆ setNMSThreshold()

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

纯虚函数

Python
	cv.FaceDetectorYN.setNMSThreshold(	nms_threshold	) ->	None

设置非极大值抑制阈值，以抑制 IoU 大于给定值的边界框。

参数

nms_threshold NMS 操作的阈值

◆ setScoreThreshold()

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

纯虚函数

Python
	cv.FaceDetectorYN.setScoreThreshold(	score_threshold	) ->	None

设置分数阈值，以过滤掉得分小于给定值的边界框。

参数

score_threshold 用于过滤边界框的阈值

◆ setTopK()

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

纯虚函数

Python
	cv.FaceDetectorYN.setTopK(	top_k	) ->	None

设置 NMS 之前保留的边界框数量。

参数

top_k 要根据得分从最高排名中保留的边界框数量

此类的文档是从以下文件生成的

opencv2/objdetect/face.hpp

公共成员函数

静态公共成员函数

详细描述

构造函数和析构函数文档

◆ ~FaceDetectorYN()

成员函数文档

◆ create() [1/2]

◆ create() [2/2]

◆ detect()

◆ getInputSize()

◆ getNMSThreshold()

◆ getScoreThreshold()

◆ getTopK()

◆ setInputSize()

◆ setNMSThreshold()

◆ setScoreThreshold()

◆ setTopK()