企业app怎么做seo网络科技有限公司

---

前言

1. 需要下载安装OpenCV工具包的朋友，请前往 此处 ；
2. 系统要求：Windows系统，LabVIEW>=2018，兼容32位和64位。

---

级联分类器

使用级联分类器 CascadeClassifier 可以实现简单的物体分类，包括人脸检测。选板位于 objdetect 模块。

使用官方提供的模型 haarcascade_frontalface_alt2.xml 进行人脸检测，参考范例：
examples/Molitec/OpenCV/objdetect/Cascade_1(frontalface).vi；

---

FaceDetectorYN

使用 FaceDetectorYN 类实现人脸检测，选板位于 objdetect 模块。

该功能的实现，需要专用的 YuNet 模型，下载地址：
https://github.com/opencv/opencv_zoo/tree/main/models/face_detection_yunet

• 参考范例：examples/Molitec/OpenCV/objdetect/FaceDetector_1(detect and draw).vi；
• 检测输出的结果，是 N行 * 15列 的数组，每行15个数代表一张人脸的数据；
• 每行15个数依次代表：矩形框(x,y,w,h)、左眼、右眼、鼻子、左唇角、右唇角的坐标、以及置信度；
• 实现流程如下图（可视化过程略）。

---

FaceRecognizerSF

使用 FaceRecognizerSF 类实现人脸识别，选板位于 objdetect 模块。通常要与上文人脸检测（FaceDetectorYN）配合使用。

模型下载：
https://github.com/opencv/opencv_zoo/tree/main/models/face_recognition_sface

1. 特征提取

• 参考范例：examples/Molitec/OpenCV/objdetect/FaceRecognize_1 (learn).vi；
• For 循环遍历每一张（单人）照片，先用 FaceDetectorYN 做人脸检测，再交给 FaceRecognizerSF 进行对齐裁切和特征提取；
• 每一张人脸的特征，是一个长度为128的浮点数序列。将所有特征序列保存到文件中，作为将来识别的依据。

---

2. 人脸对比

• 参考范例：examples/Molitec/OpenCV/objdetect/FaceRecognize_3 (compare 2 faces).vi；
• 该范例的功能，是比较两张人脸，判断他们属于同一个人的概率；
• 实现的思路：同时提取两张人脸的特征，然后把两个特征交给 match 函数去匹配，得到distance；
• 特别注意，同一个 FaceRecognizerSF 对象的 feature 矩阵是共享的，为了避免将第一次的特征结果被覆盖，在第二次提取特征之前，先将第一次的结果 clone 一份。如下图。

---

3. 人脸身份识别（最佳匹配法）

• 参考范例：examples/Molitec/OpenCV/objdetect/FaceRecognize_2 (recognize).vi；
• 实现的思路：先将第1步 “特征提取” 保存的文件载入到 Mat 中，作为已知人脸库。然后提取当前图片中的人脸特征，依次与已知人脸库中的每一个特征做 match 匹配，得到匹配分数最高的，对应的 id 就是此人的身份。

---

总结

1. 本系列博文作为LabVIEW工具包—OpenCV的教程，将以专栏的形式陆续发布和更新。
2. 对工具包感兴趣的朋友，欢迎下载试用：秣厉科技 - LabVIEW工具包 - OpenCV
3. 各位看官有什么想法、建议、吐槽、批评，或新奇的需求，也欢迎留言讨论。