OPenCV人脸时时检测分析

这是一个有关cvLoad应用的列子,通过修改cvLoad的参数不仅可以用于时时检测人脸,眼睛等,像OpenCV3.1版本中HaarFaceDetect列子,下一步要探究一下如何更准确的分析人脸,

#include <stdio.h>

#include "cv.h"
#include "cxcore.h"
#include "highgui.h"

int main( int argc, char** argv )
{
  //声明IplImage指针
//  IplImage* pFrame = NULL;
  IplImage* m_IplImage = NULL;

  CvSeq* faces=NULL;
  CvHaarClassifierCascade* cascade=NULL;
  CvMemStorage* storage =NULL;

  CvPoint pt1;
  CvPoint pt2;
  CvRect* r=NULL;
  CvCapture* pCapture = NULL;
 
  int nFrmNum = 0;
  int i;

  cvNamedWindow("faces",1);
  cvMoveWindow("faces", 120, 0);


  if( argc > 2 )
    {
      fprintf(stderr, "Usage: bkgrd [video_file_name]/n");
      return -1;
    }

  if (argc ==1)
    if( !(pCapture = cvCaptureFromCAM(-1)))
      {
 fprintf(stderr, "Can not open camera./n");
 return -2;
      }
  if(argc == 2)
    if( !(pCapture = cvCaptureFromFile(argv[1])))
      {
 fprintf(stderr, "Can not open video file %s/n", argv[1]);
 return -2;
      }
 
  while(m_IplImage = cvQueryFrame( pCapture ))
    {
      nFrmNum++;
      if(nFrmNum == 1)
   {

   storage = cvCreateMemStorage(0);
      cascade = (CvHaarClassifierCascade*)cvLoad("E://Program Files//OpenCV//data//haarcascades//LEye.xml",storage,NULL,NULL);
   }
      else
   {   
     faces = cvHaarDetectObjects(m_IplImage,cascade,storage,1.2,2,CV_HAAR_DO_CANNY_PRUNING,cvSize(0,0));
     for(i=0;i<(faces?faces->total:0);i++)
  {
    r = (CvRect*)cvGetSeqElem(faces,i);
    pt1.x=r->x;
    pt1.y=r->y;
    pt2.x=r->x + r->width;
    pt2.y=r->y + r->height;
    cvRectangle(m_IplImage,pt1,pt2,CV_RGB(255,0,0),3,8,0);
  }
  
     cvShowImage("faces",m_IplImage);

     if( cvWaitKey(2) >= 0 )
       break;
   }
    }

  cvDestroyWindow("faces");


  cvReleaseImage(&m_IplImage);
   
  cvReleaseHaarClassifierCascade(&cascade);
  cvReleaseMemStorage(&storage);

  return 0;

内容概要:本文深入探讨了多种高级格兰杰因果检验方法,包括非线性格兰杰因果检验、分位数格兰杰因果检验、混频格兰杰因果检验以及频域因果检验。每种方法都有其独特之处,适用于不同类型的时间序列数据。非线性格兰杰因果检验分为非参数方法、双变量和多元检验,能够在不假设数据分布的情况下处理复杂的关系。分位数格兰杰因果检验则关注不同分位数下的因果关系,尤其适合经济数据的研究。混频格兰杰因果检验解决了不同频率数据之间的因果关系分析问题,而频域因果检验则专注于不同频率成分下的因果关系。文中还提供了具体的Python和R代码示例,帮助读者理解和应用这些方法。 适合人群:从事时间序列分析、经济学、金融学等领域研究的专业人士,尤其是对非线性因果关系感兴趣的学者和技术人员。 使用场景及目标:①研究复杂非线性时间序列数据中的因果关系;②分析不同分位数下的经济变量因果关系;③处理不同频率数据的因果关系;④识别特定频率成分下的因果关系。通过这些方法,研究人员可以获得更全面、细致的因果关系洞察。 阅读建议:由于涉及较多数学公式和编程代码,建议读者具备一定的统计学和编程基础,特别是对时间序列分析有一定了解。同时,建议结合具体案例进行实践操作,以便更好地掌握这些方法的实际应用。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值