И если быстрое сканирование миллионов фотографий станет технически. Тем более, что программы распознавания лиц уже вовсю. Face Detection система распознавания лиц по фото онлайн. Face Verification функция проверкисравнения лиц. Распознавание лиц на фото программа использует сжатый JPEG формат. Распознавание лиц онлайн выдает результат в режиме реального. Верификация человеческого лица является довольно простой задачей. Рейтинг программы 2. Для сравнения с мастерлицом можно использовать фото со встроенной камеры. Для распознавания лиц используется два алгоритма Быстрый и Лучший. Распознаем лица на фото с помощью Python и Open. CV Хабрахабр. В этой статье я хотел бы остановиться на алгоритмах распознавания лиц, а заодно познакомить вас с очень интересной и полезной библиотекой Open. CV. Уверен, что этот материал окажется полезным для новичков в этой области. IMG_2327.jpg' alt='Программа Для Сравнения Лиц На Фото Онлайн' title='Программа Для Сравнения Лиц На Фото Онлайн' />Что нам понадобится. Установка всего необходимого не составит труда. Для начала давайте разберемся, как распознать лицо на фотографии. UserFiles/image/materials/2009/May/face_recogn/faceit.jpg' alt='Программа Для Сравнения Лиц На Фото Онлайн' title='Программа Для Сравнения Лиц На Фото Онлайн' />Во первых, нужно найти, где на фото расположено лицо человека и не спутать его с часами на стене и кактусом на подоконнике. Казалось бы, простая задача для человека, оказывается не такой простой для компьютера. Для того, чтобы найти лицо мы должны выделить его основные компоненты, такие как нос, лоб, глаза, губы и т. Для этого будем использовать шаблоны они же примитивы Хаара на подобие таких Если шаблоны соответствуют конкретным областям на изображении, будем считать, что на изображении есть человеческое лицо. На самом деле подобных шаблонов гораздо больше. Для каждого из них считается разность между яркостью белой и черной областей. Это значение сравнивается с эталоном и принимается решение о том, есть ли здесь часть человеческого лица или нет. Этот метод называется методом Виолы Джонса так же известен как каскады Хаара. Давайте представим, что у нас на фотографии не одно большое лицо, а много мелких. Если применить шаблоны ко всей картинке мы не найдем там лиц, т. Для того чтобы искать на всем фото лица разных размеров используется метод скользящего окна. Именно внутри этого окна и высчитываются примитивы. Окно как бы скользит по всему изображению. После каждого прохождения изображения окно увеличивается, чтобы найти лица большего масштаба. Наглядно демонстрацию алгоритма можно посмотреть на этом видео И так мы нашли лицо на фотографии, но как определить, что это лицо именно того кого мы ищемДля решения этой задачи будем использовать алгоритм Local Binary Patterns. Суть его заключается в том, что мы разбиваем изображение на части и в каждой такой части каждый пиксель сравнивается с соседними 8 пикселями. Если значение центрального пикселя больше соседнего, то пишем 0, в противном случае 1. И так для каждого пикселя у нас получается некоторое число. Далее на основе этих чисел для всех частей, на которые мы разбивали фотографию, считается гистограмма. Все гистограммы со всех частей объединяются в один вектор характеризующий изображение в целом. Если мы хотим узнать насколько похожи два лица, нам придется вычислить для каждого из них такой вектор и сравнить их. Рисунки ниже помогут лучше понять суть алгоритма Ну хорошо, давайте, наконец напишем немного кода. За основу я взял код из этой статьи. Импортируем необходимые модули. Фильтр Сапфир Br 56 Инструкция. PIL import Image. Для детектирования лиц используем каскады Хаара. Path. Этот файл можно взять из директории с Open. CV opencvbuildetchaarcascades. На последнем остановимся поподробнее, точнее, на его параметрах. Первые два значения 1 и 8 характеризуют окрестности пикселя. Наглядно, что это такое можно продемонстрировать этой картинкой То есть первое число это радиус в котором мы выбираем пиксели, а второй число этих пикселей. Чем больше пикселей в окрестности точки мы возьмем, тем точнее будет наше распознавание. Следующие параметры 8,8 характеризуют размеры областей на которые мы разбиваем исходное изображение с лицом. Чем оно меньше, тем больше будет таких областей и тем качественнее распознавание. И наконец, последнее значение это параметр confidence threshold, определяющий пороговое значение для распознавания лица. Чем меньше confidence тем больше алгоритм уверен в том, что на фотографии изображено известное ему лицо. Порог означает, что когда уверенности мало алгоритм просто считает это лицо незнакомым. В данном случае порог равен 1. Идем дальше. Напишем функцию, которая находит по определенному пути во всех фотографиях лица людей и сохраняет их. В ней есть 1. 5 человек с разными выражениями лиц на каждой фотографии. Имя каждого файла в этой БД выглядит следующим образом subject. Сначала идет слово subject, далее порядковый номер человека, а после характеристика фото. Например, характеристика sad означает грустное лицо, happy веселое и т. Функция get. Фотографии с веселым выражением лица будем использовать на следующем шаге для распознавания, это будет контрольная выборка, т. Каждой фотографии в итоге будет сопоставлен этот номер. Функция face. Cascade. Multi. Scale определяет области на фотографии, где есть человеческие лица. Она возвращает список с параметрами. Эти параметры описывают прямоугольную область в том месте, где нашлось лицо. Теперь давайте разберемся с параметрами функции image исходное изображениеscale. Factor определяет то, на сколько будет увеличиваться скользящее окно поиска на каждой итерации. Чем больше это значение, тем быстрее работает алгоритм. Neighbors Чем больше это значение, тем более параноидальным будет поиск и тем чаще он будет пропускать реальные лица, считая, что это ложное срабатывание. Оптимальное значение 3 6. Size минимальный размер лица на фото. Ну что же, теперь мы можем создать набор лиц и соответствующих им меток. Давайте научим программу распознавать эти лица. А дальше запускаем нашу функцию тренировки с помощью алгоритма LBP. Ничего сверхъестественного в ней нет, просто передаем ей значения, полученные после запуска функции get. Все остальное программа сделает сама. И так у нас есть обученный распознаватель и есть набор счастливых лиц. Теперь нам необходимо попросить алгоритм распознать эти счастливые лица. Все параметры и процедуры такие же, как и на предыдущем этапе. Далее сравниваем значение, которое нам вернула функция с реальным номером субъекта, если они равны, распознавание прошло успешно.