Люди распознают лица автоматически каждый день и практически без усилий.
Хотя для нас это звучит очень простой задачей, она оказалась сложной задачей для компьютера, так как у нее есть много переменных, которые могут ухудшить точность методов, например: изменение освещенности, низкое разрешение, окклюзия, среди прочего .
- Распознавание лиц: его цель - найти лица (расположение и размер) на изображении и, возможно, извлечь их для использования алгоритмом распознавания лиц.
- Распознавание лиц: когда изображения лиц уже извлечены, обрезаны, изменен размер и обычно преобразованы в оттенки серого, алгоритм распознавания лиц отвечает за поиск характеристик, которые лучше всего описывают изображение.
Гистограмма локального двоичного шаблона
Локальный двоичный шаблон (LBP) - это простой, но очень эффективный оператор текстуры, который маркирует пиксели изображения, устанавливая пороговое значение окрестности каждого пикселя, и рассматривает результат как двоичное число.
Используя LBP в сочетании с гистограммами, мы можем представить изображения лиц с помощью простого вектора данных.
- Параметры: LBPH использует 4 параметра:
- Радиус: радиус используется для построения кругового локального двоичного шаблона и представляет собой радиус вокруг центрального пикселя. Обычно устанавливается равным 1.
- Соседи: количество точек выборки для построения кругового локального двоичного шаблона. Помните: чем больше точек выборки вы включаете, тем выше вычислительные затраты. Обычно устанавливается на 8.
- Сетка X: количество ячеек по горизонтали. Чем больше ячеек, тем мельче сетка, тем выше размерность результирующего вектора признаков. Обычно устанавливается на 8.
- Сетка Y: количество ячеек по вертикали. Чем больше ячеек, тем мельче сетка, тем выше размерность результирующего вектора признаков. Обычно устанавливается на 8.
2. Обучение алгоритма. Во-первых, нам нужно обучить алгоритм. Для этого нам нужно использовать набор данных с изображениями лиц людей, которых мы хотим узнать. Нам также необходимо установить идентификатор (это может быть номер или имя человека) для каждого изображения, поэтому алгоритм будет использовать эту информацию для распознавания входного изображения и выдачи вам выходных данных. Изображения одного и того же человека должны иметь одинаковые идентификаторы. Имея уже построенный обучающий набор, давайте посмотрим на этапы вычисления LBPH.
3. Применение операции LBP: первый вычислительный шаг LBPH - создать промежуточное изображение, которое лучше описывает исходное изображение, выделяя черты лица. Для этого в алгоритме используется концепция скользящего окна, основанная на параметрах радиус и соседи.
4. Извлечение гистограмм: теперь, используя изображение, сгенерированное на последнем шаге, мы можем использовать параметры Сетка X и Сетка Y, чтобы разделить изображение на несколько сеток. , как видно на следующем изображении:
5. Выполнение распознавания лиц: на этом этапе алгоритм уже обучен. Каждая созданная гистограмма используется для представления каждого изображения из набора обучающих данных. Итак, учитывая входное изображение, мы снова выполняем шаги для этого нового изображения и создаем гистограмму, которая представляет изображение.
- Проверка или аутентификация изображения лица: он в основном сравнивает входное изображение лица с изображением лица пользователя, которому требуется аутентификация. Это в основном сравнение 1x1.
- Идентификация или распознавание лиц: он в основном сравнивает входное изображение лица со всеми изображениями лиц из набора данных с целью найти пользователя, который соответствует этому лицу. Это в основном сравнение 1xN.
LBPH - один из самых простых алгоритмов распознавания лиц. Он может отображать локальные особенности изображений и дает возможность получить отличные результаты (в основном в контролируемой среде). Он также устойчив к монотонным преобразованиям шкалы серого.
что такое Каскад Хаара?
Это алгоритм обнаружения объектов, используемый для идентификации лиц на изображении или видео в реальном времени. Алгоритм использует функции обнаружения краев или линий, предложенные Виолой и Джонсом в их исследовательской статье «Быстрое обнаружение объектов с использованием усиленного каскада простых функций», опубликованной в 2001 году. Алгоритм дает много положительных изображений, состоящих из лиц, и много негативные изображения, не состоящие из какого-либо лица, на котором можно тренироваться.
- Мы используем Haar Cascade для определения лица и с помощью функции face_extractor обрезаем изображения.
- С помощью компьютерного зрения мы собираем изображения и обрабатываем их в соответствии с нашими требованиями.
- Обучаем модель, предоставляя собранные изображения с помощью алгоритма LBPH.
pywahtkit:
pywhatkit - это библиотека Python для отправки сообщений WhatsApp в определенное время, она также имеет несколько других функций. Ниже приведены некоторые функции модуля pywhatkit, отправки сообщений WhatsApp, воспроизведения видео на YouTube, выполнения поиска в Google, получения информации по определенной теме.
smtplib:
Python предоставляет модуль smtplib, который определяет объект сеанса клиента SMTP, который можно использовать для отправки почты на любой компьютер в Интернете с помощью демона прослушивателя SMTP или ESMTP.
Если показатель достоверности больше 80, на указанный контакт будет отправлено сообщение WhatsApp и электронное письмо, если не будет запущен экземпляр AWS EC2.
Экземпляр EC2 - это виртуальный сервер в Amazon Elastic Compute Cloud (EC2) для запуска приложений в инфраструктуре Amazon Web Services (AWS). Amazon предоставляет различные типы экземпляров с различными конфигурациями ЦП, памяти, хранилища и сетевых ресурсов в соответствии с потребностями пользователей. Мы можем использовать интерфейс командной строки AWS (AWS CLI) для запуска, составления списка и завершения инстансов Amazon Elastic Compute Cloud (Amazon EC2).
Спасибо!!