Biblioteka rozpoznawania twarzy [zamknięta]

Update

OpenCV 2.4.2 jest teraz dostępny z bardzo Nowym CV::FaceRecognizer. Proszę zapoznać się z bardzo szczegółową dokumentacją pod adresem:

• http://docs.opencv.org/2.4/modules/contrib/doc/facerec/index.html

Original Post

Wydałem libfacerec , nowoczesną bibliotekę rozpoznawania twarzy dla OpenCV C++ API (licencja BSD). libfacerec nie ma żadnych dodatkowych zależności i implementuje metodę Eigenfaces, metodę Fisherfaces i Local Histogramy Wzorców Binarnych. Część biblioteki zostanie włączona do OpenCV 2.4.

Najnowsza wersja libfacerec jest dostępna pod adresem:

• https://github.com/bytefish/libfacerec

Biblioteka została napisana dla OpenCV 2.3.1 z myślą o nadchodzącym OpenCV 2.4, więc nie obsługuję wersji wcześniejszych niż 2.3.1. Ten projekt jest dostarczany jako projekt CMake z dobrze udokumentowanym API, istnieje również samouczek na temat klasyfikacji płci. Możesz zobacz dokumentację w wersji HTML pod adresem:

• http://www.bytefish.de/dev/libfacerec/

Jeśli chcesz zrozumieć, jak działają te algorytmy, możesz przeczytać mój przewodnik po rozpoznawaniu twarzy (zawiera przykłady Pythona i GNU Octave/MATLAB):

• http://www.bytefish.de/blog/face_recognition_with_opencv2

Jest też implementacja algorytmów Pythona i GNU Octave/MATLAB w moim GitHubie repozytorium . Oba projekty w facerec zawierają również kilka metod walidacji krzyżowej do oceny algorytmów:

• https://github.com/bytefish/facerec

Odpowiednie publikacje to:

• Turk, M., and Pentland, A. Eigenfaces for recognition.. Journal of Cognitive Neuroscience 3 (1991), 71-86.
Belhumeur, P. N., Hespanha, J., and Kriegman, D. Eigenfaces vs. Fisherfaces: Recognition using class specyficzna projekcja liniowa.. IEEE Transactions on Pattern Analysis and Machine Intelligence 19, 7( 1997), 711-720. Ahonen, T., Hadid, A., and Pietikainen, M. Rozpoznawanie twarzy z lokalnymi wzorcami binarnymi.. Computer Vision-ECCV 2004 (2004), 469-481.

Pam-face-authentication Moduł Pam do uwierzytelniania twarzy: ale wymagałoby to trochę pracy, aby uzyskać to, czego chcesz. Szybki test wykazał, że wskaźnik rozpoznawania nie jest tak dobry jak VeriLook z NeuroTechnology.

Malic to kolejne oprogramowanie open source do rozpoznawania twarzy, które wykorzystuje deskryptory fal Gabor. Ale ostatnia aktualizacja do źródła ma 3 lata.

Ze strony: "Malic to oprogramowanie do rozpoznawania twarzy opensource który wykorzystuje falę gabor. Jest to system rozpoznawania twarzy w czasie rzeczywistym, który opiera się na Malib i CSU Face Identification Evaluation System (csuFaceIdEval).Wykorzystuje bibliotekę Malib do przetwarzania obrazów w czasie rzeczywistym i niektóre z csuFaceIdEval do rozpoznawania twarzy."

Dalej to może być interesujące:

Gaborboosting : Program naukowy zastosowany do rozpoznawania twarzy za pomocą fal Gabora i algorytmu AdaBoost

Biblioteka Ekstrakcji Funkcji - FELib odnosi się do " twarz Adnotacja przez jądro przetwornika Fisher dyskryminujący,"

Myślę, że Eigenface , co już robisz, jest drogą do zrobienia, jeśli chcesz obliczyć odległość między twarzami. Możesz wypróbować różne podejścia, takie jak Support Vector Machine lub Hidden Markov Model . Znalazłem stronę, która zawiera listę głównych algorytmów, które mogą być używane do rozpoznawania twarzy: Strona główna Rozpoznawania Twarzy .

Ponadto, kiedy mówisz "lepsza wydajność", masz na myśli szybkość czy dokładność? Jaki masz problem? Jak różne są dane? Czy są to głównie powierzchnie czołowe, czy też profile?

Jeśli twój projekt jest w filmie lub telewizji, lub cokolwiek, co ma scenariusz, wygląda na to, że zdecydowanie chcesz spojrzeć na pracę Mark Everingham et al.. Oprogramowanie jest dostępne, podobnie jak wyniki Z odcinka Buffy .

Powinieneś spojrzeć na http://libccv.org/

Jest dość nowy, ale zapewnia bezpłatny open source wysoki poziom API do wykrywania twarzy.

(...i, śmiem twierdzić, jest cholernie niesamowite)

Edit: warto również zauważyć, że jest to jedna z niewielu bibliotek, które nie zależą od opencv, a tak na wszelki wypadek, oto Kopia kodu do wykrywania twarzy ze strony dokumentacji, aby dać ci wyobrażenie o tym, co się z tym wiąże: {]}

#include <ccv.h>
int main(int argc, char** argv)
{
    ccv_dense_matrix_t* image = 0;
    ccv_read(argv[1], &image, CCV_IO_GRAY | CCV_IO_ANY_FILE);
    ccv_bbf_classifier_cascade_t* cascade = ccv_load_bbf_classifier_cascade(argv[2]);         ccv_bbf_params_t params = { .interval = 8, .min_neighbors = 2, .accurate = 1, .flags = 0, .size = ccv_size(24, 24) };
    ccv_array_t* faces = ccv_bbf_detect_objects(image, &cascade, 1, params);
    int i;
    for (i = 0; i < faces->rnum; i++)
    {
        ccv_comp_t* face = (ccv_comp_t*)ccv_array_get(faces, i);
        printf("%d %d %d %d\n", face->rect.x, face->rect.y, face->rect.width, face->rect.y);
    }
    ccv_array_free(faces);
    ccv_bbf_classifier_cascade_free(cascade);
    ccv_matrix_free(image);
    return 0;
} 

Wiem, że minęło trochę czasu, ale dla wszystkich zainteresowanych jest projekt Faint , który zawiera wiele tych funkcji (Wykrywanie, rozpoznawanie itp.) do ładnego pakietu oprogramowania.

Używamy OpenCV . Ma tam również wiele rzeczy nie do rozpoznawania twarzy, ale zapewniam cię, że to robi rozpoznawanie twarzy.

Możesz spróbować otworzyć bibliotekę MVG, może ona być również używana dla wielu interfejsów.

Następnym krokiem będzie FisherFaces. Spróbuj i sprawdź, czy działają dla Ciebie. tutaj jest ładne porównanie.

Nie do końca to, czego szukasz, ale może Ci się przydać. wykrywanie twarzy/widzenie komputerowe algorytmy w MATLAB.