Comments 10
Большое спасибо, отлично все разобрано и объяснено!
>>Ежегодно FERET публикует отчет о сравнительном испытании современных систем распознавания лиц [55] на базе лиц более одного миллиона.
последний датируется 2006 годом.
может кто-нибудь подскажет с каким сервисом или библиотекой можно сейчас добиться нормального face recognition?
последний датируется 2006 годом.
может кто-нибудь подскажет с каким сервисом или библиотекой можно сейчас добиться нормального face recognition?
простой вариант наверное opencv
OpenCV — отличный вариант. Для определения фактического положения морды на изображении используется хаар каскад. Затем вы можете узнавать людей с помощью eigenfaces или fisherfaces (но их нужно предварительно натренировать). Можно добиться высокой точности, все зависит от тренировочной базы данных. Есть еще такие интересные вещи как: SHORE — фреймворк, который умеет определять биометрические данные, по человеческому лицу (правда, денег стоит).
Можно использовать облачные сервисы для распознавания, например, http://skybiometry.com/
Я поигрался с ним. Он довольно точно определяет пол, очки и другие параметры. Распознавание персон я не пробовал, но в любом случае интересное бесплатное решение. (Бесплатное до 5000 распознаваний в месяц)
Я поигрался с ним. Он довольно точно определяет пол, очки и другие параметры. Распознавание персон я не пробовал, но в любом случае интересное бесплатное решение. (Бесплатное до 5000 распознаваний в месяц)
Что-то не нашел в статье информации о начальном этапе, т.е. мне не до конца понятно следующее. Есть база эталонных изображений, с которыми происходит сравнение с помощью тех или иных алгоритмов. Эталонные изображения имеют свою калибровку, т.е. компьютеру сказали, например, расстояние между глаз (например, в миллиметрах). Когда на вход системы поступает изображение, то информация о калибровке отсутсвует же, поэтому непонятно, как происходит подгонка в этом случае?
Sign up to leave a comment.
Анализ существующих подходов к распознаванию лиц