Bibliothèque de reconnaissance faciale [fermé]

Mettre à jour

OpenCV 2.4.2 vient maintenant avec le tout nouveau cv:: FaceRecognizer . Veuillez consulter la documentation très détaillée à:

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

Publication Originale

J'ai publié libfacerec , une bibliothèque moderne de reconnaissance faciale pour L'API OpenCV C++ (licence BSD). libfacerec n'a pas de dépendances supplémentaires et implémente la méthode Eigenfaces, la méthode Fisherfaces et Local Histogrammes De Motifs Binaires. Des parties de la bibliothèque vont être incluses dans OpenCV 2.4.

La dernière révision de libfacerec est disponible sur:

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

La bibliothèque a été écrite pour OpenCV 2.3.1 avec le prochain OpenCV 2.4 à l'esprit, donc je ne supporte pas les versions D'OpenCV antérieures à 2.3.1. Ce projet se présente comme un projet CMake avec une API bien documentée, il y a aussi un tutoriel sur la classification par sexe. Vous pouvez voir une version HTML de la documentation à:

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

Si vous voulez comprendre comment fonctionnent ces algorithmes, vous voudrez peut-être lire mon Guide sur la reconnaissance faciale (inclut des exemples Python et GNU Octave/MATLAB):

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

Il y a aussi une implémentation Python et GNU Octave/MATLAB des algorithmes dans mon github référentiel. Les deux projets de facerec incluent également plusieurs méthodes de validation croisée pour évaluer les algorithmes:

• https://github.com/bytefish/facerec

Les publications pertinentes sont:

• Turc, M., et Pentland, A. Eigenfaces pour la reconnaissance.. Journal of Cognitive Neuroscience 3 (1991), 71-86.
• Belhumeur, P. N., roy d'espagne, J., et Kriegman, D. Eigenfaces vs Fisherfaces: la Reconnaissance à l'aide de la classe projection linéaire spécifique.. IEEE Transactions on Pattern Analysis and Machine Intelligence 19, 7 (1997), 711-720.
• , Ahonen, T., Hadid, A., et Pietikainen, M. Reconnaissance de Visage avec Local Binary Patterns.. Vision par ordinateur-ECCV 2004 (2004), 469-481.

PAM-face-authentification un Module PAM pour L'authentification Face: mais il faudrait du travail pour obtenir ce que vous voulez. Un test rapide a montré, que les taux de reconnaissance ne sont pas aussi bons que ceux de VeriLook de NeuroTechnology.

Malic est un autre logiciel open source de reconnaissance faciale, qui utilise des descripteurs D'ondelettes Gabor. Mais la dernière mise à jour de la source a 3 ans.

Du site: "Malic est un logiciel de reconnaissance faciale opensource qui utilise Gabor wavelet. C'est un système de reconnaissance faciale En temps réel basé sur Malib et CSU Face Identification Evaluation System (csuFaceIdEval).Utilise la bibliothèque Malib pour le traitement d'image en temps réel et une partie de csuFaceIdEval pour la reconnaissance faciale."

En outre, cela pourrait être intéressant:

Gaborboosting: Un programme scientifique appliqué sur la reconnaissance faciale avec L'algorithme Gabor Wavelet et AdaBoost

Bibliothèque D'Extraction De Fonctionnalités - FELib fait référence à " annotation de visage par Transductive Kernel Fisher Discriminant,"

Je pense que Eigenface , que vous faites déjà, est le chemin à parcourir si vous voulez calculer la distance entre les visages. Vous pouvez essayer différentes approches comme Machine à Vecteurs de Support ou Modèle de Markov Caché. J'ai trouvé une page qui répertorie les principaux algorithmes qui pourraient être utilisés pour la reconnaissance faciale: page d'Accueil la Reconnaissance faciale.

Aussi, quand vous dites "meilleures performances", voulez-vous dire vitesse ou précision? Ce genre de problème rencontrez-vous? Comment divers sont les données? Sont-ils principalement face frontale ou comprennent-ils des profils?

Si votre projet est sur un film ou à la télévision, ou tout ce qui a un script, il semble que vous voulez vraiment regarder le travail de Mark Everingham et al.. Le logiciel est disponible, comme les résultats sur un épisode de Buffy.

, Vous devriez regarder http://libccv.org/

C'est assez nouveau, mais il fournit une API de haut niveau open source gratuite pour la détection des visages.

(...et, j'ose dire, est sacrément incroyable)

Edit: A noter aussi, que c'est l'une des rares libs qui ne dépend pas d'opencv, et juste pour les coups de pied, voici une copie du code pour la détection des visages de la page de documentation, pour vous donner une idée de ce qui est impliqué:

#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;
} 

Je sais que cela fait un moment, mais pour toute autre personne intéressée, il y a le projet Faint, qui a regroupé beaucoup de ces fonctionnalités (Détection, reconnaissance, etc.) dans un joli paquet de logiciel.

Nous utilisons OpenCV . Il y a aussi Beaucoup de choses non-reconnaissance faciale, mais, rassurez-vous, il fait de la reconnaissance faciale.

Vous pouvez essayer la bibliothèque open MVG, elle peut également être utilisée pour plusieurs interfaces.

L'étape suivante serait FisherFaces. Essayez - le et vérifiez s'ils travaillent pour vous. Ici est une belle comparaison.

Pas vraiment ce que vous cherchez, mais cela peut vous être utile. Détection de visage/vision par ordinateur algorithmes dans MATLAB.