face_recognition和图像处理中left、top、right、bottom解释

face_recognition.face_locations 介绍

加载图像文件后直接调用face_recognition.face_locations(image),能定位所有图像中识别出的人脸位置信息,返回值是列表形式,列表中每一行是一张人脸的位置信息,包括[top, right, bottom, left],也可理解为每个人脸是一个tuple存储,分别代表框住人脸的矩形中左上角和右下角的坐标。具体坐标的对应可以看下面的代码。可遍历列表打印出每张脸的位置信息,也可以通过位置信息截出识别出的人脸的图像显示出来。

python 复制代码
import face_recognition
face_locations = face_recognition.face_locations(demo_image, model='hog')

print(face_locations)

输出:[(426, 1429, 555, 1300), (528, 1062, 795, 795)]

上面的格式是[top, right, bottom, left]

看下面的图片知道第一张人脸的坐标

左上角坐标:(left, top) = (1300, 426)

右上角坐标:(right, bottom) = (1429, 555)

其中:

left,top为左上角的点坐标

right,bottom为右下角的点坐标

转换一下为opencv常用的:

x=left

y=top

width=right-left

height=bottom-top

以上参考:

1、face_recognition常用方法

2、MFC:矩形left、right、top、bottom的表示_转载

相关推荐
测试人社区-小明1 天前
智能测试误报问题的深度解析与应对策略
人工智能·opencv·线性代数·微服务·矩阵·架构·数据挖掘
雍凉明月夜1 天前
视觉opencv学习笔记Ⅴ-数据增强(1)
人工智能·python·opencv·计算机视觉
啊阿狸不会拉杆1 天前
《数字图像处理 》 第 1 章-绪论
图像处理·python·opencv·算法·数字图像处理
测试人社区-小明2 天前
未来测试岗位的AI需求分析
人工智能·opencv·测试工具·算法·金融·机器人·需求分析
测试人社区-千羽2 天前
语义分析驱动的测试用例生成:提升软件测试效率的新范式
运维·人工智能·opencv·面试·职场和发展·自动化·测试用例
劈星斩月2 天前
OpenCV 学习8-使用卷积进行图像滤波
opencv·卷积核·图像滤波
明月醉窗台2 天前
Opencv 之 几个常见的对比度调整方法
人工智能·opencv·计算机视觉
测试人社区-千羽2 天前
提升软件质量与效率:设计评审的自动化分析与实践路径
运维·人工智能·opencv·安全·数据挖掘·自动化·边缘计算
Darkershadow2 天前
Python学习之使用笔记本摄像头截屏
python·opencv·学习
却道天凉_好个秋2 天前
OpenCV(四十一):SIFT关键点检测
人工智能·opencv·计算机视觉