Pythonは画像内のすべての顔を認識し、それを表示する機能を実装しています

Pythonは画像内のすべての顔を認識し、それを表示する機能を実装しています

Python3 を使用して、写真内のすべての顔を認識して表示します。コードは次のとおりです。

  1. # -*- コーディング: utf-8 -*-  
  2. # 画像内のすべての顔を識別して表示する 
  3. # ファイル名: find_faces_in_picture.py  
  4. PIL インポート画像から 
  5. 顔認識をインポートする 
  6. # jpgファイルをnumpy配列にロードする 
  7. 画像=顔認識.load_image_file("linuxidc.com.jpg")  
  8. # デフォルトのHOGモデルを使用して画像内のすべての顔を見つけます 
  9. # この方法は非常に正確ですが、GPUアクセラレーションを使用しないため、CNNモデルほど正確ではありません。  
  10. # 参照: find_faces_in_picture_cnn.py  
  11. face_locations = face_recognition.face_locations (画像)  
  12. # CNNモデルの使用 
  13. # face_locations = face_recognition .face_locations(image, number_of_times_to_upsample = 0 , model = "cnn" )  
  14. # 印刷: 画像内にいくつの顔が見つかりましたか?  
  15. print("この写真には {} 人の顔が見つかりました。".format(len(face_locations)))  
  16. # 見つかったすべての面をループする 
  17. face_locations 内の face_location の場合:  
  18. # 各顔の位置情報を出力します 
  19. 上、右、下、=顔の位置   
  20. print("顔はピクセル位置にあります。上: {}、左: {}、下: {}、右: {}".format(top, left, bottom, right))  
  21. # 顔の位置情報を指定して顔画像を表示する 
  22. face_image = 画像[上:下、左:右]  
  23. pil_image = Image.fromarray (face_image)  
  24. pil_image.show()
  1. # またはPythonファイルを実行します 
  2. $ python3 www.linuxidc.com.py

画像から 10 人の顔を識別して表示します。

  1. この写真の中に10人の顔を見つけました。  
  2. 顔はピクセル位置上: 445、左: 1867、下: 534、右: 1957 にあります。  
  3. 顔はピクセル位置上: 544、左: 643、下: 619、右: 718 にあります。  
  4. 顔はピクセル位置上: 478、左: 1647、下: 553、右: 1722 にあります。  
  5. 顔はピクセル位置上: 504、左: 126、下: 594、右: 215 にあります。  
  6. 顔はピクセル位置にあります 上: 536、左: 395、下: 611、右: 469  
  7. 顔はピクセル位置にあります 上: 544、左: 1042、下: 619、右: 1116  
  8. 顔はピクセル位置上: 553、左: 818、下: 627、右: 892 にあります。  
  9. 顔はピクセル位置上: 511、左: 1431、下: 586、右: 1506 にあります。  
  10. 顔はピクセル位置上: 564、左: 1227、下: 626、右: 1289 にあります。  
  11. 顔はピクセル位置にあります 上: 965、左: 498、下: 1017、右: 550

以下のように表示されます。

<<:  スタートアップがAIを活用している3つの分野

>>:  [ビッグガイがやってくるエピソード8] 電子商取引リスク管理ツール - モバイルデバイス向けの信頼できるID

ブログ    
ブログ    

推薦する

データサイエンスで勝つ: 製薬会社の幹部が始めるための 5 つのヒント

これら 5 つの重要なヒントは、製薬会社の幹部がデータ サイエンスの道への扉を開くのに役立つかもしれ...

OpenAI の Whisper モデルを使用して音声をテキストに変換する

翻訳者 |ブガッティレビュー | Chonglou図1. OpenAI Whisperモデルの動作原...

より多用途で効果的なAntの自社開発オプティマイザーWSAMがKDDオーラルに採用されました

ディープ ニューラル ネットワーク (DNN) の一般化能力は、極値点の平坦性と密接に関係しています...

...

...

江長建、世界初のサイボーグと対談 - JD Smart Community 2.0 全国ローンチカンファレンス ライブプレビュー

[[374688]] 「半オーク」「半魚」… SF映画、漫画、おとぎ話では、それは驚くことではありま...

新型コロナウイルス感染症の流行中に音声テクノロジーが再び注目を集めているのはなぜでしょうか?

新型コロナウイルスの世界的大流行により、各国で厳しいロックダウン措置が取られ、多くの人が外出を控えざ...

我が国は人工知能などの主要な技術標準に関する研究を強化します

標準は経済活動や社会の発展を技術的に支えるものであり、人々の生活に深く関わっています。最近、中国共産...

人工知能の進化:過去、現在、そして未来

近年、人工知能はロボットが人間のように考え、行動することを可能にする強力なツールへと発展しました。さ...

...

自律型 AI エージェント: 未来の生産性エンジン

翻訳者 | 崔昊レビュー | Chonglouまとめこの記事では、タスクを自ら作成し、優先順位を付け...

プログラム分析を通じてニューラルネットワーク プログラムのバックドアを見つける方法

1 ニューラルネットワークにはさまざまな問題がある従来のプログラムには、よく知られたエラー、抜け穴、...

インテリジェント車両認識技術がスマートシティへの道を開く

著者:Chris Kadoch 氏は Rekor Systems の最高技術責任者です。 [[376...

...

AIは「技術力」の集中を加速させる。巨大企業によるAIの独占は深刻な結果をもたらすのか?

AI テクノロジーがかなり集中化しており、テクノロジー大手が優位に立っていることにお気づきですか?...