這是輸入幀：我曾經(jīng)RetinaFace從中檢測(cè)所有面孔和一般 csv 文件。這是我的 csv 文件：,bbox,score,landmarks0,"[1811, 850, 1948, 1013]",0.999666452407836,"[[1828, 911], [1887, 913], [1841, 942], [1832, 974], [1876, 976]]"1,"[346, 1285, 503, 1468]",0.9996420145034791,"[[365, 1361], [424, 1348], [385, 1395], [390, 1426], [439, 1416]]"2,"[1543, 1418, 1702, 1618]",0.9995224475860591,"[[1578, 1514], [1647, 1498], [1619, 1554], [1610, 1585], [1658, 1572]]"（上面僅顯示了部分行）。只是為了顯示我的輸出圖像，其中 RetinaFace 檢測(cè)到所有面部：但是我無(wú)法單獨(dú)獲取面部：frame = cv2.imread('input.jpg')x,y,w,h = [1811, 850, 1948, 1013] # one of the bounding boxesplt.imshow(frame[y:y+h, x:x+w])它沒(méi)有給出正確的面部位置。我得到的輸出是：
2 回答
墨色風(fēng)雨
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超6個(gè)贊
我參考了retinaface代碼，發(fā)現(xiàn)邊界框是這樣提取的：鏈接
x_min, y_min, x_max, y_max = annotation["bbox"]
使用與上述索引類(lèi)似的索引對(duì)我來(lái)說(shuō)效果非常好。
x,y,w,h = label plt.imshow(frame[y:h, x:w])
森林海
TA貢獻(xiàn)2011條經(jīng)驗(yàn) 獲得超2個(gè)贊
您嘗試過(guò)它的張量流重新實(shí)現(xiàn)嗎？其提取人臉功能直接返回檢測(cè)到的人臉。此外，它還可以根據(jù)地標(biāo)坐標(biāo)來(lái)對(duì)齊檢測(cè)到的人臉。
#!pip install retina-face
from retinaface import RetinaFace
import matplotlib.pyplot as plt
faces = RetinaFace.extract_faces("img.jpg", align = True)
for face in faces:
plt.imshow(face)
plt.show()
添加回答
舉報(bào)
0/150
提交
取消