Die Frage, was ein Gesicht ist, beantworten hier Haar Cascade Classifieres beziehungsweise die Klasse CascadeClassifier. Gesichtserkennung (Face Recognition) mit OpenCV, Tensorflow und Python - YouTube. Über die sogenannten Haar-like Features ließen sich ganze Abhandlungen schreiben, für den praktischen OpenCV-Einstieg genügt ein kurzer Abriss: Bei dem Verfahren werden die Pixel benachbarter rechteckiger Bereiche miteinander verglichen. Diese Rechtecke "wandern" über das gesamte Bild. Leserbrief schreiben Auf Facebook teilen Auf Twitter teilen
Maschinelles "Sehen" ist eng verknüpft mit Maschinellem Lernen: Anhand existierender, gelabelter Daten (in diesem Fall Bildern) werden Modelle trainiert, die zu einem gegebenen Input ein Output liefern. Im Fall von Gesichtserkennung wird auf einem Bild ein Ausschnitt als Gesicht erkannt und klassifiziert. In diesem Artikel wird der Quellcode für ein einfaches Python Projekt mit der Bibliothek OpenCV (Computer Vision) erläutert. Adi Shavit [Public domain], via Wikimedia Commons OpenCV ist eine populäre Programmbibliothek für Bildverarbeitung und maschinelle Erkennen von Objekten auf Bildern. Neben der Forschung sind die Algorithmen auch in der Industrie weit verbreitet. Insbesondere beim Autonomen Fahren gibt es in Deutschland viele Unternehmen, die auf das Paket aufbauen. Opencv gesichtserkennung python interview. T ipp: Du interessierst dich für Autonomes Fahren? Mein Artikel " Fünf Stufen des Autonomen Fahrens und warum Tesla den Wettlauf gewinnen wird " erklärt, warum der kalifornische Autohersteller im Entwicklungswettkampf der Sieger sein wird.
Das gebaute Modell wird mit den Gesichtern trainiert, denen ein Etikett zugewiesen wurde. Später erhält die Maschine Testdaten und die Maschine entscheidet über das richtige Etikett. Wie benutzt man: Erstellen Sie ein Verzeichnis in Ihrem PC und benennen Sie es (sagen Sie Projekt) Erstellen Sie zwei Python-Dateien mit den Namen und und kopieren Sie den ersten Quellcode bzw. Gesichtserkennung mit OpenCV und Python, Teil 1: OpenCV-Grundlagen | iX | Heise Magazine. den zweiten Quellcode. Kopieren Sie in das Projektverzeichnis. Sie können es in opencv oder von hier herunterladen. Sie können jetzt die folgenden Codes ausführen. import cv2, sys, numpy, os haar_file = '' datasets = 'datasets' sub_data = 'vivek' path = (datasets, sub_data) if not (path): (path) (width, height) = ( 130, 100) face_cascade = scadeClassifier(haar_file) webcam = Capture( 0) count = 1 while count < 30: (_, im) = () gray = tColor(im, LOR_BGR2GRAY) faces = tectMultiScale(gray, 1. 3, 4) for (x, y, w, h) in faces: ctangle(im, (x, y), (x + w, y + h), ( 255, 0, 0), 2) face = gray[y:y + h, x:x + w] face_resize = (face, (width, height)) write( '% s/% '% (path, count), face_resize) count + = 1 ( 'OpenCV', im) key = cv2.
Es folgt nun das Anfügen eines Rechtsecks zu jedem Frame. # Ausgabe der Frames ('Video', frame) Im Anschluss werden die Frames als Video in einem Fenster ausgegeben. # Programm mit 'break' aus while-Schleife if cv2. waitKey(1) & 0xFF == ord('q'): break Sofern der Benutzer "q" drückt, springt das Programm aus der While-Schleife und beendet sich mit folgenden Anweisungen: lease() stroyAllWindows() Die Datei kann nun in der Konsole wie folgt aufgerufen werden: python Damit ist es nun möglich mit wenigen Zeilen Code sofort Gesichter in der Webcam zu erkennen. Viel Spaß beim Ausprobieren! Gesichtserkennung mit Python und OpenCV mit Webcam – Acervo Lima. T ipp: Du interessierst dich für Autonomes Fahren? Mein Artikel " Fünf Stufen des Autonomen Fahrens und warum Tesla den Wettlauf gewinnen wird " erklärt, warum der kalifornische Autohersteller im Entwicklungswettkampf der Sieger sein wird.