cv::FaceDetectorYN 类参考

基于DNN的人脸检测器。更多...

#include <opencv2/objdetect/face.hpp>

cv::FaceDetectorYN 的协作图

公开成员函数
virtual	~FaceDetectorYN ()
virtual int	detect (InputArray image, OutputArray faces)=0
	在输入图像中检测人脸。示例如下。
virtual Size	getInputSize ()=0
virtual float	getNMSThreshold ()=0
virtual float	getScoreThreshold ()=0
virtual int	getTopK ()=0
virtual void	setInputSize (const Size &input_size)=0
	设置网络输入尺寸，这将覆盖创建模型时的输入尺寸。当输入图像的尺寸与创建模型时的输入尺寸不匹配时，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，以过滤掉分数低于给定值的边界框。
virtual void	setTopK (int top_k)=0
	设置NMS之前保留的边界框数量。

静态公开成员函数
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)
	使用给定参数创建一个人脸检测器类实例。

详细说明

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

构造函数与析构函数说明

~FaceDetectorYN()

virtual cv::FaceDetectorYN::~FaceDetectorYN ( )

inlinevirtual

成员函数说明

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 (静态)

Python
	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，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

参数

framework	原始框架的名称
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	输入图像的尺寸
score_threshold	用于过滤掉分数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之前保留排名前 K 的边界框
backend_id	后端ID
target_id	目标设备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 (静态)

Python
	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

使用给定参数创建一个人脸检测器类实例。

参数

model	所请求模型的路径
config	用于兼容性的配置文件路径，对于ONNX模型不是必需的
input_size	输入图像的尺寸
score_threshold	用于过滤掉分数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之前保留排名前 K 的边界框
backend_id	后端ID
target_id	目标设备ID

detect()

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

纯虚函数

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

在输入图像中检测人脸。示例如下。

图像

参数

图像	要检测的图像
faces	检测结果存储在形状为 [num_faces, 15] 的二维 cv::Mat 中 0-1: 边界框左上角的 x, y 坐标 2-3: 边界框的宽度, 高度 4-5: 右眼 (示例图像中的蓝点) 的 x, y 坐标 6-7: 左眼 (示例图像中的红点) 的 x, y 坐标 8-9: 鼻尖 (示例图像中的绿点) 的 x, y 坐标 10-11: 嘴巴右角 (示例图像中的粉点) 的 x, y 坐标 12-13: 嘴巴左角 (示例图像中的黄点) 的 x, y 坐标 14: 人脸分数

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

设置网络输入尺寸，这将覆盖创建模型时的输入尺寸。当输入图像的尺寸与创建模型时的输入尺寸不匹配时，请调用此方法。

参数

input_size

输入图像的尺寸

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

用于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，以过滤掉分数低于给定值的边界框。

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

根据分数保留的排名前 K 的边界框数量

---

该类的文档由以下文件生成：

• opencv2/objdetect/face.hpp