项目要点
1. 人脸识别项目: 需要导入相关的分类器, 然后使用API与目标图进行对照, 返回四个值(X,Y, W, H).
- Haar级联器: facer = cv2.CascadeClassifier('./haarcascade_frontalface_alt2.xml')
- 检测人脸: faces = facer.detectMultiScale(gray, scaleFactor = 1.2, minNeighbors = 4)
- CascadeClassifier() # 加载分类器
- facer.detectMultiScale(gray, 1.1, 3) # 分类对照
2.车牌检测: 方法类似, 使用分类器, 最后用tesseract进行识别, 为了保证识别效果, 中间用开操作去噪提升识别效果.
- CascadeClassifier() # 加载分类器
- car.detectMultiScale(gray) # 分类对照
- cv2.morphologyEx() # 开操作
- pytesseract.image_to_string(roi, lang='chi_sim+eng', config='--psm 8 --oem 3') # 识别

文章介绍了使用OpenCV进行人脸识别和车牌检测的步骤,包括导入Haar级联分类器进行特征检测,以及使用pytesseract进行文字识别。在人脸识别中,提到了Adaboost算法和级联分类器的概念。对于车牌识别,文章详细阐述了从检测到形态学处理再到文字识别的过程。
最低0.47元/天 解锁文章
4215





