面向python的facedetect库（最初由wave++“yuri d'elia”<wavexx@threg.org>提供）
facedetectp的Python项目详细描述
FaceDetect：一个用于批处理的简单人脸检测器
===============================
`FaceDetect`是一个用于批处理的简单人脸检测器。它回答了
基本问题："图像中是否有人脸？"并返回一个exit
代码或标准输出中每个检测面的坐标。
同时随着时间的推移逐步改进
检测算法。
"facedetect"用于fgallery\u等软件中，以改进缩略图
切割区域，因此面始终居中。
path/to/input.jpg
289 139 56
295 283 55 55
output:
x，y，width height
x1，y1，width1，height1
…
输出值是x y坐标**（从左上角开始）**，
，后跟宽度和高度。为了调试，可以使用`-o``标志检查直接覆盖在源图像上的面部位置：
./bin/facedetect-o outfile.jpg path/to/input.jpg
使用"q"开关并检查退出状态：
./bin/facedetect-q path/to/input.jpg
echo$？
退出状态**0表示至少存在一个面**。退出状态
为2表示无法检测到任何面（1保留为失败）。
只需输出面中心的x-y坐标：：
./bin/facedetect--center path/to/image.jpg
317167
322310
而
`--best``将尝试选择焦点和/或
帧中心的面。
图：doc/max best.jpg
：align:center
所选的脸用黄色突出显示。
同时计算速度显著加快。
示例
——
对有面和无面图像进行排序
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~代码：
for file in path/to/pictures/*.jpg；do
name=$（basename"$file"）
if./bin/facedetect-q"$file"；然后
mv"$file"path/to/people/$name"
else
mv"$file"path/to/landscape/$name"
fi
所有使用"mogrify"的源图像（来自imagemagick）：对于路径/to/pictures/*.jpg中的文件，do
name=$（basename"$file"）
out="path/to/fuldized/$name"
cp"$file""$out"
./bin/facedetect"$file"，同时读取x y w h；do
mogrify-重力西北-区域"${w}x${h}+${x}+${y}"\
-比例"10%"-比例"1000%""$out"
完成
完成
这里为"facedetect"的每个输出行调用"mogrify"（这是
次优的），修改文件。
独立图像
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~对于路径/to/pictures/*.jpg；中的文件，请执行
name=$（basename"$file"）
i=0
./bin/facedetect"$file"，同时读取x y w h；
convert
convert"$file"--crop${w}x${h}{{x}{x}{{y}{y}"path/to/faces/${name%.{{i}${i}${{name{{}}"
i=$（$i+1））
don
convert"$file"
convert"$file"--crop${crop${w{w}w}x}{h}{h}{h}{x}{x}{x}{x}{x搜索特定的面作为为
提供了`-s``文件参数。提供的文件必须是包含
的图像，最好是*单个*面。` facedetect`然后将所有人脸与
进行比较，并仅输出高于请求的相似度
阈值（默认为30%）的匹配项。
当人脸搜索与``-q```（查询）一起使用时，只有当至少有一个面与请求的模板匹配时，才发出退出状态0。
当前的匹配算法基于简单的mssim，它远远不够完美（请参见"开发状态和想法"。
dependencies
----
>当前需要以下软件用于"facedetect"：
-python 3或python 2.7
-python opencv>；=2.4（``python3 opencv``或``python opencv``）
-opencv数据文件（``opencv data``如果可用，或``libopencv dev`）
您可以使用以下命令安装所有必需的依赖项：
sudo apt get install python3 opencv opencv data
，然后使用以下命令安装"facedetect"：sudo cp./bin/facedetect/usr/local/bin
/usr/local/bin
开发状态和思路（遵循wavexx的原始解释）
-----------------------------------
当前的"facedetect"并不是opencv和"frontalface_alt2"配置文件在准确性/检测率方面提供了最好的结果，
可供我使用的真实照片。
在速度方面，lbp分类器更快。但是，虽然一般理论认为它也应该更准确，但"lbp_frontalface"的简介并没有提供可比的结果，这表明有必要进行额外的培训。如果找到了训练数据集，创建lbp配置文件
可能是一个更好的解决方案，特别是在处理速度方面。
``haar_profile face``在我的测试中有太多的误报，无法使用。
但是，将它与``haar_eye``和其他面部部件结合使用，若要降低假阳性率和/或对区域进行排序，则可能是一个非常好的
解决方案。
lbp和haar都不能很好地处理旋转的面。这在以一定角度拍摄的"艺术"肖像中尤为明显。在很多情况下，使用hough变换的信息对图像进行预旋转可以提高检测率，而且应该相对容易实现。
人脸匹配具有用户期望的界面（"查找我*这张*脸"），但是
并不能正常工作。目前，人们使用成对mssim对人脸进行比较，这与正确的人脸分割相去甚远。mssim只会找到具有类似方向、表达式和照明条件的面
。haar
特征不能提供执行最简单的面部分割操作（如眼间距离）所需的定位精度。
有趣的是，使用1:1的sift特征匹配计算分数甚至比普通的mssim还要差（在大多数情况下没有足够的粒度场景）。在facedetect之上构建一个
gui来训练支持向量机模型（然后可以反馈到
``-s``），这似乎是一个更好的方法。更高的准确率，但不知何故
偏离了无监督搜索的初衷。
根据GPLV2+发行（见复印件），无任何保证。
版权所有（c）2013-2017由Wave++"Yuri d'elia"<；wavexx@thregr.org>；.
facedetect的git存储库可在以下位置公开访问：
git://src.thregr.org/facedetect（通过wavexx）
或https://github.com/wavexx/facedetect（通过wavexx）
和https://github.com/picovico/facedetect-py（通过picovico）
。_ imagemagick:http://www.imagemagick.org
。_ fGallery:https://www.threg.org/~wavexx/software/fGallery/
===============================
`FaceDetect`是一个用于批处理的简单人脸检测器。它回答了
基本问题："图像中是否有人脸？"并返回一个exit
代码或标准输出中每个检测面的坐标。
同时随着时间的推移逐步改进
检测算法。
"facedetect"用于fgallery\u等软件中，以改进缩略图
切割区域，因此面始终居中。
path/to/input.jpg
289 139 56
295 283 55 55
output:
x，y，width height
x1，y1，width1，height1
…
输出值是x y坐标**（从左上角开始）**，
，后跟宽度和高度。为了调试，可以使用`-o``标志检查直接覆盖在源图像上的面部位置：
./bin/facedetect-o outfile.jpg path/to/input.jpg
使用"q"开关并检查退出状态：
./bin/facedetect-q path/to/input.jpg
echo$？
退出状态**0表示至少存在一个面**。退出状态
为2表示无法检测到任何面（1保留为失败）。
只需输出面中心的x-y坐标：：
./bin/facedetect--center path/to/image.jpg
317167
322310
而
`--best``将尝试选择焦点和/或
帧中心的面。
图：doc/max best.jpg
：align:center
所选的脸用黄色突出显示。
同时计算速度显著加快。
示例
——
对有面和无面图像进行排序
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~代码：
for file in path/to/pictures/*.jpg；do
name=$（basename"$file"）
if./bin/facedetect-q"$file"；然后
mv"$file"path/to/people/$name"
else
mv"$file"path/to/landscape/$name"
fi
所有使用"mogrify"的源图像（来自imagemagick）：对于路径/to/pictures/*.jpg中的文件，do
name=$（basename"$file"）
out="path/to/fuldized/$name"
cp"$file""$out"
./bin/facedetect"$file"，同时读取x y w h；do
mogrify-重力西北-区域"${w}x${h}+${x}+${y}"\
-比例"10%"-比例"1000%""$out"
完成
完成
这里为"facedetect"的每个输出行调用"mogrify"（这是
次优的），修改文件。
独立图像
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~对于路径/to/pictures/*.jpg；中的文件，请执行
name=$（basename"$file"）
i=0
./bin/facedetect"$file"，同时读取x y w h；
convert
convert"$file"--crop${w}x${h}{{x}{x}{{y}{y}"path/to/faces/${name%.{{i}${i}${{name{{}}"
i=$（$i+1））
don
convert"$file"
convert"$file"--crop${crop${w{w}w}x}{h}{h}{h}{x}{x}{x}{x}{x搜索特定的面作为为
提供了`-s``文件参数。提供的文件必须是包含
的图像，最好是*单个*面。` facedetect`然后将所有人脸与
进行比较，并仅输出高于请求的相似度
阈值（默认为30%）的匹配项。
当人脸搜索与``-q```（查询）一起使用时，只有当至少有一个面与请求的模板匹配时，才发出退出状态0。
当前的匹配算法基于简单的mssim，它远远不够完美（请参见"开发状态和想法"。
dependencies
----
>当前需要以下软件用于"facedetect"：
-python 3或python 2.7
-python opencv>；=2.4（``python3 opencv``或``python opencv``）
-opencv数据文件（``opencv data``如果可用，或``libopencv dev`）
您可以使用以下命令安装所有必需的依赖项：
sudo apt get install python3 opencv opencv data
，然后使用以下命令安装"facedetect"：sudo cp./bin/facedetect/usr/local/bin
/usr/local/bin
开发状态和思路（遵循wavexx的原始解释）
-----------------------------------
当前的"facedetect"并不是opencv和"frontalface_alt2"配置文件在准确性/检测率方面提供了最好的结果，
可供我使用的真实照片。
在速度方面，lbp分类器更快。但是，虽然一般理论认为它也应该更准确，但"lbp_frontalface"的简介并没有提供可比的结果，这表明有必要进行额外的培训。如果找到了训练数据集，创建lbp配置文件
可能是一个更好的解决方案，特别是在处理速度方面。
``haar_profile face``在我的测试中有太多的误报，无法使用。
但是，将它与``haar_eye``和其他面部部件结合使用，若要降低假阳性率和/或对区域进行排序，则可能是一个非常好的
解决方案。
lbp和haar都不能很好地处理旋转的面。这在以一定角度拍摄的"艺术"肖像中尤为明显。在很多情况下，使用hough变换的信息对图像进行预旋转可以提高检测率，而且应该相对容易实现。
人脸匹配具有用户期望的界面（"查找我*这张*脸"），但是
并不能正常工作。目前，人们使用成对mssim对人脸进行比较，这与正确的人脸分割相去甚远。mssim只会找到具有类似方向、表达式和照明条件的面
。haar
特征不能提供执行最简单的面部分割操作（如眼间距离）所需的定位精度。
有趣的是，使用1:1的sift特征匹配计算分数甚至比普通的mssim还要差（在大多数情况下没有足够的粒度场景）。在facedetect之上构建一个
gui来训练支持向量机模型（然后可以反馈到
``-s``），这似乎是一个更好的方法。更高的准确率，但不知何故
偏离了无监督搜索的初衷。
根据GPLV2+发行（见复印件），无任何保证。
版权所有（c）2013-2017由Wave++"Yuri d'elia"<；wavexx@thregr.org>；.
facedetect的git存储库可在以下位置公开访问：
git://src.thregr.org/facedetect（通过wavexx）
或https://github.com/wavexx/facedetect（通过wavexx）
和https://github.com/picovico/facedetect-py（通过picovico）
。_ imagemagick:http://www.imagemagick.org
。_ fGallery:https://www.threg.org/~wavexx/software/fGallery/
欢迎加入QQ群-->： 979659372
