Opencv学习笔记 基于DNN网络的caffe模型人脸识别

z13228604287

摄像头连接识别：

  

窗口程序集名	保 留	保 留	备 注
程序集1
变量名	类 型	数组	备 注
网络	神经网络
视频	视频采集

子程序名	返回值类型	公开	备 注
_启动子程序	整数型		本子程序在程序启动后最先执行

变量名	类 型	静态	数组	备 注
图像	多维矩阵
图层	多维矩阵
值	标量
平均值	标量
每层耗时	双精度向量
CPU的频率	双精度小数型
time	双精度小数型
信息矩阵	多维矩阵
颜色	标量
文字颜色	标量
i	整数型
左下角X	整数型
左下角Y	整数型
右上X	整数型
右上Y	整数型
置信度	小数型
底色尺寸	尺寸数据结构i

值.赋值 (4, 117, 123, 0)
文字颜色.赋值 (255, 255, 255, 255)  ' 白色
颜色.赋值 (0, 0, 255, 0)  ' 红色
视觉_从内存读取咖啡 (网络.指针, #deploy, 取字节集长度 ( #deploy ), #res10_300x300_ssd_iter_140000_fp16, 取字节集长度 ( #res10_300x300_ssd_iter_140000_fp16 ))
如果真 (网络.空 ())
标准输出 (, “无法使用以下文件加载网络：” ＋ #换行符 )
标准输出 (, “prototxt：” ＋ #换行符 )
标准输出 (, “caffemodel：” ＋ #换行符 )
标准输出 (, “模型在这里可用：” ＋ #换行符 )
标准输出 (, “/samples/dnn/face_detector” ＋ #换行符 )
标准输出 (, “或在这里：” ＋ #换行符 )
标准输出 (, “https://github.com/opencv/opencv/tree/master/samples/dnn/face_detector” ＋ #换行符 )
标准输入 ()
返回 (-1)
视频.打开 (0, #捕获API_DSHOW, )
视频.设置 ( #采集_属性_FOURCC, 1196444237)
视频.设置 ( #采集_属性_框架_宽, 640)
视频.设置 ( #采集_属性_框架_高, 480)
如果真 (视频.已打开 () ＝ 假)
标准输出 (, “无法打开相机：” ＋ #换行符 )
标准输入 ()
返回 (-1)

判断循环首 (视频.读 (图像.指针))
如果真 (图像.空 ())
视觉_等待按键 (0)
跳出循环 ()
如果真 (图像.通道数 () ＝ 4)
视觉_颜色空间转换 (图像.指针, 图像.指针, #颜色_BGRA转BGR, 0)
视觉_来自图像的斑点Z (图像.指针, 图层.指针, 1, 300, 300, 值, 假, 假, 5)
网络.设置输入S (图层.指针, “data”)
网络.向前S (“detection_out”, 图层.指针)
CPU的频率 ＝ 视觉_获取滴答频率 () ÷ 1000
time ＝ 网络.获取网络层性能 (每层耗时.指针) ÷ CPU的频率
信息矩阵.构造字节集U (图层.元素数 (2), 图层.元素数 (3), #三十二位浮点数, 图层.数据指针 ())
视觉_放置文本Zi (图像.指针, “FPS: ” ＋ 到文本 (1000 ÷ time) ＋ “ ; time: ” ＋ 到文本 (time) ＋ “ ms”, 20, 20, #字体_衬线_简单, 0.5, 颜色, 1, 8, 假)
计次循环首 (信息矩阵.行 (), i)
置信度 ＝ 信息矩阵.取小数 (i － 1, 2)
如果真 (置信度 ＞ 0.1)
左下角X ＝ 信息矩阵.取小数 (i － 1, 3) × 图像.列 ()
左下角Y ＝ 信息矩阵.取小数 (i － 1, 4) × 图像.行 ()
右上X ＝ 信息矩阵.取小数 (i － 1, 5) × 图像.列 ()
右上Y ＝ 信息矩阵.取小数 (i － 1, 6) × 图像.行 ()
视觉_矩形Zi (图像.指针, 左下角X, 左下角Y, 右上X － 左下角X, 右上Y － 左下角Y, 颜色, 1, 8, 0)
视觉_获取文本尺寸 (“Face：” ＋ 到文本 (置信度), #字体_衬线_简单, 0.5, 1, 0, 底色尺寸)
视觉_矩形Zi (图像.指针, 左下角X, 左下角Y － 底色尺寸.高, 底色尺寸.宽, 底色尺寸.高, 颜色, -1, 8, 0)
视觉_放置文本Zi (图像.指针, “Face:” ＋ 到文本 (置信度), 左下角X, 左下角Y, #字体_衬线_简单, 0.5, 文字颜色, 1, 8, 假)

计次循环尾 ()
视觉_显示图像 (“小白鼠”, 图像.指针)
视觉_等待按键 (2)
判断循环尾 ()
返回 (0)  ' 可以根据您的需要返回任意数值

i支持库列表	支持库注释
cv	(未知支持库)

.版本 2<br /> .支持库 cv<br /> <br /> .程序集 程序集1<br /> .程序集变量 网络, 神经网络<br /> .程序集变量 视频, 视频采集<br /> <br /> .子程序 _启动子程序, 整数型, , 本子程序在程序启动后最先执行<br /> .局部变量 图像, 多维矩阵<br /> .局部变量 图层, 多维矩阵<br /> .局部变量 值, 标量<br /> .局部变量 平均值, 标量<br /> .局部变量 每层耗时, 双精度向量<br /> .局部变量 CPU的频率, 双精度小数型<br /> .局部变量 time, 双精度小数型<br /> .局部变量 信息矩阵, 多维矩阵<br /> .局部变量 颜色, 标量<br /> .局部变量 文字颜色, 标量<br /> .局部变量 i, 整数型<br /> .局部变量 左下角X, 整数型<br /> .局部变量 左下角Y, 整数型<br /> .局部变量 右上X, 整数型<br /> .局部变量 右上Y, 整数型<br /> .局部变量 置信度, 小数型<br /> .局部变量 底色尺寸, 尺寸数据结构i<br /> <br /> 值.赋值 (4, 117, 123, 0)<br /> 文字颜色.赋值 (255, 255, 255, 255)  ' 白色<br /> 颜色.赋值 (0, 0, 255, 0)  ' 红色<br /> <br /> 视觉_从内存读取咖啡 (网络.指针, #deploy, 取字节集长度 (#deploy), #res10_300x300_ssd_iter_140000_fp16, 取字节集长度 (#res10_300x300_ssd_iter_140000_fp16))<br /> .如果真 (网络.空 ())<br />     标准输出 (, “无法使用以下文件加载网络：” ＋ #换行符)<br />     标准输出 (, “prototxt：” ＋ #换行符)<br />     标准输出 (, “caffemodel：” ＋ #换行符)<br />     标准输出 (, “模型在这里可用：” ＋ #换行符)<br />     标准输出 (, “/samples/dnn/face_detector” ＋ #换行符)<br />     标准输出 (, “或在这里：” ＋ #换行符)<br />     标准输出 (, “https://github.com/opencv/opencv/tree/master/samples/dnn/face_detector” ＋ #换行符)<br />     标准输入 ()<br />     返回 (-1)<br /> .如果真结束<br /> 视频.打开 (0, #捕获API_DSHOW, )<br /> 视频.设置 (#采集_属性_FOURCC, 1196444237)<br /> 视频.设置 (#采集_属性_框架_宽, 640)<br /> 视频.设置 (#采集_属性_框架_高, 480)<br /> .如果真 (视频.已打开 () ＝ 假)<br />     标准输出 (, “无法打开相机：” ＋ #换行符)<br />     标准输入 ()<br />     返回 (-1)<br /> .如果真结束<br /> <br /> .判断循环首 (视频.读 (图像.指针))<br />     .如果真 (图像.空 ())<br />         视觉_等待按键 (0)<br />         跳出循环 ()<br />     .如果真结束<br />     .如果真 (图像.通道数 () ＝ 4)<br />         视觉_颜色空间转换 (图像.指针, 图像.指针, #颜色_BGRA转BGR, 0)<br />     .如果真结束<br />     视觉_来自图像的斑点Z (图像.指针, 图层.指针, 1, 300, 300, 值, 假, 假, 5)<br />     网络.设置输入S (图层.指针, “data”)<br />     网络.向前S (“detection_out”, 图层.指针)<br />     CPU的频率 ＝ 视觉_获取滴答频率 () ÷ 1000<br />     time ＝ 网络.获取网络层性能 (每层耗时.指针) ÷ CPU的频率<br />     信息矩阵.构造字节集U (图层.元素数 (2), 图层.元素数 (3), #三十二位浮点数, 图层.数据指针 ())<br />     视觉_放置文本Zi (图像.指针, “FPS: ” ＋ 到文本 (1000 ÷ time) ＋ “ ; time: ” ＋ 到文本 (time) ＋ “ ms”, 20, 20, #字体_衬线_简单, 0.5, 颜色, 1, 8, 假)<br /> <br />     .计次循环首 (信息矩阵.行 (), i)<br />         置信度 ＝ 信息矩阵.取小数 (i － 1, 2)<br />         .如果真 (置信度 ＞ 0.1)<br />             左下角X ＝ 信息矩阵.取小数 (i － 1, 3) × 图像.列 ()<br />             左下角Y ＝ 信息矩阵.取小数 (i － 1, 4) × 图像.行 ()<br />             右上X ＝ 信息矩阵.取小数 (i － 1, 5) × 图像.列 ()<br />             右上Y ＝ 信息矩阵.取小数 (i － 1, 6) × 图像.行 ()<br />             视觉_矩形Zi (图像.指针, 左下角X, 左下角Y, 右上X － 左下角X, 右上Y － 左下角Y, 颜色, 1, 8, 0)<br />             视觉_获取文本尺寸 (“Face：” ＋ 到文本 (置信度), #字体_衬线_简单, 0.5, 1, 0, 底色尺寸)<br />             视觉_矩形Zi (图像.指针, 左下角X, 左下角Y － 底色尺寸.高, 底色尺寸.宽, 底色尺寸.高, 颜色, -1, 8, 0)<br />             视觉_放置文本Zi (图像.指针, “Face:” ＋ 到文本 (置信度), 左下角X, 左下角Y, #字体_衬线_简单, 0.5, 文字颜色, 1, 8, 假)<br />         .如果真结束<br /> <br />     .计次循环尾 ()<br /> <br />     视觉_显示图像 (“小白鼠”, 图像.指针)<br />     视觉_等待按键 (2)<br /> .判断循环尾 ()<br /> <br /> 返回 (0)  ' 可以根据您的需要返回任意数值

链接：https://pan.baidu.com/s/1VSYkILerRQsoDiIhl-6eTQ
提取码：4ypk
复制这段内容后打开百度网盘手机App，操作更方便哦

hnt363759554

你好能给个cv.fne库吗？打开提示缺少cv.fne库，网盘里也没找到

aijianli

网盘里没上传模块  打不开源码

aijianli

去网盘看了下 不错 楼主无私奉献  工具和代码都很全，看到易语言的例子 标注为舍弃 有点惋惜不知道啥原因  很好的软件啊

wyd168

这个cv模块在哪里下啊

冰火焰

6+666666666666666666666666666666666666666666

刀子嘴豆腐心

dnn(⊙o⊙)啥？原理

dmxbzb

感谢分享

立青

看不懂 顶一波