题外话

我牙齿好痛啊！我牙齿好痛啊！我牙齿好痛啊！

注意：本博客仅供参考！

第一关：HOG特征描述方法

任务描述

本关任务：学习HOG特征的描述方法，并计算一张图片的HOG特征。

编程任务

请在右侧编辑器中的BEGIN-END之间编写代码，完成如下要求：

1.声明OpenCV中的HOG特征描述方法；

2.调用该方法计算指定图片的HOG特征。

测试说明

补充完代码后，点击测评，平台会对你编写的代码进行测试，当你的结果与预期输出一致时，即为通过。

代码

import cv2
import numpy as np
'''****************BEGIN****************'''
img = cv2.imread("step1/image/girl1.jpg")
# 计算图片的HOG特征
hog = cv2.HOGDescriptor()
feature = hog.compute(img)
print(feature)
'''**************** END ****************'''

第二关：训练人脸检测模型

任务描述

本关任务：使用Dlib，自己动手训练一个人脸检测模型。

编程要求

恭喜你学习完如何训练自己的人脸检测器，现在，请根据提示，在右侧编辑器中的BEGIN-END之间编写代码，完成如下要求：

·定义模型训练需要的参数, 其中：add_left_right_image_flips设置为True，SVM的惩罚因子C设置为5，CPU核数num_threads设置为4，be_verbose属性设置为假(False)；

·训练模型，将模型保存到step2/my-detector.svm中；

·在测试集上测试模型的效果。

测试说明

补充完代码后，点击测评，平台会对你编写的代码进行测试，当你的结果与预期输出一致时，即为通过。

代码

import dlib
import os
# 数据集路径
faces_folder = "step2/data/dlib_example_faces"
'''****************BEGIN****************'''
# 1. 定义模型训练需要的参数
# 2.参数设定 
options = dlib.simple_object_detector_training_options()
options.C = 5
options.add_left_right_image_flips = True
options.be_verbose = False
options.num_threads = 4
'''**************** END ****************'''
# 3. 调用训练模型函数
# 训练集xml路径
training_xml_path = os.path.join( faces_folder, "training.xml")
'''****************BEGIN****************'''
# save_model_path记录模型保存的位置，请不要修改
save_model_path ="step2/my-detector.svm"
# 训练模型
dlib.train_simple_object_detector(training_xml_path, save_model_path, options)
'''**************** END ****************'''
# 在测试集上检验测试结果
testing_xml_path = os.path.join(faces_folder, "testing.xml")
print("Testing accuracy: {}".format(dlib.test_simple_object_detector(testing_xml_path, save_model_path)))

第三关：检测并绘制人脸区域

任务描述

本关任务：绘制图片中的人脸区域并保存绘制后的图片。

编程要求

根据提示，在右侧编辑器补充代码，完成人脸检测并使用OpenCV绘制人脸区域，并保存图片到指定路径。具体任务如下：

·加载官方dlib人脸检测器；

·调用检测器检测指定图片中的人脸；

·使用OpenCV绘制人脸区域。

测试说明

补充完代码后，点击测评，平台会对你编写的代码进行测试，当你的结果与预期输出一致时，即为通过。

代码

import cv2
import dlib
# 读取图片
img = cv2.imread('step3/image/faces.jpg')
'''****************BEGIN****************'''
# 加载官方dlib人脸检测器
detector = dlib.get_frontal_face_detector()
# 获取到图片中所有的人脸的区域，保存在dets中
dets = detector(img, 1)
'''**************** END ****************'''
print("检测到的人脸数目: {}".format(len(dets)))
for i, d in enumerate(dets):
    print("所在区域： {}: Left: {} Top: {} Right: {} Bottom: {}".format(i, d.left(), d.top(), d.right(), d.bottom()))
    '''****************BEGIN****************'''
    # 绘制人脸区域
    cv2.rectangle(img,(d.left(), d.top()),(d.right(), d.bottom()),(0,0,255),2)
    '''**************** END ****************'''
# 保存图片
cv2.imwrite("step3/out/new_image.jpg",img)

标签：xml,人脸识别,代码,dlib,人脸,path,detector,Dlib
来源： https://blog.csdn.net/qq_45795586/article/details/122150115