【摘要】：运用人工智能开源硬件固化的Haar Cascade模块设计人脸检测功能的关键过程包括3部分：①控制摄像头的工作，定时捕捉图像帧。若未发现任何特征，则返回一个空白列表。find_features方法仅支持灰度图像。threshold是浮点数，其中较小的值在提高检测速率的同时增加误报率。相反，较高的值会降低检测速率，同时降低误报率。较高的比例因子运行更快，但其图像匹配相应较差。如果未指定，roi即整个图像的图像矩形，操作范围仅限于roi区域内的像素。
运用人工智能开源硬件固化的Haar Cascade模块设计人脸检测功能的关键过程包括3部分：
①控制摄像头的工作，定时捕捉图像帧。
②启动Haar Cascade分类器工作，检测出图像帧中所有的人脸区域。
③在图像帧中标注出所有检测到的人脸区域。(www.xing528.com)
相关的Python代码示例如下：
需要说明的是，检测人脸使用image.find_features（cascade[，threshold=0.5[，scale=1.5[，roi]]]）方法，该方法搜索与Haar Cascade匹配的所有区域的图像，并返回所检测到的边界框矩形元组（x，y，w，h）列表。若未发现任何特征，则返回一个空白列表。
find_features方法仅支持灰度图像。诸参数中，cascade是一个Haar Cascade对象。threshold是浮点数（0.0~1.0），其中较小的值在提高检测速率的同时增加误报率。相反，较高的值会降低检测速率，同时降低误报率。scale是一个必须大于1.0的浮点数。较高的比例因子运行更快，但其图像匹配相应较差。理想值介于1.35~1.5。roi是感兴趣区域的矩形元组（x，y，w，h）。如果未指定，roi即整个图像的图像矩形，操作范围仅限于roi区域内的像素。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
