#include <opencv2/face/face_alignment.hpp>
|
虚函数 | ~FacemarkKazemi () |
|
虚函数 bool | getFaces (InputArray image, OutputArray faces)=0 |
| 使用自定义检测器获取人脸
|
|
虚函数 bool | setFaceDetector (bool(*f)(InputArray, OutputArray, void *), void *userData)=0 |
| 设置自定义人脸检测器
|
|
虚函数 bool | training (std::vector< Mat > &images, std::vector< std::vector< Point2f > > &landmarks, std::string configfile, Size scale, std::string modelFilename="face_landmarks.dat")=0 |
| 此函数用于使用梯度提升训练模型,以获得可以用来预测形状的回归器级联。
|
|
虚函数 bool | fit (InputArray image, InputArray faces, OutputArrayOfArrays landmarks)=0 |
| 检测图像中的人脸关键点。
|
|
虚函数 void | loadModel (String model)=0 |
| 在拟合过程之前加载训练好的模型的函数。
|
|
| Algorithm () |
|
虚函数 | ~Algorithm () |
|
虚函数 void | clear () |
| 清除算法状态。
|
|
虚函数 bool | empty () const |
| 如果Algorithm为空(例如,在开始时或读取失败后),则返回 true。
|
|
虚函数 String | getDefaultName () const |
|
虚函数 void | read (const FileNode &fn) |
| 从文件存储中读取算法参数。
|
|
虚函数 void | save (const String &filename) const |
|
void | write (const Ptr< FileStorage > &fs, const String &name=String()) const |
|
虚函数 void | write (FileStorage &fs) const |
| 将算法参数存储到文件存储中。
|
|
void | write (FileStorage &fs, const String &name) const |
|
◆ ~FacemarkKazemi()
virtual cv::face::FacemarkKazemi::~FacemarkKazemi |
( |
| ) |
|
|
虚函数 |
◆ create()
◆ getFaces()
虚函数 bool cv::face::FacemarkKazemi::getFaces |
( |
输入数组 | 图像, |
|
|
输出数组 | 人脸 ) |
|
纯虚函数 |
◆ setFaceDetector()
虚函数 bool cv::face::FacemarkKazemi::setFaceDetector |
( |
bool(* | f )(输入数组, 输出数组, void *), |
|
|
void * | userData ) |
|
纯虚函数 |
◆ training()
虚函数 bool cv::face::FacemarkKazemi::training |
( |
std::vector< Mat > & | 图像集, |
|
|
std::vector< std::vector< Point2f > > & | 特征点集, |
|
|
std::string | 配置文件路径, |
|
|
尺寸 | 缩放比例, |
|
|
std::string | 模型文件名 = "face_landmarks.dat" ) |
|
纯虚函数 |
此函数用于使用梯度提升训练模型,以获得可以用来预测形状的回归器级联。
- 参数
-
图像集 | 一个存储训练样本图像的 cv::Mat 类型向量。 |
特征点集 | 一个存储特定图像中检测到的特征点的 cv::Point2f 类型向量向量。 |
缩放比例 | 所有图像和特征点都必须缩放到的 cv::Size 类型尺寸。 |
配置文件路径 | 一个存储模型训练参数的文件名的 std::string 类型变量。 |
模型文件名 | 一个存储要保存的已训练模型文件名的 std::string 类型变量。 |
- 返回值
- 一个布尔值。如果模型训练成功,则返回 true;否则返回 false。
此类的文档是从以下文件生成的