内容简介:最近有个比较要好的朋友问我能不能从监控视频里识别到从监控跟前经过的指定的人。因为他们单位的监控室经常要花大量的人力跟时间去找某个人在哪个位置出现过的证据。听起来像是一份比较有挑战性的任务,就答应他试试看。先理一下思路,首先要做的工作是从视频中将人脸给框出来,然后拿到这个人脸跟给定的人脸进行对比,如果两张脸相似度很高,那就可以标记此人可能在视频里出现过,然后根据标记点再去人工核实一遍就OK了。那就先从把人脸给框出来入手吧,查了一下资料,貌似Python有个现成的库opencv来完成这个事情,整个的实现代码也就
最近有个比较要好的朋友问我能不能从监控视频里识别到从监控跟前经过的指定的人。因为他们单位的监控室经常要花大量的人力跟时间去找某个人在哪个位置出现过的证据。听起来像是一份比较有挑战性的任务,就答应他试试看。
先理一下思路,首先要做的工作是从视频中将人脸给框出来,然后拿到这个人脸跟给定的人脸进行对比,如果两张脸相似度很高,那就可以标记此人可能在视频里出现过,然后根据标记点再去人工核实一遍就OK了。
那就先从把人脸给框出来入手吧,查了一下资料,貌似 Python 有个现成的库opencv来完成这个事情,整个的实现代码也就10几行,so easy!
照着网上的示例,自己撸了一个测试代码出来,试了一下,效果还是可以的,全部实现代码如下。
import cv2 imagepath="input.jpg" image = cv2.imread(imagepath) t1= datetime.now()#测试起始时间 gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) face_cascade = cv2.CascadeClassifier(r'./haarcascade_frontalface_default.xml') faces = face_cascade.detectMultiScale( gray, scaleFactor = 1.15, minNeighbors = 5, minSize = (5,5), ) for(x,y,w,h) in faces: cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2) cv2.imwrite('output.jpg', image)
原始图片
检测结果
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 人脸专集(三):人脸关键点检测(下)
- Python人脸检测(初级)
- iOS 相机流人脸识别(一)-人脸框检测(基于iOS原生)
- 自然场景人脸检测技术实践
- 算法升级!开源极快速CNN人脸检测新增人脸关键点功能
- 50行Python代码实现人脸检测
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
编写可读代码的艺术
Boswell, D.、Foucher, T. / 尹哲、郑秀雯 / 机械工业出版社 / 2012-7-10 / 59.00元
细节决定成败,思路清晰、言简意赅的代码让程序员一目了然;而格式凌乱、拖沓冗长的代码让程序员一头雾水。除了可以正确运行以外,优秀的代码必须具备良好的可读性,编写的代码要使其他人能在最短的时间内理解才行。本书旨在强调代码对人的友好性和可读性。 本书关注编码的细节,总结了很多提高代码可读性的小技巧,看似都微不足道,但是对于整个软件系统的开发而言,它们与宏观的架构决策、设计思想、指导原则同样重要。编......一起来看看 《编写可读代码的艺术》 这本书的介绍吧!