OpenCV 4.12.0
开源计算机视觉
加载中...
搜索中...
无匹配项
类 | 类型定义 | 函数
人脸分析

详细描述

类

类  cv::face::BasicFaceRecognizer
 
结构体  cv::face::CParams
 
类  cv::face::EigenFaceRecognizer
 
类  cv::face::Facemark
 所有面部特征点模型的抽象基类。 更多...
 
类  cv::face::FacemarkAAM
 
类  cv::face::FacemarkLBF
 
类  cv::face::FacemarkTrain
 可训练面部特征点模型的抽象基类。 更多...
 
类  cv::face::FaceRecognizer
 所有人脸识别模型的抽象基类。 更多...
 
类  cv::face::FisherFaceRecognizer
 
类  cv::face::LBPHFaceRecognizer
 
类  cv::face::MACE
 最小平均相关能量滤波器，适用于（可取消的）生物特征认证。（训练不需要大量正样本（10-50个），完全不需要负样本，并且对噪声/加盐攻击具有鲁棒性） 更多...
 
类  cv::face::PredictCollector
 所有预测结果处理策略的抽象基类。 更多...
 
类  cv::face::StandardCollector
 默认预测结果收集器。 更多...
 

类型定义

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

函数

Ptr< Facemark > cv::face::createFacemarkAAM ()
 构造一个 AAM 面部特征点检测器
 
Ptr< Facemark > cv::face::createFacemarkKazemi ()
 构造一个 Kazemi 面部特征点检测器
 
Ptr< Facemark > cv::face::createFacemarkLBF ()
 构造一个 LBF 面部特征点检测器
 
void cv::face::drawFacemarks (InputOutputArray image, InputArray points, Scalar color=Scalar(255, 0, 0))
 绘制检测到的面部特征点。
 
bool cv::face::getFaces (InputArray image, OutputArray faces, CParams *params)
 默认人脸检测器。此函数主要由 Facemark Algorithm 的实现使用。建议最终用户使用 Facemark::getFaces 函数，该函数可以通过 Facemark::setFaceDetector 手动定义并规避到算法中。
 
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)
 用于加载训练图像和标注文件路径列表的实用工具。
 
bool cv::face::loadFacePoints (String filename, OutputArray points, float offset=0.0f)
 用于从给定文件加载面部特征点信息的实用工具。
 
bool cv::face::loadTrainingData (std::vector< String > filename, std::vector< std::vector< Point2f > > &trainlandmarks, std::vector< String > &trainimages)
 此函数从 .txt 文件中提取训练数据，这些文件包含相应的图像名称和特征点。每个文件的第一行应给出文件中描述其特征点的图像路径。然后，在随后的行中，应包含图像中特征点的坐标，即每行应为 x,y 的形式，其中 x 表示特征点的 x 坐标，y 表示特征点的 y 坐标。
 
bool cv::face::loadTrainingData (String filename, std::vector< String > &images, OutputArray facePoints, char delim=' ', float offset=0.0f)
 用于从单个文件加载面部特征点数据集的实用工具。
 
bool cv::face::loadTrainingData (String imageList, String groundTruth, std::vector< String > &images, OutputArray facePoints, float offset=0.0f)
 用于从数据集中加载面部特征点信息的实用工具。
 

类型定义文档

◆ FN_FaceDetector

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

#include <opencv2/face/facemark_train.hpp>

函数文档

◆ createFacemarkAAM()

Ptr< Facemark > cv::face::createFacemarkAAM ( )
Python
cv.face.createFacemarkAAM() -> retval

#include <opencv2/face/facemark.hpp>

构造一个 AAM 面部特征点检测器

◆ createFacemarkKazemi()

Ptr< Facemark > cv::face::createFacemarkKazemi ( )
Python
cv.face.createFacemarkKazemi() -> retval

#include <opencv2/face/facemark.hpp>

构造一个 Kazemi 面部特征点检测器

◆ createFacemarkLBF()

Ptr< Facemark > cv::face::createFacemarkLBF ( )
Python
cv.face.createFacemarkLBF() -> retval

#include <opencv2/face/facemark.hpp>

构造一个 LBF 面部特征点检测器

◆ drawFacemarks()

void cv::face::drawFacemarks ( InputOutputArray image,
InputArray points,
Scalar color = Scalar(255, 0, 0) )
Python
cv.face.drawFacemarks(image, points[, color]) -> image

#include <opencv2/face/facemark_train.hpp>

绘制检测到的面部特征点。

参数
image要处理的输入图像。
points包含将要绘制的点的N数据。
color以 BGR 格式表示的点颜色，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));
}
cv::Scalar
Scalar_< double > Scalar
定义 types.hpp:709
cv::face::drawFacemarks
void drawFacemarks(InputOutputArray image, InputArray points, Scalar color=Scalar(255, 0, 0))
绘制检测到的面部特征点。

◆ getFaces()

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

#include <opencv2/face/facemark_train.hpp>

默认人脸检测器。此函数主要由 Facemark Algorithm 的实现使用。建议最终用户使用 Facemark::getFaces 函数，该函数可以通过 Facemark::setFaceDetector 手动定义并规避到算法中。

参数
image要处理的输入图像。
faces函数输出，表示检测到的人脸的感兴趣区域。每张人脸都存储在 cv::Rect 容器中。
params检测器参数

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);
cv::Scalar_< double >
cv::face::getFaces
bool getFaces(InputArray image, OutputArray faces, CParams *params)
默认人脸检测器。此函数主要由 Facemark Algorithm 的实现使用...
cv::imshow
void imshow(const String &winname, InputArray mat)
在指定窗口中显示图像。
cv::rectangle
void rectangle(InputOutputArray img, Point pt1, Point pt2, const Scalar &color, int thickness=1, int lineType=LINE_8, int shift=0)
绘制一个简单、粗或填充的矩形。
cv::face::CParams
定义 facemark_train.hpp:29

◆ getFacesHAAR()

bool cv::face::getFacesHAAR ( InputArray image,
OutputArray faces,
const String & face_cascade_name )
Python
cv.face.getFacesHAAR(image, face_cascade_name[, faces]) -> retval, 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>

用于加载训练图像和标注文件路径列表的实用工具。

参数
imageList指定的文件包含训练图像的路径。
annotationList指定的文件包含训练标注的路径。
images已加载的训练图像路径。
annotations已加载的标注文件路径。

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);
cv::String
std::string String
定义 cvstd.hpp:151
cv::face::loadDatasetList
bool loadDatasetList(String imageList, String annotationList, std::vector< String > &images, std::vector< String > &annotations)
用于加载训练图像和标注文件路径列表的实用工具。

◆ loadFacePoints()

bool cv::face::loadFacePoints ( String filename,
OutputArray points,
float offset = 0.0f )
Python
cv.face.loadFacePoints(filename[, points[, offset]]) -> retval, points

#include <opencv2/face/facemark_train.hpp>

用于从给定文件加载面部特征点信息的实用工具。

参数
filename包含面部特征点数据的文件名。
points已加载的面部特征点。
offset用于调整加载点的偏移值。

使用示例

std::vector<Point2f> points;
face::loadFacePoints("filename.txt", points, 0.0f);
cv::face::loadFacePoints
bool loadFacePoints(String filename, OutputArray points, float offset=0.0f)
用于从给定文件加载面部特征点信息的实用工具。

标注文件应遵循以下默认格式：

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

其中 n_points 是考虑点的数量，每个点表示为其在 x 和 y 中的位置。

◆ 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>

此函数从 .txt 文件中提取训练数据，这些文件包含相应的图像名称和特征点。每个文件的第一行应给出文件中描述其特征点的图像路径。然后，在随后的行中，应包含图像中特征点的坐标，即每行应为 x,y 的形式，其中 x 表示特征点的 x 坐标，y 表示特征点的 y 坐标。

作为参考，您可以查看 HELEN 数据集中提供的文件。

参数
filename一个包含 .txt 文件名的 cv::String 类型的向量。
trainlandmarks一个 cv::Point2f 类型的向量，用于存储所有图像的形状或特征点。
trainimages一个 cv::String 类型的向量，用于存储跟踪其特征点的图像名称。
返回
一个布尔值。成功读取数据时返回 true，否则返回 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>

用于从单个文件加载面部特征点数据集的实用工具。

参数
filename包含数据集信息的文件名。每行包含图像的文件名，后跟以空格分隔的面部特征点 x 和 y 值的对。示例：
/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一个向量，其中每个元素表示数据集中图像的文件名。默认不加载图像以节省内存。
facePoints所有训练数据的已加载特征点。
delim每个元素之间的分隔符，默认值为一个空格。
offset用于调整加载点的偏移值。

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);
cv::face::loadTrainingData
bool loadTrainingData(String filename, std::vector< String > &images, OutputArray facePoints, char delim=' ', float offset=0.0f)
用于从单个文件加载面部特征点数据集的实用工具。

◆ 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>

用于从数据集中加载面部特征点信息的实用工具。

参数
imageList一个文件，包含训练数据集中图像文件名的列表。
groundTruth一个文件，包含存储特征点信息的文件名列表。每个文件中的内容应遵循标准格式（参见 face::loadFacePoints）。
images一个向量，其中每个元素表示数据集中图像的文件名。默认不加载图像以节省内存。
facePoints所有训练数据的已加载特征点。
offset用于调整加载点的偏移值。

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 文件内容示例

/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 文件内容示例

/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
由 doxygen 1.12.0 于 2025 年 7 月 3 日星期四 12:14:37 为 OpenCV 生成