Golang implémente la détection des visages et l'extraction des traits du visage dans les images

Méthode de Golang pour implémenter la détection des visages et l'extraction des traits du visage dans les images

La détection des visages et l'extraction des traits du visage sont l'une des tâches importantes dans le domaine de la vision par ordinateur. En tant que langage de programmation efficace et fiable, Golang fournit une multitude de bibliothèques et d'algorithmes de traitement d'images capables de détecter les visages et d'extraire les caractéristiques du visage. Cet article expliquera comment utiliser Golang pour réaliser ces deux tâches, avec des exemples de code.

1. Détection de visage

La détection de visage fait référence au processus de localisation et d'identification précise des visages à partir d'images ou de vidéos. Golang fournit une puissante bibliothèque de traitement d'image opencv, qui peut être utilisée pour la détection de visage. Voici un exemple de code simple :

package main import ( "fmt" "gocv.io/x/gocv" ) func main() { // 加载预训练的人脸检测模型 classifier := gocv.NewCascadeClassifier() defer classifier.Close() if !classifier.Load("haarcascade_frontalface_default.xml") { fmt.Println("无法加载人脸检测模型") return } // 读取图像 img := gocv.IMRead("image.jpg", gocv.IMReadColor) defer img.Close() if img.Empty() { fmt.Println("无法加载图像") return } // 将图像转为灰度图像 gray := gocv.NewMat() defer gray.Close() gocv.CvtColor(img, &gray, gocv.ColorBGRToGray) // 在灰度图像上进行人脸检测 faces := classifier.DetectMultiScale(gray) fmt.Println("检测到的人脸数量：", len(faces)) // 在原图像上标记人脸 for _, face := range faces { gocv.Rectangle(&img, face, color.RGBA{255, 0, 0, 0}, 2) } // 展示图像 window := gocv.NewWindow("人脸检测") defer window.Close() window.IMShow(img) window.WaitKey(0) }

Dans le code ci-dessus, utilisez d'abord la fonctionNewCascadeClassifier()pour charger un modèle de détection de visage pré-entraîné, puis utilisezIMRead() La fonction code> lit l'image et utilise la fonction CvtColor()pour convertir l'image en une image en niveaux de gris. Appelez ensuite la fonctionDetectMultiScale()pour effectuer une détection de visage sur l'image en niveaux de gris et renvoyer un tableau contenant les informations de position du visage détectées. Enfin, utilisez la fonctionRectangle()pour marquer la position du visage détectée sur l'image d'origine, et utilisez la fonctionIMShow()pour afficher l'image.NewCascadeClassifier()函数加载一个预训练的人脸检测模型，然后使用IMRead()函数读取图像，使用CvtColor()函数将图像转为灰度图像。接着调用DetectMultiScale()函数对灰度图像进行人脸检测，返回一个包含检测到的人脸位置信息的数组。最后，使用Rectangle()函数在原图像上标记出检测到的人脸位置，并使用IMShow()函数展示图像。

package main import ( "fmt" "github.com/Kagami/go-face" "gocv.io/x/gocv" ) func main() { // 加载预训练的人脸特征提取模型 rec, err := face.NewRecognizer("models") if err != nil { fmt.Println("无法加载人脸特征提取模型：", err) return } defer rec.Close() // 读取图像 img := gocv.IMRead("image.jpg", gocv.IMReadGrayScale) defer img.Close() if img.Empty() { fmt.Println("无法加载图像") return } // 提取人脸特征 faces, err := rec.Recognize(img) if err != nil { fmt.Println("人脸特征提取失败：", err) return } fmt.Println("检测到的人脸数量：", len(faces)) // 在原图像上标记人脸 for _, face := range faces { gocv.Rectangle(&img, face.Rectangle, color.RGBA{255, 0, 0, 0}, 2) } // 展示图像 window := gocv.NewWindow("人脸特征提取") defer window.Close() window.IMShow(img) window.WaitKey(0) }