[PYTHON] [Memorandum] Eine Geschichte über das Ausprobieren des OpenCV-Tutorials (Gesichtserkennung) in einer Windows-Umgebung

Es gibt eine Beratung darüber, ob Sie den vollständigen Text der Zeichnung in der Suchsystem-Konsultation durchsuchen können. Ich habe ein OpenCV-Tutorial versucht, um die Realisierungsgenauigkeit zu überprüfen.

Das Folgende ist ein Memorandum des Verfahrens, das ich genommen habe

** Annahme ** OS：　 　Windows10 64bit

Python： 　Python3.7(Anaconda3)

Ziel Vom Aufbau einer OpenCV-Umgebung bis zur Durchführung eines einfachen Tutorials (ich möchte vorerst die Gesichtserkennung durchführen)

Vorbereitung

Anaconda Installation

https://www.anaconda.com/products/individual

Laden Sie OpenCV whl herunter

https://opencv.org/releases/

・ Klicken Sie auf der Registerkarte oben auf FREIGABEN. · OpenCV - Klicken Sie auf Quellen für 4.2.0

• Entpacken Sie die Zip-Datei und nehmen Sie opencv_python- 4.2.0-cp37-cp37m-win_amd64.whl heraus

• In der von Github erhaltenen Datei wurde die vom Beamten erhaltene Datei verwendet, da ab 2020/06 ein Fehler auftritt.

Erstellen Sie eine OpenCV-Umgebung mit dem Navigator von Anaconda

Installieren Sie numpy und matplotlib

conda install numpy

pip install matplotlib

★ Bisher genannte Artikel Artikel, auf die beim Bau des Fundaments Bezug genommen wird https://qiita.com/FukuharaYohei/items/5d49938ffd33d198f0c0

Artikel, auf die Bezug genommen wird, um Gegenmaßnahmen gegen Cascade Classifier-Fehler zu ergreifen http://sh0122.hatenadiary.jp/entry/2017/10/30/210411

Lernprogramm

Ich werde es probeweise versuchen, also werde ich zuerst die Gesichtserkennung versuchen. Sobald Sie die Grundlagen verstanden haben, müssen Sie nur noch die Grundlagen anpassen.

Erhalten Sie kaskadierende Dateien

Es ist eine XML-Datei, die die Daten zusammenfasst, die bereits die für die Klassifizierung und Erkennung erforderlichen Funktionen gelernt haben. Dieses Mal wird "haarcascade_frontalface_default.xml" für die Gesichtserkennung verwendet. https://github.com/opencv/opencv/blob/master/data/haarcascades/haarcascade_frontalface_default.xml

Fotos zur Gesichtserkennung

Das diesmal verwendete Foto ist mein eigenes Foto, das mit SNOW bearbeitet wurde. Kannst du das erkennen ...?

Schreiben Sie den Python-Code. Schreiben Sie den folgenden Prozess mit dem Namen test.py

import cv2

#Sorter
cascadeFile = "C:\imagepy\haarcascade_frontalface_default.xml"

#Klassifikatoreinstellungen
cascade = cv2.CascadeClassifier(cascadeFile)

#Eingabedatei
imageImput ="C:\imagepy\myface.jpg "

#Eingabedatei lesen
image = cv2.imread(imageImput)

#Machen Sie es Graustufen
imageGray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

#Ausgabedatei
imageOutput = "C:\imagepy\out.jpg "

#Gesicht erkennen
facerect = cascade.detectMultiScale(imageGray, scaleFactor=1.1, minNeighbors=2, minSize=(30, 30))

#Verarbeitung, wenn ein Gesicht erkannt werden kann
if len(facerect) > 0:

    #Setzen Sie einen Rahmen auf das Gesicht
    for rect in facerect:
        cv2.rectangle(image, tuple(rect[0:2]),tuple(rect[0:2]+rect[2:4]), (255, 255, 255), thickness=2)

    #Speichern Sie das Ergebnis als Bild
    cv2.imwrite(imageOutput, image)

Versuchen Sie, test.py auszuführen

Es scheint, dass es sogar auf meinem eigenen Foto, das mit SNOW süß verarbeitet wurde, als Gesicht erkannt wird

Wir haben die Implementierung des Tutorials abgeschlossen, was unser Ziel ist. Das nächste Mal möchte ich die Symbole und Objekte in der Zeichnung erkennen und im Volltext durchsuchbar machen.

Ich kann es nicht mit den Zeichnungen testen, die ich bei der Arbeit verwende, daher frage ich mich, ob ich einen Zustand anstreben sollte, in dem ich den vollständigen Text durchsuchen kann, indem ich die Symbole auf der Karte erkenne. .. ..