我正在使用Python进行人脸识别。
我有一个下面的代码:
from sklearn.externals import joblib
clf = joblib.load('model/svm.pkl')
pca = joblib.load('model/pca.pkl')
face_cascade = cv2.CascadeClassifier("classifier/haarcascade_frontalface_alt.xml")
webcam = cv2.VideoCapture(0)
ret, frame = webcam.read()
while ret:
start = time()
origin = frame
gray = cv2.cvtColor(origin, cv2.COLOR_BGR2GRAY)
cv2.equalizeHist(gray,gray)
faces = face_cascade.detectMultiScale(
origin,
scaleFactor=1.1,
minNeighbors=5,
minSize=(30, 30),
flags=cv2.cv.CV_HAAR_SCALE_IMAGE
)
for (x, y, w, h) in faces:
cv2.rectangle(origin, (x, y), (x+w, y+h), (0, 255, 0), 2)
face = gray[y:y+h , x:x+w]
cv2.equalizeHist(face,face)
face_to_predict = cv2.resize(face,(100, 100),interpolation = cv2.INTER_AREA)
img = face_to_predict.ravel()
principle_components = pca.transform(img)
proba = clf.predict_proba(principle_components) # probability
pred = clf.predict(principle_components)
if proba[0][pred]>0.4:
name = face_profile_names[pred[0]]
因此,这段代码运行得很好,而且它有时会像我预期的那样识别人脸。但这里也有很多弱点:如果我扭头,准确率对我来说太低了。我找到了卡尔曼滤波器来改善我的人脸识别,但我没有意识到如何在我现有的代码中使用它。
我发现了一些使用卡尔曼滤波器的帖子,但它在当前情况下如何使用还不够清楚。这里有一些帖子:Is there any example of cv2.KalmanFilter implementation?
所以,我的principle_components
是一个值矩阵,希望它可以用来初始化我的卡尔曼滤波器,但我不确定这一点,以及之后如何使用这个滤波器。
有什么想法吗?
发布于 2018-06-13 08:13:51
关于卡尔曼滤波器的Opencv Python文档非常糟糕。在这里可以找到一个很好的实现示例:https://raw.githubusercontent.com/tobybreckon/python-examples-cv/master/kalman_tracking_live.py
令许多人困惑的一个方面是卡尔曼滤波器没有初始化函数,这是很差劲的。因此,过滤器是一个“增量”。我的意思是,你总是需要用初始值进行归一化。度量应更正为measure = measure - initial,并且预测=预测+初始。
我希望这能给你一些帮助。
https://stackoverflow.com/questions/43562972
复制相似问题