FindFaces

FindFaces[image]

尝试在 image 中找到人脸，并且返回边界框列表.

FindFaces[image,prop]

返回每个检测到的人脸的指定属性 prop.

FindFaces[image,crit,prop]

返回满足标准 crit 的人脸.

更多信息和选项

FindFaces 也被称为面部检测.
面部检测是一种常见的计算机视觉技术，它将检测到的面部作为边界框列表返回，每个边界框都以 Rectangle 对象的形式给出.

坐标 {x,y} 被认为是位于标准图像坐标系统内.
属性 prop 可为以下任意形式：

	"BoundingBox"	以 Rectangle 对象形式返回的边界框
	"BoundingBoxArea"	每个人脸所占的像素面积
	"Confidence"	检测脸部的强度
	"Image"	含有每个人脸的子图像
	"Position"	用 {x,y} 给出每个人脸的位置
	feature	FacialFeatures 中可用的任意特征
	{prop₁,prop₂,…}	属性列表

标准 crit 可为以下任意形式：

	{min,max}	大小从 min 到 max 的人脸，其中单位为像素
	{Scaled[amin],Scaled[amax]}	相对大小从 amin 到 amax 的人脸
	f	满足 f 的人脸

使用纯函数 f 的情况下，可用 #Age 和 #Gender 获取脸部特征，如年龄和性别. 如果 f 返回 True，则返回人脸.
如果想了解完整的面部特征列表，请到参考页面查看 FacialFeatures.
可以给出以下选项：

AcceptanceThreshold	Automatic	检测接受阈值
MaxFeatures	All	返回的脸数
MaxOverlapFraction	Automatic	最大允许的重叠比例
Method	Automatic	使用的方法
Padding	"Fixed"	在图像边界处使用的填充方案
PaddingSize	0	每个检测到的脸部周围的填充量
PerformanceGoal	$PerformanceGoal	检测中使用何种优化
SortedBy	Automatic	排序结果使用的函数

采用 PaddingSize->x 时，在每个检测到的脸部的每侧均填充 x 个像素. 如果使用 PaddingSize->Scaled[s]，则用边界框的 s 对每个面部进行填充.
如果可用，将用 image 内容填充面部. 在边界处，使用 Padding 设置.
默认的情况下，脸部是基于强度排序的. 使用 SortedBy->f 指定不同的排序函数. 函数 f 可以访问使用模式 #prop 的可用属性.
Method 的可能设置包括：

	"Haar"	基于 Haar 特征的级联检测器
	"LocalBinaryPatterns"	基于 LBP 特征的级联检测器
	"SingleShotDetector"	基于 SSD 架构的神经网络检测器
	{method₁,method₂,…}	汇总所有 method_i 的结果

对于多通道图像，"Haar" 和 "LocalBinaryPatterns" 方法对灰度强度进行计算.
FindFaces 使用机器学习. 在不同版本的 Wolfram 语言中，其方法、训练集和偏差可能会更改并产生不同的结果.
FindFaces 可能会下载资源，这些资源将被保存在 $LocalBase 的本地对象存储库中，可以使用 LocalObjects[] 列出，用 ResourceRemove 可将其删除.

范例

打开所有单元关闭所有单元

基本范例 (2)

求图像中脸的坐标：

提取包括脸的子图像：

检测和突出显示图像中的人脸：

范围 (7)

属性 (4)

计算面部边界框：

提取对应于边界框的部分图像：

提取多个属性：

提取 FacialFeatures 中可用的属性：

标准 (3)

用可计算属性作为测试参数：

可利用一些测试结果快捷地完成整个测试：

找出所有尺寸的面孔：

指定最大的人脸尺寸：

指定最小的人脸尺寸：

用 Scaled 来指定与图像尺寸相关的人脸尺寸：

选项 (10)

AcceptanceThreshold (1)

默认情况下，将返回所有检测到的面部：

用 AcceptanceThresholdt 仅返回强度大于 t 的检测结果：

用 AcceptanceThreshold0 返回所有检测到的人脸：

MaxFeatures (1)

默认情况下，将返回所有检测到的面部：

用 MaxFeaturesn 仅返回 n 个最强的检测结果：

MaxOverlapFraction (1)

默认情况下，返回所有检测到的人脸，不管是否重叠：

只查找不重叠的脸：

允许 2% 的重叠：

Method (2)

FindFaces 自动选择检测的方法：

指定使用的方法：

组合使用多种方法所得的结果：

"LocalBinaryPatterns" 方法是一个级联分类器，用于处理梯度直方图 (HoG) 特征描述符. 这是一种非常快捷、轻便的多尺度方法：

"Haar" 方法是一个级联分类器，用于处理 Haar 特征描述符. 它比 "LocalBinaryPatterns" 更稳健，但是速度更慢：

"SingleShotDetector" 方法以单个神经网络运算为基础，在姿势、照明、遮挡和物体发生变化时的检测非常稳定. 与其他两种方法相比则速度更慢：

Padding (1)

可以将检测结果的边界框填充到超过图像的边界：

自定义填充规范：

PaddingSize (2)

默认情况下，在 FindFaces 返回的结果中每张脸的裁剪效果都非常紧凑：

指定要在每个面部周围添加的填充的大小：

指定负填充以裁去更多内容：

指定按比例进行填充：

比较使用不同的填充检测到的面部：

PerformanceGoal (1)

用 PerformanceGoal"Quality" 强调结果的质量：

用 PerformanceGoal"Speed" 强调计算速度：

SortedBy (1)

默认情况下，检测按 "Confidence" 排序：

指定不同的属性：

应用 (3)

找到并突出显示检测到的人脸：

找到并模糊所有检测到的人脸：

人脸的动态检测：

计算每个视频帧中的面部的数量：

绘制结果：

属性和关系 (2)

尽管在图像平面中旋转，仍可以检测到人脸：

尽管亮度改变，仍可以检测到人脸：

可能存在的问题 (3)

向上的人脸更容易检测：

其它人脸可能通过旋转图像检测到：

可能无法检测到转离相机的脸部：

可能无法检测到很小或分辨率较低的面孔：

对图像重新采样可能会改善检测效果：

顶部