当前位置：首页 > news >正文

公司网站制作抖音搜索排名优化

news 2025/7/6 0:53:46

公司网站制作,抖音搜索排名优化,网站怎么做架构,java与php哪个做网站好话接上一篇，我们仍使用在上篇《QtOpencv：Qt中部署opencv》创建的Qt项目来测试opencv提供的sample。在正式开始本篇之前，我们先说做一下准备工作： 一、opencv官方文档学习最权威和最可靠的方式，就是阅读官方文档和…

话接上一篇，我们仍使用在上篇《Qt+Opencv：Qt中部署opencv》创建的Qt项目来测试opencv提供的sample。

在正式开始本篇之前，我们先说做一下准备工作：

一、opencv官方文档

学习最权威和最可靠的方式，就是阅读官方文档和实践模块samples。同样，opencv的文档个人觉得做的还是可以的，当然，相对于我们熟悉Qt开发的朋友来说，这帮助文档还是“略微逊色”。
上篇，我们选定opencv 3.4.16 版本进行工程实践，所以我们对应去看该版本的文档即可。
doc地址：https://docs.opencv.org/3.4.16/
在这里插入图片描述

有朋友会问3.0和4.0的版本有什么大的变化么，答案是我目前也不知道，后面在逐渐精进深入的过程中，版本特性比较，必然也是我们要做的工作之一。所谓知己知彼，百战不殆。手握神剑，当然要尽可能把圣剑之威力发挥的淋漓尽致。不过话说回来，opencv太大面太广，深入研究某一模块到极致就可惊为天人了，不必泛泛求全。但是，保持对知识的贪婪和饥渴，总能促使人不断的学习和进步。话说，作者写这篇的时候已经忘记吃饭。

二、下载源码和samples

地址：https://github.com/opencv/opencv/tree/3.4

在这里插入图片描述
data中有我们本章人脸检测的数据模型，需要拷贝到我们Qt自己的项目目录下。譬如作者自己的：

三、项目实践

#include <QApplication>
#include <opencv.hpp>
#include <QDebug>
#include <opencv2/imgproc.hpp>  // Gaussian Blur
#include <opencv2/core.hpp>     // Basic OpenCV structures (cv::Mat, Scalar)
#include <opencv2/videoio.hpp>
#include <opencv2/highgui.hpp>  // OpenCV window I/O
#include <opencv2/features2d.hpp>
#include <opencv2/objdetect.hpp>
#include <stdio.h>using namespace std;
using namespace cv;const string WindowName = "Face Detection example";class CascadeDetectorAdapter: public DetectionBasedTracker::IDetector
{public:CascadeDetectorAdapter(cv::Ptr<cv::CascadeClassifier> detector):IDetector(),Detector(detector){CV_Assert(detector);}void detect(const cv::Mat &Image, std::vector<cv::Rect> &objects) CV_OVERRIDE{Detector->detectMultiScale(Image, objects, scaleFactor, minNeighbours, 0, minObjSize, maxObjSize);}virtual ~CascadeDetectorAdapter() CV_OVERRIDE{}private:CascadeDetectorAdapter();cv::Ptr<cv::CascadeClassifier> Detector;};int main(int , char** )
{namedWindow(WindowName);VideoCapture VideoStream(0);if (!VideoStream.isOpened()){printf("Error: Cannot open video stream from camera\n");return 1;}/// 这里模型文件的路径一定要写对，按照各位的项目配置实际填写/// 可以使用绝对路径，也可以使用相对路径std::string cascadeFrontalfilename = samples::findFile("data/lbpcascades/lbpcascade_frontalface.xml");cv::Ptr<cv::CascadeClassifier> cascade = makePtr<cv::CascadeClassifier>(cascadeFrontalfilename);cv::Ptr<DetectionBasedTracker::IDetector> MainDetector = makePtr<CascadeDetectorAdapter>(cascade);if ( cascade->empty() ){printf("Error: Cannot load %s\n", cascadeFrontalfilename.c_str());return 2;}cascade = makePtr<cv::CascadeClassifier>(cascadeFrontalfilename);cv::Ptr<DetectionBasedTracker::IDetector> TrackingDetector = makePtr<CascadeDetectorAdapter>(cascade);if ( cascade->empty() ){printf("Error: Cannot load %s\n", cascadeFrontalfilename.c_str());return 2;}DetectionBasedTracker::Parameters params;DetectionBasedTracker Detector(MainDetector, TrackingDetector, params);if (!Detector.run()){printf("Error: Detector initialization failed\n");return 2;}Mat ReferenceFrame;Mat GrayFrame;vector<Rect> Faces;do{VideoStream >> ReferenceFrame;   /// 获取每一帧图像cvtColor(ReferenceFrame, GrayFrame, COLOR_BGR2GRAY);Detector.process(GrayFrame);Detector.getObjects(Faces);  for (size_t i = 0; i < Faces.size(); i++){rectangle(ReferenceFrame, Faces[i], Scalar(0,255,0));  /// 人脸检测并绘制矩形}imshow(WindowName, ReferenceFrame);} while (waitKey(30) < 0);  /// 等待按键触发，退出检测loopDetector.stop();return 0;
}