python 用opencv调用训练好的模型进行识别的方法
此程序为先调用opencv自带的人脸检测模型,检测到人脸后,再调用我自己训练好的模型去识别人脸,使用时更改模型地址即可
#!usr/bin/env python
import cv2
font=cv2.FONT_HERSHEY_SIMPLEX
cascade1 = cv2.CascadeClassifier("D:\\opencv249\\opencv\\sources\\data\\haarcascades\\haarcascade_frontalface_alt_tree.xml")
cascade2 = cv2.CascadeClassifier("D:\\opencv249\\opencv\\sources\\data\\haarcascades\\xml.xml")
cap = cv2.VideoCapture(0)
while True:
ret,frame = cap.read()
gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
rect = cascade1.detectMultiScale(gray,scaleFactor=1.3,minNeighbors=9,minSize=(50,50),flags = cv2.cv.CV_HAAR_SCALE_IMAGE)
if not rect is ():
for x,y,z,w in rect:
roiImg = gray[y:y+w,x:x+z]
rect1 = cascade2.detectMultiScale(roiImg,scaleFactor=1.3,minNeighbors=9,minSize=(50,50),flags = cv2.cv.CV_HAAR_SCALE_IMAGE)
if not rect1 is ():
for (a,b,c,d) in rect1:
print "rect",rect1
cv2.putText(frame,'Chenym',(x,y), font, 2,(0,0,255),2)
cv2.rectangle(frame,(x+a,y+b),(x+a+c,y+b+d),(0,0,255),2)
cv2.imshow('frame',frame)
if cv2.waitKey(1) &0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
以上这篇python 用opencv调用训练好的模型进行识别的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持小牛知识库。
-
我已经在AWS SageMaker上使用内置算法语义分割训练了一个模型。这个名为model.tar.gz的训练模型存储在S3上。所以我想从S3下载这个文件，然后使用它在我的本地电脑上进行推断，而不使用AWS SageMaker。 以下是三个文件： > ：包括网络架构、数据输入和训练的参数。请参阅语义分割超参数。 我的代码： 错误：
-
本文向大家介绍python使用opencv进行人脸识别，包括了python使用opencv进行人脸识别的使用技巧和注意事项，需要的朋友参考一下 环境 ubuntu 12.04 LTS python 2.7.3 opencv 2.3.1-7 安装依赖 示例代码 转换效果 原图： 转换后 使用感受 对于大部分图像来说，只要是头像是正面的，没有被阻挡，识别基本没问题，准确性还是很高的。 识别效率有点低，
-
本文向大家介绍Tensorflow实现在训练好的模型上进行测试，包括了Tensorflow实现在训练好的模型上进行测试的使用技巧和注意事项，需要的朋友参考一下 Tensorflow可以使用训练好的模型对新的数据进行测试，有两种方法：第一种方法是调用模型和训练在同一个py文件中，中情况比较简单；第二种是训练过程和调用模型过程分别在两个py文件中。本文将讲解第二种方法。 模型的保存 tensorflo
-
本文向大家介绍pytorch 使用加载训练好的模型做inference，包括了pytorch 使用加载训练好的模型做inference的使用技巧和注意事项，需要的朋友参考一下 前提： 模型参数和结构是分别保存的 1、 构建模型(# load model graph) model = MODEL() 2、加载模型参数(# load model state_dict) （解决RuntimeError:
-
我仍在学习Python和创建模型，对使用Spacy的NLP非常陌生。我曾经https://spacy.io/usage/training#ner培训Spacy现有的模式——en_core_web_sm。 我用我的领域特定实体训练了这个模型。 现在我假设我会在输出目录中找到一个模型文件。相反，我有4个子文件夹——词汇表、ner、标记器、解析器。还有2个文件meta.json和标记器。ner子文件夹有
-
本文向大家介绍TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片，包括了TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片的使用技巧和注意事项，需要的朋友参考一下 本文是Python通过TensorFlow卷积神经网络实现猫狗识别的姊妹篇，是加载上一篇训练好的模型，进行猫狗识别 本文逻辑： 我从网上下载了十几张猫和狗的图片，用于检验我们训练好的模型。 处理我们下载的图片 加