最近在做人像识别的工作，需要根据人像照片的清晰度、人脸正拍还是侧拍、正立还是倒立（以及顺逆时针旋转90度）进行分类。

问题相关代码

import cv2
import numpy as np

读取文件

image = 'E:\leidian\353.jpg'
#net = cv2.dnn.readNetFromCaffe('deploy.prototxt', 'res10_300x300_ssd_iter_140000_fp16.caffemodel') # Caffe模型
net = cv2.dnn.readNetFromTensorflow('E:\leidian\opencv_face_detector_uint8.pb', 'E:\leidian\opencv_face_detector.pbtxt') # TensorFlow模型
image = cv2.imread(image) # 读取图片
height, width, channel = image.shape # 高、宽、通道数

人脸检测

blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0)) # 调整大小并降低光照的影响
net.setInput(blob) # 设置输入
detections = net.forward() # 检测结果
faces = detections[0, 0] # 人脸结果
for face in faces:
confidence = face[2] # 置信度
if confidence > 0.5: # 置信度阈值设为0.5
box = face[3:7] * np.array([width, height, width, height]) # 人脸矩形框坐标
pt1 = int(box[0]), int(box[1]) # 左上角坐标
pt2 = int(box[2]), int(box[3]) # 右下角坐标
cv2.rectangle(image, pt1, pt2, (0, 255, 0), thickness=2) # 画出人脸矩形框

    text = '{:.2f}%'.format(confidence * 100)  # 置信度文本
    startX, startY = pt1
    y = startY - 10 if startY - 10 > 10 else startY + 10
    org = (startX, y)  # 文本的左下角坐标
    cv2.putText(image, text, org, cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), thickness=2)  # 画出置信度

显示和保存图片

cv2.imshow('result', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果及报错内容

我的解答思路和尝试过的方法

我想要达到的结果

识别人脸倒正。如果可以从更多维度对人像照片进行分类，欢迎大家提意见。

识别一下眼睛和嘴巴，比较y坐标值

这就得看你的detections结果都有什么属性了，如果只有人脸坐标，那就不好办了，如果还有人脸关键点信息的话，那可以选取几个关键点通过关键点的位置关系来判定人脸的方向

一个不太成熟的思路如下：
第一步：首先将进行人脸从识别图像或视频流中分割出来
第二步：提取人脸特征点
第三步：估算头部姿态
第四步：结合人脸特征点和头部姿态作出判断

cv2.dnn.blobFromImage 这个函数使用的时候输出的blob 值结果是cols -1，rows -1 是什么原因?