galvanom May 18 2016 at 11:10

Распознаем лица на фото с помощью Python и OpenCV

6 min

161K

Python*Algorithms*Image processing*

+32

Comments 10

myxo May 18 2016 at 12:07

Стоит заметить, что на практике ручным выделение фичей никто не занимается, эта задача отдается каким-то статистическим методам или нейронкам.

darkAlert May 18 2016 at 12:13

Я бы посоветовал выравнивать лицо после его детекции. Это также можно сделать в opencv штатными средствами — алгоритмом Виолы-Джонса обученным на детекцию глаз/рта/носа (xml идут в комплекте с opencv). Сделать можно так:
1) Определяем глаза и рот (можно нос) на ранее детектированном лице.
2) Ищем среднюю точку m_eyes между двух глаз.
3) Ищем среднюю точку m_face между m_eyes и ртом.
4) Определяем по двум глазам угол поворота лица и вращаем лицо вокруг точки m_face с этим углом.
5) Теперь мы можем вырезать лицо по заданным параметрами: точку m_eyes принимаем за центр вырезки, а расстояние L=dist(m_face,m_eyes) за единицу масштаба.

siemdi May 18 2016 at 13:59

Очень интересное описание алгоритмов. Просто и понятно.
Спасибо)

mikkab May 18 2016 at 18:11

Все Ok, но зачем PIL если есть cv2.imread()? Стоит отметить что Local Binary Patterns будет работать как минимум с данными того же ракурса, если немного повернули объект, то скорее всего уже ничего не получится.

AlexeyAB May 24 2016 at 17:41

Да, сырой LBP будет работать только без сильного изменения освещения и при том же повороте лица (влево-вправо / вверх-вниз). Единственное, как писали выше, легко исправить наклоны головы вбок (или камеры).
Т.е. сырой LBP подойдет только для фронтальных изображений:

:

В реальных проектах LBP может использоваться только со сложными примочками high-dim LBP, HPEN + HD-LBP + JB или MRF-MLBP — и уже сможет распознавать практически любые изображения лиц:

Но лучшими остаются алгоритмы Spartans с гибкими 3D моделям, TSML with feature fusion, MDML-DCPs или конечно же ColorReco — глубокая сверточная нейронная сеть.
http://vis-www.cs.umass.edu/lfw/results.html