Найти лицо: Sorry, this page can’t be found.

Содержание

Поиск по лицу на фото в Интернете

Современные интернет-технологии позволяют сделать многое. И теперь найти человека не является такой уж и большой проблемой. Это возможно. Более того, это можно сделать легко, быстро, бесплатно и для такого поиска есть большое количество инструментов.

В данной статье мы рассмотрим, как осуществляется поиск человека по его лицу на имеющейся у вас фото в Интернете. Описанные ниже методы позволят вам найти все упоминания о той или иной личности, которые присутствуют в общем доступе на каких-либо сайтах или в социальных сетях.

Что нужно, чтобы найти человека по фото в Интернете?

Для того, чтобы найти человека по лицу, вам нужен интернет, компьютер или смартфон, а также его фото.

К снимку есть определённые требования:

  • Чем более качественным будет фото, тем больше вероятность успешного и точного поиска.
  • На фотографии должно будь только одно лицо. Поэтому если там присутствуют другие люди или предметы, то его лучшее обрезать до такого размера, чтобы было видно только лицо того человека, искать которого вы будете.
  • Картинки в полный рост не подходят. Необходимы портретные изображения, желательно в анфас.

Для успешного поиска, необходимо, чтобы у искомого человека был открытый профиль в какой-либо социальной сети, либо, чтобы его фото были  опубликованы где-то на других сайтах.

В некоторых случаях поиск может не дать результатов. Это чаще всего происходит по причине того, что человек на снимке, по которому вы ищите, не присутствует в соцсетях, либо имеет закрытые профили, либо не публикует там или где-то ещё свои фото.

Это может быть полезным: На какое животное я похожа по фото.

Поиск по лицу в социальных сетях ВК и ОК

Сервис Search5faces позволяет бесплатно искать людей по фото лица в социальных сетях ВКонтакте и Одноклассники. На сегодняшний день это один самых мощных инструментов поиска по лицу.

Сервис работает по двум режимам.

  1. Первый — это поиск по аватарке профиля во ВК и ОК. По заявлению разработчиков, в базе имеется 100% фото аккаунтов ВК и 97% аккаунтов ОК. Данный режим имеет 50% успешных поисков.
  2. Второй режим работы — поиск по фото профиля во ВК (то есть, не аватарки, а те фото, которые загружены в профиль). Обработано 50% аккаунтов, а доля успешного поиска составляет 60%. Со временем цифры могут меняться, данные представлены на момент создания этого обзора.

Давайте попробуем произвести поиск нужного вам человека по его лицу на фотографии с помощью интернет-сервиса Search5faces:

  1. Перейдите на Search5faces по этой ссылке https://search5faces.com. Вы увидите приветственную страницу. В самом низу есть два режима, которые были описанные выше — «Аватарки ВКонтакте и Одноклассников» и «Фотографии профиля ВКонтакте«. Для начала попробуем первый — нажмите на этом режиме кнопку «Перейти«.
  2. Здесь вы увидите форму поиска с фильтрами. Первым делом загрузите фото лица человека, которого хотите найти. Для этого нажмите кнопку «Загрузить«.
  3. Откроется загрузка с четырьмя источниками фото:
    Источники:Пояснение:
    «Загрузить файл«Загружает изображение из вашего компьютера.
    «Фотокамера«Включает камеру на компьютере через которую можно сделать фото.
    «Импорт из URL«Позволяет добавить картинку по ссылке из любого сайта.
    «Instagram«Позволяет загрузить фотографию лица по ссылке на пост в Iinstagram.
  4. Выберите вариант, который подходит вам и добавьте фото. Затем нажмите кнопку «Загрузить«.
  5. Фото загрузится в форму поиска. Теперь с помощью фильтра вы можете настроить и другие параметры поиска: пол, страна, город, возраст, а также количество результатов. Данный фильтр поможет сузить результаты поиска и быстрее найти нужного человека. Затем нажмите кнопку «Найти«.
  6. В результате поиска вы получите ссылки на все аккаунты в ОК и ВК, в аватарках которых используется загруженное вами фото или похожее на неё.

Если режим «Аватарки ВКонтакте и Одноклассников» не дал вам желаемого результата, то можете попробовать поиск по тому же фото лица в режиме «Фотографии профиля ВКонтакте«. С большой вероятность, там поиск будете удачным.

Photo Sherlock — кроссплатформенный определитель личности по фото

Photo Sherlock объединяет в себе мощь поисковиков Яндекс и Google. Вторым достоинством сервиса является его кроссплатформенность — есть версии для Android, iOs, а также веб-версия.

Этот инструмент ищет загруженные в него изображения в поисках по картинкам в Яндекс и Google. Таким образом, в результате поиска вы получите все сайты, на которых встречается человек на фото, которое вы загрузили. Там могут оказаться как открытые страницы на социальные сети, так и просто другие сайты, где опубликовано это или похожее фотоснимки.

Ниже мы рассмотрим как работает приложение Photo Sherlock на смартфоне. Но, если хотите, вы можете также попробовать и его веб-версию в браузере, она по этой ссылке https://facesherlock.com.

Как пользоваться интернет-сервисом, чтобы найти человека по его лицу на фотографии:

  1. Скачайте Photo Sherlock на своё устройство с Android или iOs. После установки запустите, его и вы сразу же увидите камеру. С помощью центральной кнопки снизу можно сделать фото лица человека, а левая кнопка открывает галерею и позволяет загрузить фото из смартфона. Выберите удобный вам вариант и загрузите фото в приложение.
  2. После этого внизу появится небольшое меню, которое позволяет переснять, начать поиск или обрезать добавленное фото. Как вы помните, для успешного поиска на изображении должно быть видно только лицо одного человека. Поэтому если загруженный портрет не удовлетворяет этому требованию, то его сейчас можно обрезать. А если оно подходит, то можно начать поиск, нажав на «Найти по фото«.
  3. В результатах поиска вы получите привычную выдачу из поисковиков Google или Яндекс (переключаться между ними можно с помощью вкладок внизу). И в выдаче будут присутствовать все сайты с загруженным вами фото, или с фото с похожим человеком.

Можно искать по фото лица в Интернете с таким же результатом, но без этого приложения. Для этого следует напрямую задействовать поиски по картинкам в Яндекс и Google. Google находится здесь, а Яндекс здесь. Начинать следует в обоих случаях с нажатия на кнопку в виде фотоаппарата.

Это вам может быть интересно: Аналоги FindFace.

Быстрый поиск по лицу в Одноклассниках

Если человек, которого вы ищите, присутствует в социальной сети Одноклассники, то вы можете найти его по снимку лица с помощью мобильного приложения.

Не так давно именно в мобильном клиенте этой социальной сети появилась возможность искать людей по фотографии из Интернета:

  1. Установите на свой смартфон ОК. Это можно сделать для Android и iOs. После установки откройте приложение. Если у вас ещё нет аккаунта в этой социальной сети, то вам придётся зарегистрироваться. А если есть, то нужно авторизоваться в своём профиле. Только после этого можно продолжать.
  2. Когда вы попадёте в свой профиль, вверху слева нажмите на три линии, чтобы открыть меню.
  3. Затем нажмите на раздел «Друзья«.
  4. Вы окажетесь в списке ваших друзей. Здесь нажмите на кнопку «Найти по фото«.
  5. Откроется камера. Теперь вам нужно навести камеру на лицо того человека, которого вы хотите найти, а потом нажать внизу на кнопку, для того, чтобы сделать фотографию.
  6. Алгоритм приложения обработает загруженное вами фото, и если такой человек найдётся, то от вашего аккаунта ему будет отправлен запрос в друзья.

Итак, выше были рассмотрены самые действенные способы поиска человека. При их использовании будьте внимательны — машины могут ошибаться. И если вы нашли нужного вам персонажа, убедитесь, что это действительно он, прежде чем налаживать с ним контакт. Кроме вероятной ошибки этих инструментов, не забывайте ещё и об огромном количестве фейковый аккаунтов в соцсетях.

Видео-инструкция

Данное видео поможет осуществить поиск любого человека по его лицу на фотографии через Интернет.

Как найти Лица и Люди в приложении Фотографии для iPhone или iPad |

Приложение «Фотографии» собирает ваши изображения в различные автоматические альбомы, в том числе в «Люди», что позволяет людям на фотографии просматривать своих друзей, семью и даже одного или двух селфи.

Apple использует машинное обучение, чтобы не только распознавать людей на ваших изображениях, но и идентифицировать одного человека на нескольких фотографиях. Как и алгоритм Facebook, он не идеален, но его достаточно легко исправить. Вот как вы можете просматривать общие лица, присваивать им имена, удалять лица, которые были опознаны неправильно, и скрывать лица, которые вы не хотите видеть.

  • Почему я хочу использовать альбом People?
  • Как просматривать Люди и Лица в приложении Фотографии
  • Как назвать или переименовать людей в приложении «Фотографии»
  • Как удалить людей или лица, которые были ошибочно определены в приложении «Фотографии»
  • Как добавить любимых людей или лица в приложение «Фотографии»
  • Как объединить несколько коллекций людей и лиц в одного человека в приложении «Фотографии»

Почему я хочу использовать альбом People?

Apple автоматически идентифицирует людей на ваших изображениях и собирает их в альбом People. Все это выполняется локально на вашем iPhone и не синхронизируется с другими вашими устройствами, за исключением имени этого человека (хотя это может произойти в будущих версиях iOS, если Apple сможет гарантировать конфиденциальность пользователей).

Отсюда ваше дело, что вы хотите делать с этой информацией. Вы можете игнорировать альбом People, если хотите, но если вы войдете и пометите имена, вы сможете использовать интеллектуальную панель поиска в Фото для поиска изображений с несколькими отмеченными людьми. Я использую это все время, чтобы найти изображения меня и моего жениха или изображения его и его собаки. (Да, вы можете объединить поиск людей с тегами Apple в категории «компьютерное зрение».)

Как просматривать Люди и Лица в приложении Фотографии

  1. Открыть Фото приложение.
  2. Нажмите Альбомы Вкладка.
  3. Нажмите люди альбом.
  4. Нажмите на человек или лицо просмотреть их коллекцию.

Коллекции отдельных людей предлагают видеослайд-шоу, краткую сводку фотографий и полную коллекцию всех фотографий с участием этого человека.

Вы можете просмотреть видео, нажав Играть кнопка. Отсюда вы можете отрегулировать длину (короткую, среднюю или длинную) или музыку в этой области, но вам нужно будет экспортировать видео в Memories, если вы хотите внести какие-либо дополнительные изменения.

Как назвать или переименовать людей в приложении «Фотографии»

  1. Выберите человек или лицо из альбома Люди.
  2. Нажмите + Добавить имя вариант (или имя человека, если он уже был идентифицирован).
  3. Введите их имя. По мере ввода предложения автозаполнения будут появляться из ваших контактов; Вы можете выбрать один из этих вариантов или ввести имя вручную.
  4. Нажмите Готово.

Как удалить людей или лица, которые были ошибочно определены в приложении «Фотографии»

  1. Выберите человек или лицо из альбома Люди.
  2. Нажмите Выбрать Кнопка в левом верхнем углу.
  3. Нажмите Показать все если вы не уверены, какие изображения вы хотите исправить.
  4. Нажмите показать лица чтобы увеличить изображение человека, указанного на миниатюрах фотографии.
  5. Выберите миниатюра (или несколько миниатюр) выбрать их.

  6. Нажмите доля кнопка.
  7. Выберите Не этот человек кнопка из левого нижнего угла.

Если у вас есть устройство с поддержкой 3D Touch, вы также можете заглядывать на любую фотографию и слайд вверх чтобы получить Не этот человек кнопка.

Как добавить любимых людей или лица в приложение «Фотографии»

  1. Открыть люди альбом из Альбомы Вкладка.
  2. Нажмите значок сердца на человека, которого вы хотели бы любить.

к Удалить из избранного человек, выполните те же шаги.

Примечание. Если вы хотите видеть только своих любимых людей или лица, вы можете нажать Показывать только избранное ссылку под миниатюрами избранного, чтобы скрыть всех некатегоризованных или не избранных пользователей.

Как объединить несколько коллекций людей и лиц в одного человека в приложении «Фотографии»

  1. Открыть люди альбом из Альбомы Вкладка.
  2. Нажмите Выбрать.
  3. Выберите коллекции людей или лиц, которых вы хотите объединить (две или более).
  4. Нажмите сливаться, тогда сливаться очередной раз.

Активизируйте свою игру для iPhone!

Футляр для моментальной фотографии

(40 долларов на Amazon)

Чехол Moment — один из немногих чехлов для iPhone, который превращает ваш телефон в более традиционную камеру. Чехол имеет традиционную кнопку спуска затвора, встроенный интерфейс объектива и переносное крепление для ремешка, которое обеспечивает безопасность вашего телефона в процессе работы.

Polaroid Zip

($ 91 от Amazon)

Если вы любите получать удовольствие от печати наклеек на своих любимых фотографиях с iPhone, Polaroid Zip позволит вам распечатать любую фотографию с вашего iPhone без проводов!

У вас есть вопросы?

Дайте нам знать в комментариях внизу!

Обновлено июля 2019 года: Обновлено для iOS 13.

IOS


Оцените статью!

Мне нравитсяНе нравится

Распознаем лица на фото с помощью Python и OpenCV / Хабр

В этой статье я хотел бы остановиться на алгоритмах распознавания лиц, а заодно познакомить вас с очень интересной и полезной библиотекой OpenCV. Уверен, что этот материал окажется полезным для новичков в этой области.

Что нам понадобится:
• Установленный Python 2.7 с библиотеками NumPy и PIL
• OpenCV 2-й версии

Здесь ссылка на материал по установке всех необходимых компонентов. Установка всего необходимого не составит труда.

Для начала давайте разберемся, как распознать лицо на фотографии. Во-первых, нужно найти, где на фото расположено лицо человека и не спутать его с часами на стене и кактусом на подоконнике. Казалось бы, простая задача для человека, оказывается не такой простой для компьютера. Для того, чтобы найти лицо мы должны выделить его основные компоненты, такие как нос, лоб, глаза, губы и т.д. Для этого будем использовать шаблоны (они же примитивы Хаара) на подобие таких:

Если шаблоны соответствуют конкретным областям на изображении, будем считать, что на изображении есть человеческое лицо. На самом деле подобных шаблонов гораздо больше. Для каждого из них считается разность между яркостью белой и черной областей. Это значение сравнивается с эталоном и принимается решение о том, есть ли здесь часть человеческого лица или нет.

Этот метод называется методом Виолы-Джонса (так же известен как каскады Хаара). Давайте представим, что у нас на фотографии не одно большое лицо, а много мелких. Если применить шаблоны ко всей картинке мы не найдем там лиц, т.к. они будут меньше шаблонов. Для того чтобы искать на всем фото лица разных размеров используется метод скользящего окна. Именно внутри этого окна и высчитываются примитивы. Окно как бы скользит по всему изображению. После каждого прохождения изображения окно увеличивается, чтобы найти лица большего масштаба.

Наглядно демонстрацию алгоритма можно посмотреть на этом видео:

И так мы нашли лицо на фотографии, но как определить, что это лицо именно того кого мы ищем? Для решения этой задачи будем использовать алгоритм Local Binary Patterns. Суть его заключается в том, что мы разбиваем изображение на части и в каждой такой части каждый пиксель сравнивается с соседними 8 пикселями. Если значение центрального пикселя больше соседнего, то пишем 0, в противном случае 1. И так для каждого пикселя у нас получается некоторое число. Далее на основе этих чисел для всех частей, на которые мы разбивали фотографию, считается гистограмма. Все гистограммы со всех частей объединяются в один вектор характеризующий изображение в целом. Если мы хотим узнать насколько похожи два лица, нам придется вычислить для каждого из них такой вектор и сравнить их. Рисунки ниже помогут лучше понять суть алгоритма:


Ну хорошо, давайте, наконец напишем немного кода. За основу я взял код из этой статьи.

# Импортируем необходимые модули
import cv2, os
import numpy as np
from PIL import Image

# Для детектирования лиц используем каскады Хаара
cascadePath = "haarcascade_frontalface_default.xml"
faceCascade = cv2.CascadeClassifier(cascadePath)

# Для распознавания используем локальные бинарные шаблоны
recognizer = cv2.createLBPHFaceRecognizer(1,8,8,8,123)

Параметр cascadePath содержит имя файла с уже готовыми значениями для распознавания лиц. Этот файл можно взять из директории с OpenCV (opencv\build\etc\haarcascades\).

Далее создаем объект CascadeClassifier и объект распознавания лиц LBPHFaceRecognizer. На последнем остановимся поподробнее, точнее, на его параметрах. Первые два значения 1 и 8 характеризуют окрестности пикселя. Наглядно, что это такое можно продемонстрировать этой картинкой:


То есть первое число это радиус в котором мы выбираем пиксели, а второй число этих пикселей. Чем больше пикселей в окрестности точки мы возьмем, тем точнее будет наше распознавание.
Следующие параметры (8,8) характеризуют размеры областей на которые мы разбиваем исходное изображение с лицом. Чем оно меньше, тем больше будет таких областей и тем качественнее распознавание.

И наконец, последнее значение это параметр confidence threshold, определяющий пороговое значение для распознавания лица. Чем меньше confidence тем больше алгоритм уверен в том, что на фотографии изображено известное ему лицо. Порог означает, что когда уверенности мало алгоритм просто считает это лицо незнакомым. В данном случае порог равен 123.

Идем дальше. Напишем функцию, которая находит по определенному пути во всех фотографиях лица людей и сохраняет их.


def get_images(path):
    # Ищем все фотографии и записываем их в image_paths
    image_paths = [os.path.join(path, f) for f in os.listdir(path) if not f.endswith('.happy')]
    
    images = []
    labels = []

    for image_path in image_paths:
        # Переводим изображение в черно-белый формат и приводим его к формату массива
        gray = Image.open(image_path).convert('L')
        image = np.array(gray, 'uint8')
        # Из каждого имени файла извлекаем номер человека, изображенного на фото
        subject_number = int(os.path.split(image_path)[1].split(".")[0].replace("subject", ""))
        
        # Определяем области где есть лица
        faces = faceCascade.detectMultiScale(image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
        # Если лицо нашлось добавляем его в список images, а соответствующий ему номер в список labels
        for (x, y, w, h) in faces:
            images.append(image[y: y + h, x: x + w])
            labels.append(subject_number)
            # В окне показываем изображение
            cv2.imshow("", image[y: y + h, x: x + w])
            cv2.waitKey(50)
    return images, labels

Для примера я использовал БД лиц под названием

Yale Faces

. В ней есть 15 человек с разными выражениями лиц на каждой фотографии.


Имя каждого файла в этой БД выглядит следующим образом: subject01.sad. Сначала идет слово subject, далее порядковый номер человека, а после характеристика фото. Например, характеристика sad означает грустное лицо, happy веселое и т.п.

Функция get_images считывает каждую фотографию, кроме тех, что с окончанием .happy и выделяет ту область, где находится лицо. Фотографии с веселым выражением лица будем использовать на следующем шаге для распознавания, это будет контрольная выборка, т.е. те фото на которых мы будем проверять качество распознавания.
Так же из каждого названия файла извлекается номер человека на фотографии и сохраняется список labels. Каждой фотографии в итоге будет сопоставлен этот номер.
Функция faceCascade.detectMultiScale() определяет области на фотографии, где есть человеческие
лица. Она возвращает список с параметрами [x,y,w,h] для каждого найденного лица. Эти
параметры описывают прямоугольную область в том месте, где нашлось лицо.

Теперь давайте разберемся с параметрами функции:

image – исходное изображение
scaleFactor – определяет то, на сколько будет увеличиваться скользящее окно поиска на каждой итерации. 1.1 означает на 10%, 1.05 на 5% и т.д. Чем больше это значение, тем быстрее работает алгоритм.
minNeighbors — Чем больше это значение, тем более параноидальным будет поиск и тем чаще он будет пропускать реальные лица, считая, что это ложное срабатывание. Оптимальное значение 3-6.
minSize – минимальный размер лица на фото. 30 на 30 обычно вполне достаточно.

Ну что же, теперь мы можем создать набор лиц и соответствующих им меток. Давайте научим программу распознавать эти лица.


# Путь к фотографиям
path = './yalefaces'
# Получаем лица и соответствующие им номера
images, labels = get_images(path)
cv2.destroyAllWindows()

# Обучаем программу распознавать лица
recognizer.train(images, np.array(labels))

Указываем путь к нашим фото, получаем список с фотографиями и метками. А дальше запускаем нашу функцию тренировки с помощью алгоритма LBP. Ничего сверхъестественного в ней нет, просто передаем ей значения, полученные после запуска функции get_images(). Все остальное программа сделает сама.

И так у нас есть обученный «распознаватель» и есть набор счастливых лиц. Теперь нам необходимо попросить алгоритм распознать эти счастливые лица.


# Создаем список фотографий для распознавания
image_paths = [os.path.join(path, f) for f in os.listdir(path) if f.endswith('.happy')]

for image_path in image_paths:
    # Ищем лица на фотографиях
    gray = Image.open(image_path).convert('L')
    image = np.array(gray, 'uint8')
    faces = faceCascade.detectMultiScale(image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    
    for (x, y, w, h) in faces:
        # Если лица найдены, пытаемся распознать их
        # Функция  recognizer.predict в случае успешного распознавания возвращает номер и параметр confidence,
        # этот параметр указывает на уверенность алгоритма, что это именно тот человек, чем он меньше, тем больше уверенность
        number_predicted, conf = recognizer.predict(image[y: y + h, x: x + w])

        # Извлекаем настоящий номер человека на фото и сравниваем с тем, что выдал алгоритм
        number_actual = int(os.path.split(image_path)[1].split(".")[0].replace("subject", ""))
        
        if number_actual == number_predicted:
            print "{} is Correctly Recognized with confidence {}".format(number_actual, conf)
        else:
            print "{} is Incorrect Recognized as {}".format(number_actual, number_predicted)
        cv2.imshow("Recognizing Face", image[y: y + h, x: x + w])
        cv2.waitKey(1000)

В цикле опять определяем расположение лица на каждом фото с окончанием .happy. Все параметры и процедуры такие же, как и на предыдущем этапе.

Для каждого найденного лица запускаем функцию recognizer.predict(), возвращающую номер-идентификатор субъекта, который предположительно находится на фото, а так же параметр confidence. Далее сравниваем значение, которое нам вернула функция с реальным номером субъекта, если они равны, распознавание прошло успешно.

Ну, вот и все, дальше в консоль выводятся результаты распознавания для каждой фотографии из контрольной выборки.


Исходный код программы можно найти здесь.

Запущен сервис для поиска профиля в соцсетях по лицу человека — Российская газета

Интернет-пользователи очень любят выкладывать в социальные сети свои фотографии, обсуждать фото друзей и искать на снимках знакомых. После появления сервиса FindFace делать это стало значительно проще. С его помощью уже удалось найти несколько человек, которых безуспешно искала телепередача «Жди меня».

Мы решили разобраться, как работает сервис поиска по фотографии и как его можно использовать. Первое, что приходит в голову, — это сервис для развлечений. Встретил в метро симпатичную девушку, но подойти постеснялся. Можно сделать фото, а с помощью сервиса попробовать поискать ее в соцсети и написать сообщение.

Но на самом деле вариантов применения нового приложения может быть гораздо больше. Например, он может быть интересен мошенникам и злоумышленникам. «Они могут сфотографировать человека, например, рядом с его машиной, найти аккаунт в социальной сети, а дальше можно спрогнозировать множество вариантов от возможных угроз до требования выкупа за скрученный номер, — рассказал «РГ» начальник отдела подготовки биометрических решений компании «Техносерв» Иван Тихонов. — Просто и технологично, даже не надо записки под стекло подсовывать. Радует одно. Качество работы подобных систем поиска на небольших базах данных приемлемо, но с повышением поисковой выборки результат значительно ухудшается вместе с вероятностью правильного распознавания».

Действительно, поиск не всегда работает верно. По моей фотографии FindFace нашел мой аккаунт в социальной сети, при этом предложив еще около 80 похожих на меня людей. А вот с фотографией моего коллеги оказалось сложнее — я получила пять аккаунтов людей очень похожих и еще около сотни просто похожих людей. Из этого можно заключить, что, не зная имени человека, найти нужный аккаунт будет сложновато.

Для распознавания лиц в программе используется специальный алгоритм. «Анализируется определенное сочетание точек на лице, эти сочетания увязываются между собой по математической модели, и таким образом строится шаблон лица, — объяснил Иван Тихонов. — Это классическая биометрическая задача — найти в базе данных построенный шаблон лица искомого человека. Но в отличие от тех же отпечатков пальцев лицо, как биометрическая характеристика, нестабильно. Это и естественное старение, и условия фотографирования, и мимика. Все это разнообразие факторов особо остро чувствуется в социальных сетях и приводит к ухудшению качества поиска». Именно поэтому для систем идентификации по изображению лица принят сценарий вывода в качестве результатов поиска не конкретного человека, а рекомендательного списка, объяснил эксперт. Ведь искомая персона может оказаться менее похожа, по мнению системы, чем десять фотографий других людей, которые на своих фотографиях изобразили такую же милую улыбку.

С точки зрения бизнеса сервисы поиска по фото позволят точнее определять целевую аудиторию интернет-рекламы на основе больших данных. «Допустим, человек зашел в магазин бытовой техники, где его лицо зафиксировала камера видеонаблюдения, а программа определила профиль в социальной сети, — представил руководитель направления коммуникационного маркетинга и SMM Kokoс Group Кирилл Крутов. — Используя полученные данные, рекламодатель сможет показывать посетителю магазина объявления о скидках или новых товарах как в «ВКонтакте», так и на других рекламных площадках. По такому же принципу возможен таргетинг рекламы по интересам или местоположению пользователей».

Приложение вряд ли подойдет для профессионального поиска по фотографии, к примеру, для модельных агентств или рекрутеров. Несмотря на то что сервис подбирает похожих людей по 80 признакам, но в них не входит, к примеру, цвет волос. Таким образом, в поиске блондинки с голубыми глазами он вряд ли поможет. А вот силовым ведомствам сервис может быть полезен для поиска преступников. «Сегодня уже есть накопленные базы фотографий преступников и подозреваемых, активно развивается сеть камер наблюдения, которые дают возможность получить фотографии с места преступления, — отметил Иван Тихонов. — Кроме того, фактически биометрический поиск по изображению лица позволяет искать не только по фотографии, но и по фотороботу».

На рынке подобных сервисов немного. Широко известный биометрический сервис поиска по изображению лица, пожалуй, только один — это MS OxfordProject. У него сходная задача — распознавание образов, которая реализована в большом глобальном поисковике Google. У Facebook также есть алгоритм работы с фотографиями: при добавлении изображений с людьми из списка друзей соцсеть их определяет и предлагает отметить.

Что думают пользователи

Проведенный среди пользователей социальной сети «ВКонтакте» опрос показал, что 75 процентов пользователей согласны, что технологии распознавания лиц должны применяться для поиска пропавших людей, а также в целях борьбы с терроризмом, расследования и предотвращения преступлений. По данным «Центра исследования массового электронного сознания» (ЦИМЭС), более 25 процентов респондентов положительно относятся к подобным сервисам.

Результаты опроса также показали, что наибольшую поддержку технология поиска по лицам получила у подрастающего поколения. Так, среди подростков до 18 лет к ее введению положительно отнеслись 30 процентов опрошенных. Отрицательное отношение к подобным сервисам чаще всего встречалось среди респондентов в возрасте от 35 до 44 лет.

поиск в архиве по имени, лицу и фото — Felenasoft

← Назад к статьям

Распознавание лиц: поиск в архиве по имени, лицу и фото

1. Поиск по имени (пункт меню «Поиск по лицам»)
1.1. Поиск известных людей
1.2. Поиск неизвестных людей
2. Поиск по подгружаемой фотографии (пункт меню «Поиск человека по фото»)

Благодаря модулю Xeoma Распознавание лиц можно не только обнаруживать, но и распознавать лица людей — и эта функция полезна не только в режиме реального времени, но и для архивных записей. Многие системы видеонаблюдения должны быть оснащены инструментами расследования инцидентов пост-фактум, и зачастую это касается именно поиска и «перехвата» определённых людей. Как прогрессивная программа для видеонаблюдения, Xeoma обладает и такой функцией.

С помощью Xeoma вы можете производить поиск людей по записям, сделанным с участием модуля «Распознавание лиц»: просмотреть все эпизоды появления в кадре известных людей (например, сотрудников вашей организации) или неизвестных (например, посторонних или просто неавторизованных), а также осуществлять так называемый «перехват» по фотографии, то есть поиск человека по всем камерам и записям с них, используя лишь его фотографию (например, для розыска преступников или пропавших людей).

 

1. Поиск по имени (пункт меню «Поиск по лицам»)

Этот вариант доступен для записей, сделанных модулем «Распознавание лиц» с использованием любого метода распознавания — статистического анализа изображения или Искусственного Интеллекта.

1.1. Поиск известных людей
Шаг 1. Убедитесь, что в цепочку данной камеры подключён модуль Распознавание лиц, обучите его распознаванию определённого круга лиц (членов семьи, сотрудников, авторизованного персонала, постоянных клиентов). Убедитесь, что точность детекции и распознавания лиц вам подходит. Подробная информация о Распознавателе лиц и инструкция по настройке

Шаг 2. Откройте встроенный проигрыватель записей Xeoma. Для версий Xeoma 19.4.22 или старее нужная нам опция будет в Главном меню окна просмотра архива, в подменю «Поиск по лицам»:
(а для новых версий Xeoma эта опция будет доступна в Главном меню окна просмотра архива — подменю Поиск по архиву — Поиск по лицам)

Шаг 3. Из выпадающего списка выберите имя человека, записи с участием которого вы хотите просмотреть. Этот список формируется из всех имён, на распознавание которых были обучены все модули «Распознавание лиц» на данном сервере. Если вместо имени при обучении были использованы, например, идентификационные номера, именно в таком виде они и будут показаны в данном списке.
Вы можете выбрать имя из списка или напечатать его вручную — в случае ручного ввода одновременно можно производить поиск эпизодов для нескольких людей или лиц, разделив имена запятой.

В примеру, найдём все эпизоды с участием сотрудника Anne:

Шаг 4. Через несколько секунд после ввода имени (время зависит от мощности сервера и количества записей) вы увидите обычный интерфейс просмотра записей в немного ином виде: на временной шкале помимо обычных голубых полос будут также зелёные полосы — именно они содержат эпизоды с участием искомого человека или людей.
Рядом с кнопкой «Календарь» появится новая кнопка, которая позволит переключаться между режимами воспроизведения всех записей и проигрывания только участков, удовлетворяющих условиям поиска.

Вокруг лица искомого человека будет рамка с его именем, а в верхнем левом углу будет полупрозрачное фото, сохранённое для этого человека во время обучения.

 

1.2. Поиск неизвестных лиц
Вернёмся к Шагу 3. Помимо «известных» лиц (то есть тех, на распознавание которых были обучены все модули «Распознавание лиц» на этом сервере), в списке также будет вариант «другие». Это — лица, которые были обнаружены, но не распознаны (это возможно только, если как минимум в одном из Распознавателей лиц был выбран вариант сработки на все (любые) лица):

Выбрав этот вариант, вы можете просмотреть все эпизоды с участием нераспознанных или неавторизованных проникантов:

 
Дополнительно: Поиск по архивам всех камер
Поиск по лицам (именам) и поиск нераспознанных лиц можно проводить по записям всех активных камер. Вернитесь к Шагу 3, и в диалоге выбора имени для поиска отметьте галочкой ячейку «Поиск по всем камерам»:

Вы увидите список камер, в записях которых обнаружены лица для выбранной вами опции. Выберите камеру из списка, и для нее откроется воспроизведение архива, как описано в Шаге 4. Посмотрев все удовлетворяющие поиску записи этой камеры, вы можете так же переключиться на просмотр событий с другой камеры.

 

2. Продвинутый поиск по фотографии

Для записей, которые были сделаны с использованием опции «Искусственный Интеллект» в модуле «Распознавание лиц», доступен также более продвинутый поиск — поиск по загружаемой фотографии.
Принцип действия простой: для «перехвата» человека, загрузите его фотографию, и система выведет все эпизоды с лицами, похожими на искомое.

Шаг 1. Убедитесь, что в цепочку камеры добавлен модуль «Распознавание лиц», и он функционирует с методом распознавания «Искусственный Интеллект».

Зайдите в окно просмотра архива. В Главном меню окна просмотра архива выберите опцию «Поиск человека по фото» (для версий Xeoma 19.4.22 или старше) или подменю «Поиск по архиву» -> «Поиск человека по фото» (для версий Xeoma новее, чем 19.4.22).

Шаг 2. В открывшемся диалоге введите путь к фотографии человека, которого нужно найти. Путь можно ввести вручную, скопировать из буфера обмена или выбрать фото на диске, использовав кнопку «Обзор».

С помощью выбора устраивающей вас минимальной точности распознавания вы можете сузить (при высоком значении точности) или расширить (при низких показателях точности) набор эпизодов, в которых было замечено похожее лицо.
Обратите внимание: будут показаны эпизоды, в которых было замечено лицо, похожее на лицо с фотографии с точностью от выбранной и выше.

Шаг 3. Через несколько секунд после загрузки фотографии (время зависит от мощности сервера и количества записей) вы увидите обычный интерфейс просмотра записей в немного ином виде: на временной шкале помимо обычных голубых полос будут также зелёные полосы — именно они содержат эпизоды с участием лиц, похожих на лицо с фотографии.
Рядом с кнопкой «Календарь» появится новая кнопка, которая позволит переключаться между режимами воспроизведения всех записей и проигрывания только участков, удовлетворяющих условиям поиска.

Если у вас нет лицензии на поиск людей по фотографии, соответствующий пункт меню будет серым:

Нажмите «Продолжить», чтобы попробовать эту функцию. Даже без лицензии вы можете попробовать поиск по фотографии в пробном режиме, где вам будет показан всегда только один, самый последний обнаруженный эпизод с лицом, похожим на лицо с фотографии:

В новых версиях программы для видеонаблюдения Xeoma поиск по фото будет можно проводить по записям всех камер сервера сразу. Для этого вернитесь к Шагу 2, где вы указываете путь к фотографии, и отметьте галочкой ячейку «Поиск по всем камерам»:

Вы увидите список камер, в записях которых обнаружены похожие на загруженную фотографию лица. Выберите камеру из списка, и для нее откроется воспроизведение архива, как описано в Шаге 4. Посмотрев все удовлетворяющие поиску записи этой камеры, вы можете так же переключиться на просмотр событий с другой камеры.

В зависимости от поставленной задачи, бюджета и особенностей системы, вы можете воспользоваться поиском по лицу/имени или поиском по фотографии, чтобы найти и быстро просмотреть записи с участием искомых людей.

19 июля 2019

Читайте также:
Детекция и Распознавание лиц в Xeoma
Покупка Дополнительных модулей
Записи и архивы в программе для видеонаблюдения Xeoma

Смотрите видео про Поиск лиц по фото в архиве Xeoma

Face — Find Similar — REST API (Azure Cognitive Services — Face)

FaceId, заданный лицевой стороной запроса, для поиска похожих сторон из faceId массива, списка лиц или большого списка лиц. массив faceId содержит лица, созданные лицом-определением с помощью URL-адреса или распознавания лиц с помощью Stream, срок действия которого истекает в момент, заданный параметром фацеидтиметоливе после создания. Создание «Фацелистид» с помощью фацелист-Create , содержащего персистедфацеидс, срок действия которого не истечет. И «Ларжефацелистид» создается LargeFaceList-Create , содержащим персистедфацеидс, срок действия которого также не истечет. В зависимости от входных данных список возвращенных похожих лиц содержит Фацеидс или Персистедфацеидс с ранжированием по сходству.
Поиск похож на два рабочих режима: «Матчперсон» и «Матчфаце». «Матчперсон» — это режим по умолчанию, который пытается найти лиц того же человека с помощью внутренних пороговых значений «тот же человек». Полезно найти другие фотографии известного человека. Обратите внимание, что пустой список будет возвращен, если ни один из сторон не пройдет внутренние пороговые значения. режим «Матчфаце» игнорирует пороговые значения для одного и того же пользователя и возвращает более точно похожие лица, даже если подобие мало. Его можно использовать в таких случаях, как поиск знаменитостиных лиц.
«Рекогнитионмодел», связанный с faceId стороны запроса, должен совпадать с «Рекогнитионмодел», используемым целевым массивом faceId, списком лиц или большим списком лиц.

В этой статье

POST {Endpoint}/face/v1.0/findsimilars

Параметры URI

NameInRequiredTypeDescription

Endpoint

path True

Поддерживаемые конечные точки Cognitive Services (протокол и имя узла, например:) https://westus.api.cognitive.microsoft.com) .

Заголовок запроса

NameRequiredTypeDescription
Ocp-Apim-Subscription-Key True

Текст запроса

NameRequiredTypeDescription
faceId True

FaceId для лица запроса. Чтобы получить допустимый faceId, пользователю необходимо сначала вызвать метод распознавания лиц. Обратите внимание, что этот faceId не сохраняется и истечет в момент времени, заданный параметром Фацеидтиметоливе после вызова метода обнаружения.

faceIds

Массив потенциальных Фацеидс. Все они создаются с помощью обнаружения лиц, и срок действия Фацеидс истекает в момент, заданный параметром Фацеидтиметоливе после вызова обнаружения. Число Фацеидс ограничено 1000. Параметр Фацелистид, Ларжефацелистид и Фацеидс не следует указывать одновременно.

faceListId

Существующий указанный пользователем уникальный список лиц-кандидатов, созданный в списке лиц — создание списка лиц. Список лиц содержит набор Персистедфацеидс, которые сохраняются и никогда не истечет. Параметр Фацелистид, Ларжефацелистид и Фацеидс не следует указывать одновременно.

largeFaceListId

Существующий указанный пользователем уникальный список потенциальных лиц, созданный в LargeFaceList-Create. Список больших лиц содержит набор Персистедфацеидс, которые сохраняются и никогда не истечет. Параметр Фацелистид, Ларжефацелистид и Фацеидс не следует указывать одновременно.

maxNumOfCandidatesReturned

Число возвращенных ведущих похожих лиц. Допустимый диапазон: [1, 1000].

mode

Режим поиска похожих лиц. Это может быть «Матчперсон» или «Матчфаце».

Ответы

NameTypeDescription
200 OK

Успешный вызов возвращает массив наиболее похожих лиц, представленных в faceId, если входной параметр имеет значение Фацеидс или Персистедфацеид, если входной параметр — Фацелистид.

Other Status Codes

Ошибочный ответ.

Безопасность

Ocp-Apim-Subscription-Key

Type: apiKey
In: header

Примеры

Find similar results example

Sample Request
POST {Endpoint}/face/v1.0/findsimilars
Ocp-Apim-Subscription-Key: {API key}
{
  "faceId": "c5c24a82-6845-4031-9d5d-978df9175426",
  "largeFaceListId": "sample_list",
  "maxNumOfCandidatesReturned": 1,
  "mode": "matchPerson"
}
Sample Response
[
  {
    "persistedFaceId": "015839fb-fbd9-4f79-ace9-7675fc2f1dd9",
    "confidence": 0.82
  }
]

Определения

APIError

Сведения об ошибке, возвращенные API

Error

Текст ошибки.

FindSimilarMatchMode

Режим поиска похожих лиц. Это может быть «Матчперсон» или «Матчфаце».

FindSimilarRequest

Текст запроса для поиска аналогичной операции.

SimilarFace

Текст ответа для операции поиска похожих лиц.

APIError

Сведения об ошибке, возвращенные API

NameTypeDescription
error

Текст ошибки.

Error

Текст ошибки.

NameTypeDescription
code
message

FindSimilarMatchMode

Режим поиска похожих лиц. Это может быть «Матчперсон» или «Матчфаце».

NameTypeDescription
matchFace
matchPerson

FindSimilarRequest

Текст запроса для поиска аналогичной операции.

NameTypeDescription
faceId

FaceId для лица запроса. Чтобы получить допустимый faceId, пользователю необходимо сначала вызвать метод распознавания лиц. Обратите внимание, что этот faceId не сохраняется и истечет в момент времени, заданный параметром Фацеидтиметоливе после вызова метода обнаружения.

faceIds

Массив потенциальных Фацеидс. Все они создаются с помощью обнаружения лиц, и срок действия Фацеидс истекает в момент, заданный параметром Фацеидтиметоливе после вызова обнаружения. Число Фацеидс ограничено 1000. Параметр Фацелистид, Ларжефацелистид и Фацеидс не следует указывать одновременно.

faceListId

Существующий указанный пользователем уникальный список лиц-кандидатов, созданный в списке лиц — создание списка лиц. Список лиц содержит набор Персистедфацеидс, которые сохраняются и никогда не истечет. Параметр Фацелистид, Ларжефацелистид и Фацеидс не следует указывать одновременно.

largeFaceListId

Существующий указанный пользователем уникальный список потенциальных лиц, созданный в LargeFaceList-Create. Список больших лиц содержит набор Персистедфацеидс, которые сохраняются и никогда не истечет. Параметр Фацелистид, Ларжефацелистид и Фацеидс не следует указывать одновременно.

maxNumOfCandidatesReturned

Число возвращенных ведущих похожих лиц. Допустимый диапазон: [1, 1000].

mode

Режим поиска похожих лиц. Это может быть «Матчперсон» или «Матчфаце».

SimilarFace

Текст ответа для операции поиска похожих лиц.

NameTypeDescription
confidence

Достоверность сходства лица-кандидата. Чем выше уверенность, тем более похоже. Диапазон от [0 до 1].

faceId

FaceId лица-кандидата при поиске по Фацеидс. faceId создается пользователем, а срок его действия истекает в указанное в Фацеидтиметоливе время после вызова обнаружения.

persistedFaceId

Персистедфацеид лица-кандидата при поиске по Фацелистид. Персистедфацеид в списке лиц сохраняется, и срок их действия истечет не будет. Как показано в следующем ответе

Не удалось найти лицо и FaceRecognition классов



Я работаю над проектом распознавания лиц java с использованием OpenCV 3.4.0. Для этого используется метод createFisherFaceRecognizer(0,1500), но OpenCV не содержит этого класса и метода. Кто-нибудь знает о OpenCV? Пожалуйста, дайте мне знать, как им пользоваться.

Это импортные товары

import org.opencv.face.Face;
import org.opencv.face.FaceRecognizer;

Заранее спасибо.

java eclipse opencv
Поделиться Источник beta     06 июля 2018 в 06:31

2 ответа


  • Как найти лицо, глаза от photo/image?

    Я делаю свой проект по обработке изображений в c#. здесь я не знаю, как найти лицо, глаза из изображения (не webcam). Изображение будет сохранено в определенной папке. Я устанавливаю пакет EmguCv, но он совсем не работает. Что означают мои вопросы, Является ли Emgu CV рабочим окном 8 OS? Я ищу…

  • Не удалось найти и добавить проект библиотеки классов ASP.NET 5 в решение

    Недавно я создал новое веб-приложение ASP.NET 5 и стандартную библиотеку классов C# только для того, чтобы узнать, что веб-приложение ASP.NET 5 не может ссылаться. Я провел исследование и увидел, что существует библиотека классов ASP.NET 5, но не могу найти ее нигде в моем полностью обновленном…



2

Существует еще одна вещь, называемая OpenCV-contrib, которая требуется для запуска следующего класса Face .

Это ссылка на репо GitHub . Прочитайте README.md

Выполните следующие действия : —

  1. Загрузите исходное репо OpenCV и репо contrib с GitHub.

  2. Перейдите в opencv_contrib/modules/face и откройте cmakeLists.txt с помощью любого редактора . Теперь найдите строку, которая начинается с ocv_define_module, и добавьте слово ‘java’ (без кавычек) в конце .

    [Похоже на:-

    ocv_define_module(face opencv_core opencv_imgproc opencv_objdetect WRAP python java)]

3.Compile используя cmake используя это : cmake -D CMAKE_BUILD_TYPE=Release -D OPENCV_EXTRA_MODULES_PATH=путь к opencv_contrib

Используйте сгенерированный jar!

PS:In windows , я не думаю , что установщик по умолчанию .exe opencv содержит классы face, поэтому лучше строить с cmake .

Поделиться Arunachalam Muthupalaniappan     06 июля 2018 в 08:44



-1

org.opencv.face не доступен с OpenCV . Для этого требуется opencv-contrib , который можно легко добавить. Перейти по ссылке:

opencv-библиотека contrib

Поделиться KRISHNA MISHRA     08 ноября 2019 в 14:20


Похожие вопросы:


«Ошибка: не удалось найти или загрузить основной класс My.class»

Я использую Java SDK 1.7 на Windows 7 через cmd.exe . Еще несколько часов назад все работало правильно, когда внезапно я не смог запустить свои скомпилированные файлы классов, последовательно…


Не удалось найти библиотеку security.dll в приложении библиотеки классов

Я пытаюсь использовать ssl соединение в приложении библиотеки классов, но я попытался аутентифицироваться как клиент на сервере, я получил следующее сообщение об ошибке. Не удалось найти точку входа…


Не удалось найти идентификаторы классов и интерфейсов в реестре

Я пытаюсь отладить некоторые exe в windbg. Теперь он вызывает какую-то третью сторону com dll, которая выставляет функцию DLLGetClassObject. DLLGetClassObject подпись есть HRESULT __stdcall…


Как найти лицо, глаза от photo/image?

Я делаю свой проект по обработке изображений в c#. здесь я не знаю, как найти лицо, глаза из изображения (не webcam). Изображение будет сохранено в определенной папке. Я устанавливаю пакет EmguCv,…


Не удалось найти и добавить проект библиотеки классов ASP.NET 5 в решение

Недавно я создал новое веб-приложение ASP.NET 5 и стандартную библиотеку классов C# только для того, чтобы узнать, что веб-приложение ASP.NET 5 не может ссылаться. Я провел исследование и увидел,…


не удалось найти компилятор java com.sun.tools.javac.Main, пожалуйста, измените настройки загрузчика классов

При компиляции моего приложения grails возникает следующая ошибка. Я использую jdk-7u79-windows-x64, я уже добавил местоположение ‘C:\Program Files\Java\jdk1.7.0_79\bin’ к моему пути в переменных…


Не удалось найти Kotlin классов в модуле функций из другого модуля

Не удалось найти Kotlin классов в модуле с плагином com.android.feature из другого функционального модуля. Например, в Android мгновенными приложения, Kotlin классов в характеристика base не могут…


CookieHeaderValue не удалось найти

У меня есть библиотека классов C#, и по какой-то причине я получаю следующую ошибку: Тип или пространство имен ‘CookieHeaderValue’ не удалось найти. У меня есть using System.Net.Http; using…


AttributeError: модуль ‘cv2.cv2’ не имеет атрибута ‘createLBPHFaceRecognizer’

Я столкнулся с некоторой атрибутивной ошибкой при запуске face recognizing the code. Мое лицо отлично распознает запуск кода. Но пока я пытаюсь запустить код распознавания лиц, он показывает…


Библиотека классов (стандартная 2.1 или основная 3.1) : не удалось найти имя пространства имен ‘IWebHostEnvironment’

Новый проект , библиотека классов (.NET Standard) На проект, свойства, изменяется от 2.0 в 2.1 Изменен Класс1 : public class Class1 { public void Configure(IApplicationBuilder app,…

11 поисковых систем распознавания лиц для изображений

17 февраля 2021 г.

Услуги поиска изображений позволяют пользователю выйти на новый уровень использования Интернета. То, что раньше можно было найти только с помощью словесного описания, теперь можно «объяснить» поисковой системе визуально. Речь идет не только об упрощении покупок в Интернете или оптимизации рабочего процесса. Теперь возможно распознавание человеческого лица.

Сегодня технология распознавания лиц (FRT) популярна как в государственном, так и в коммерческом секторе.Например, FRT требуется для идентификации без пароля (Face ID). В каких областях используется эта технология, зачем нам нужны поисковые системы по фотографиям в Интернете и какое отношение к этому имеет конфиденциальность? Об этом читайте в этой статье.

Содержание

Что такое поиск по распознаванию лиц?
11 Поисковые системы и инструменты для распознавания лиц, которые вы можете использовать сегодня
Поиск изображений Google
PicTriev: Распознавание лиц
TinEye: обратный поиск изображений
PimEyes: поиск лиц
Betaface
Яндекс
Поиск изображений Bing
Facebook
Pinterest Поиск изображений
Social Catfish
Berify Поиск обратного изображения
Анализ выражения лица
Поиск изображения лица: быть или не быть?
Сводка
Часто задаваемые вопросы по поиску лиц
Как вы выполняете поиск по лицам?
Можете ли вы найти лицо в Google?
Как мне найти кого-нибудь с помощью распознавания лиц?
Использует ли поиск картинок Google распознавание лиц?
Является ли поиск по лицу полезной технологией?
Можно ли использовать поиск по лицу для вторжения в частную жизнь?

Что такое поиск по распознаванию лиц?

Распознавание образов — неотъемлемая часть человеческого мозга.Идея оснастить машины этой функцией была основана на потенциальном результате. Задачи распознавания лиц теперь являются важной областью в области искусственного интеллекта.

Алгоритм работы FRT состоит из двух этапов: идентификации и проверки. На первом этапе происходит определение того, кем является этот человек, а на втором — подтверждение того, действительно ли этот человек является тем, кем он себя называет.

Большинство двигателей работают по следующей схеме:

  1. Распознавание лиц;
  2. Обнаружение черт лица;
  3. Нормализация лица;
  4. Извлечение признаков и вычисление дескрипторов;
  5. Проверка.

Аппарат сравнивает полученную и обработанную информацию с базой данных, чтобы найти совпадение с «увиденным».

Несколько лет назад эта технология использовалась в основном в развлекательных целях, например, для поиска имени актера, которого вы не можете вспомнить. Возможности поиска по распознаванию лиц на этом не заканчиваются. Также их можно использовать для обнаружения, например, фейковых аккаунтов в социальных сетях. Или вы даже можете защитить себя от мошенничества по сбору средств — машина может помочь установить настоящую личность человека, фотография которого была использована преступными элементами для создания поддельных документов.

Коммерческое использование технологии поиска по распознаванию лиц используется в:

  • Контроль доступа к объектам или системам;
  • Выявление нарушений;
  • Определение портрета покупателя;
  • Идентификация в банковском секторе;
  • Тайм-менеджмент;
  • Оплата услуг.

Муниципалитеты могут интегрировать распознавание лиц в системы умного города.

11 поисковых систем и инструментов для распознавания лиц, которые вы можете использовать сегодня

Сегодня использование FRT доступно практически каждому.Далее мы рассмотрим самые стабильные сервисы.

Поиск картинок Google

Бесплатная онлайн-служба поиска изображений Google не использует распознавание лиц при поиске фотографий. Однако это может помочь вам найти похожие изображения. Чтобы начать использовать Поиск картинок Google, вам нужно найти значок камеры на панели поиска и перетащить свое изображение в эту область. Кроме того, картинку можно скачать с компьютера, нажав на иконку. Третий способ — вставить URL-адрес.

После получения визуальной информации Google создаст математическую модель и найдет наиболее похожие файлы.

PicTriev: Распознавание лиц

Эта услуга также бесплатна и позволяет работать с базой данных лиц знаменитостей. Он выбирает людей на фотографии, черты лица которых имеют сходство, и сверяет их с существующими изображениями. Здесь вы можете найти своих звездных коллег.

TinEye: поиск обратного изображения

TinEye — одна из самых первых общедоступных поисковых служб. Он использует обратный поиск изображений и может находить измененные фотографии, если они были обрезаны или скорректированы по цвету.Доступен поиск по URL изображения или загрузка, а также перетаскивание. Результаты поиска можно отсортировать, например, по наибольшему размеру или наилучшему соответствию.

PimEyes: поиск по лицу

Это относительно новая услуга европейского производства, сразу завоевавшая хорошую репутацию. Сайт позиционирует себя как устройство для поиска личных фотографий. Он предлагает платные и бесплатные варианты. Бесплатное использование позволяет вам установить факт размещения ваших фотографий в Интернете.Платная подписка открывает все другие возможности, такие как глубокий поиск, создание PDF-файлов и результаты в Интернете. Кроме того, с платными тарифными планами сайт может отправлять вам уведомления, если позже он обнаружит ваши фотографии в индексе.

Betaface

Betaface может быть интересен как профессионалам, так и бизнесу. Продукт платный, но имеет демо-версию. После загрузки фотографии с устройства или селфи Betaface выдает совпадения на фотографии и предположения о дополнительной информации (возраст, уровень привлекательности, наличие вечерней щетины и т. Д.)). Сайт предлагает сравнения со знаменитостями или данными Википедии и позволяет пользователям создавать базы данных.

Яндекс

Поиск картинок Яндекс работает по тому же принципу, что и Google. В 2020 году в общую область поиска перенесен отдельный сервис поиска людей по фото. Алгоритм работы сервиса достаточно точен, чтобы найти картинку, максимально похожую на поисковый запрос. Есть и обратная сторона: иногда количество результатов настолько велико, что среди них сложно найти именно то, что вам нужно.

Поиск изображений Bing

Bing был недавно переименован в Microsoft Bing. Ребрендинг направлен на то, чтобы подчеркнуть достижения корпорации, в том числе обновление поиска изображений. Этот сервис может подбирать различные изображения, на которых изображены люди, похожие на вас. Механизм загрузки такой же, как и для обычных поисковых систем: перетаскивание, загрузка из памяти устройства или вставка URL-адреса. Bing доступен всем бесплатно.

Facebook

Изначально функция распознавания лиц была введена, чтобы пользователям было проще отмечать друзей на фотографиях.Социальная сеть сама определяла, кто из друзей попал в кадр, и автор снимка мог с этим согласиться или вручную пометить людей.

Facebook в настоящее время использует технологии для обеспечения безопасности своих пользователей. Если изображение человека было загружено в социальную сеть, он узнает об этом, даже если он даже не был отмечен.

Программа обрабатывает каждое загруженное в социальную сеть изображение и определяет, есть ли на нем лица. Затем создается биометрическая карта, и данные сравниваются с информацией о других фотографиях лиц.

Pinterest Поиск изображений

С помощью Pinterest вы можете найти практически все, включая фотографии лиц людей, похожих на вас, или даже ваши собственные фотографии. Под каждым результатом будет ссылка на расположение файла.

Чтобы начать пользоваться сервисом, вам нужно нажать на значок лупы, перейти к поиску и нажать на значок камеры. После этого вы можете выбрать нужный файл из галереи или сделать селфи. Приложение, как и сайт, не взимает никаких комиссий.

Социальный сом

Этот сервис имеет приятный пользовательский интерфейс и предоставляет сервис обратного поиска по фотографиям, а также по электронной почте, именам, номерам телефонов и другим параметрам. Данные сверяются с использованием информации из социальных сетей, сайтов знакомств, а также баз данных мошенников. Возможна загрузка селфи.

Использование сервиса не подразумевает демонстрационную версию. Однако вы можете оплатить 5-дневный пробный период, прежде чем подписаться на полную подписку.

Berify Поиск обратного изображения

Этот инструмент выполняет обратный поиск изображений и видео.

Сервис импортирует ваши фото или видео на сайт, а затем просматривает его базу данных и поисковые системы. Вы также можете получать обновления по электронной почте, если появятся новые результаты.

Несмотря на то, что услуги сайта являются платными, существует бесплатный пробный период в течение 3 дней или 5 бесплатных поисков после регистрации.

Анализ мимики

Лицо выражает то, что во многом делает нас людьми — наши эмоции. Технологии искусственного интеллекта также могут читать (или, по крайней мере, пытаться), какие эмоции человек выражает в данный момент.Это возможно, потому что работа лицевых мышц связана с определенной эмоцией или их комбинацией.

Все эмоции можно разделить на шесть практически универсальных категорий:

  • Гнев;
  • Страх;
  • Печаль;
  • Счастье;
  • Сюрприз;
  • Отвращение.

Чтобы машина могла сделать выводы об отображаемой эмоции, она выполняет следующие шаги:

  1. Распознавание лиц;
  2. Обнаружение функций;
  3. Классификация признаков.

Полученные данные сравниваются с базой данных машины. Поиск всех проиндексированных изображений в сети не производится из-за специфики задачи.

Поиск по изображению лица: быть или не быть?

С каждым годом все больше и больше людей узнают о технологии распознавания лиц. Есть также новые области применения, которые выходят далеко за рамки сравнения ваших фотографий с самыми богатыми или известными. Вычислительные мощности и базы данных растут, а методы работы самой технологии развиваются и совершенствуются.

В настоящее время распознавание лиц помогает выявлять мошенников в социальных сетях. В будущем частные детективы и правительственные чиновники смогут делать то же самое, если не уже. Также HR станет удобнее проверять биографию потенциальных сотрудников. Конечно, развлекательные цели никуда не денутся, и люди будут продолжать искать просочившиеся в сеть фотографии своих кумиров и другой дополнительный контент.

При этом любую технологию можно опробовать и обратить против создателей, то есть людей в целом.Так, например, создание дипфейков вызвало бурные споры. Потребуется разработать отдельные алгоритмы и, возможно, даже создать новые специальности для борьбы с пагубными последствиями существования искусственных фото или видео, которые выглядят настоящими.

Проблема нарушения конфиденциальности остается горячей темой. В США пользователи одной социальной сети были недовольны новой функцией и подали на компанию в суд. То же самое и с сайтами для поиска по фото: никто не может сказать, для каких целей будут использоваться возможности сервиса, даже если сервис позиционирует себя как безобидный ресурс.

Конечно, вы можете сделать свою учетную запись в социальной сети частной и не загружать фотографии где-либо еще, но вы не можете быть уверены на 100%, не так ли?

Сводка

На данный момент существует поиск по лицу, и он быстро распространяется. В то время как некоторые ресурсы, такие как Pinterest, больше используются для повседневной деятельности, другие могут быть полезны для бизнеса и проверки фактов.

Поиск по лицу: часто задаваемые вопросы

Как выполнить поиск по лицу?

Чтобы начать использовать поиск по лицу, вам нужен доступ в Интернет и изображение.Выберите один из сервисов, например Яндекс или Бетафейс, чтобы выполнить задачу, и дерзайте. Услуги делятся на платные и бесплатные.

Можете ли вы найти лицо в Google?

Не совсем. Google может находить изображения людей, но не распознает лица; то есть он не занимается идентификацией. Однако он может дать большое количество релевантных результатов.

Как мне найти кого-нибудь с помощью распознавания лиц?

Для этих целей существует множество поисковых систем, сайтов и приложений.Их точность может различаться, но в целом их можно использовать для поиска конкретной информации. Однако в настоящее время не существует единой базы данных по поиску лиц по лицам.

Использует ли поиск картинок Google распознавание лиц?

Google объявила, что в ее планы не входит использование технологии распознавания лиц при поиске изображений. Другие компании уже создали плохие прецеденты из-за FRT из соображений конфиденциальности. Однако результат поиска по картинке может быть в определенной степени успешным.

Является ли поиск по лицу полезной технологией?

Технология поиска и распознавания лиц широко используется в самых разных областях. Компании используют его для контроля рабочего времени, а города применяют его для создания более безопасной и комфортной среды. К тому же развлекательные цели тоже не на последнем месте в списке целей.

Можно ли использовать поиск по лицу для вторжения в частную жизнь?

Любая технология может в той или иной степени нарушить конфиденциальность, попав в чужие руки.Технология распознавания лиц фактически собирает биометрические данные без согласия, поэтому это может рассматриваться как нарушение прав. Учитывая, что эти данные можно комбинировать с другими данными, ответ скорее положительный.

Facebook теперь может найти ваше лицо, даже если на нем нет тега

Facebook только что немного ослабил привязку к своим алгоритмам распознавания лиц. Начиная со вторника, каждый раз, когда кто-то загружает фотографию, на которой, по мнению Facebook, есть ваше лицо, вы получите уведомление, даже если вы не были отмечены тегом.

Этим утром новая функция была представлена ​​большинству более чем 2 миллиардов пользователей Facebook по всему миру. Это применимо только к недавно опубликованным фотографиям и только к тем с настройками конфиденциальности, которые делают изображение видимым для вас. Пользователи Facebook в Канаде и Европейском Союзе исключены. Социальная сеть не использует технологию распознавания лиц в этих регионах из-за осторожности со стороны регуляторов конфиденциальности.

Facebook неуклонно расширяет использование распознавания лиц на протяжении многих лет. Компания впервые предложила пользователям эту технологию в конце 2010 года с функцией, которая предлагает людям отмечать фотографии.Негативная реакция на то, как пользователи автоматически включались в эту систему, является одной из причин, по которой алгоритмы Facebook сегодня не видят лица в Канаде и ЕС. В другом месте компания предприняла новые усилия по уведомлению пользователей, но оставила функцию практически неизменной. В 2015 году компания запустила приложение для организации фотографий под названием Moments, которое использует распознавание лиц, чтобы помочь вам делиться фотографиями с людьми в ваших снимках.

Глава отдела конфиденциальности Facebook Роб Шерман позиционирует новую функцию фото-уведомлений, как предоставление людям большего контроля над своим изображением в Интернете.«Мы думали об этом как о действительно расширяющей возможности», — говорит он. «Возможно, существуют фотографии, о которых вы не знаете». Информирование вас об их существовании также полезно для Facebook: чем больше летающих уведомлений, тем выше активность пользователей и больше показов рекламы. Все больше людей, отмечающих себя на фотографиях, добавляют больше данных в кеш Facebook, помогая поддерживать прибыльный бизнес по таргетингу рекламы, который поддерживает компанию на плаву.

Как только Facebook идентифицирует вас на фотографии, он отобразит уведомление, которое приведет к новому диалоговому окну просмотра фотографий.Здесь вы можете отметить себя на изображении, отправить сообщение пользователю, разместившему изображение, сообщить Facebook, что это не вы, или сообщить об изображении за нарушение правил сайта.

Facebook

В рамках новой функции Facebook также будет уведомлять пользователей, если кто-то другой попытается использовать их фотографию в профиле; Facebook утверждает, что пытается усложнить выдачу себя за других людей. Компания также добавляет в свой сервис для слабовидящих распознавание лиц, которое описывает фотографии друзей в тексте.

Насколько хороша технология распознавания лиц в Facebook? Среди лучших в мире. Сотни миллиардов фотографий, хранящихся на серверах компании, предоставляют достаточно данных для обучения алгоритмов машинного обучения распознаванию разных лиц. Нипун Матур из группы прикладного машинного обучения Facebook отказывается предоставить какие-либо данные о точности системы. Он сказал, что система работает, даже если не видит вашего лица полностью, хотя не может распознавать людей в 90-градусном профиле. В 2015 году исследовательская группа Facebook в области искусственного интеллекта опубликовала статью о системе, которая может распознавать людей, даже когда их лица не видны, используя другие подсказки, такие как одежда или форма тела.Facebook ничего не сообщает об этой работе в новом продукте.

Лучшие алгоритмы все еще борются за распознавание черных лиц

Эти результаты вызвали растущую национальную дискуссию о правильном и неправильном использовании распознавания лиц. Некоторые защитники гражданских свобод, законодатели и политические эксперты хотят, чтобы использование технологии правительством было ограничено или запрещено, как это было недавно в Сан-Франциско и двух других городах. Их опасения включают риски для неприкосновенности частной жизни, баланс сил между гражданами и государством и расовое неравенство в результатах.Некоторые критики говорят, что даже если бы распознавание лиц работало одинаково хорошо для всех лиц, все равно были бы причины для ограничения технологии.

Несмотря на бурные споры, функция распознавания лиц уже встроена во многие правительственные учреждения на федеральном уровне, уровне штата и округе и распространяется. Правительство США использует распознавание лиц для таких задач, как пограничный контроль и поиск иммигрантов без документов.

Ранее в этом году полицейское управление Лос-Анджелеса отреагировало на вторжение в дом, которое переросло в стрельбу со смертельным исходом.Один подозреваемый был арестован, другой скрылся. Детективы опознали беглеца, используя онлайн-фотографию для поиска в системе распознавания лиц по фотографиям, поддерживаемой офисом шерифа округа Лос-Анджелес.

Лейтенант Дерек Сабатини из офиса шерифа говорит, что этот случай показывает ценность системы, которая используется более чем 50 окружными агентствами и выполняет поиск в базе данных, содержащей более 12 миллионов фотографий. По словам Сабатини, детективы не смогли бы так быстро найти подозреваемого без распознавания лиц.«Кто знает, сколько времени это заняло бы, и, возможно, этого парня не было бы там, чтобы забрать что-нибудь», — говорит он.

Система округа Лос-Анджелес была построена на основе алгоритма сопоставления лиц от Cognitec, немецкой компании, которая, как и Idemia, обеспечивает распознавание лиц правительствам по всему миру. Как и в случае с Idemia, тестирование алгоритмов Cognitec в NIST показывает, что они могут быть менее точными для женщин и цветных людей. При порогах чувствительности, которые приводили к ложному сопоставлению белых женщин один раз из 10 000, два алгоритма Cognitec, протестированные NIST, примерно в пять раз чаще ошибочно определяли чернокожих женщин.

Торстен Тис, директор Cognitec по разработке алгоритмов, признал разницу, но говорит, что ее трудно объяснить. Одним из факторов может быть то, что «сложнее сделать хороший снимок человека с темной кожей, чем белого человека», — говорит он.

Сабатини отвергает опасения, что — независимо от первопричины — искаженные алгоритмы могут привести к расовому неравенству в полицейской деятельности. По его словам, офицеры тщательно проверяют предложенные совпадения и ищут подтверждающие доказательства, прежде чем принимать меры.«Мы используем его с 2009 года, и у нас не было никаких проблем: ни судебных исков, ни судебных дел, ни жалоб», — говорит он.

Опасения по поводу пересечения распознавания лиц и расы не новы. В 2012 году главный эксперт ФБР по распознаванию лиц выступил соавтором исследовательской работы, в которой выяснилось, что коммерческие системы распознавания лиц менее точны для чернокожих людей и женщин. Исследователи из Джорджтауна предупредили об этой проблеме в влиятельном отчете за 2016 год, в котором говорится, что ФБР может обыскивать лица примерно половины населения США.

Проблема приобрела новую аудиторию по мере того, как распознавание лиц стало более распространенным, а политические эксперты и политики все больше интересовались ограничениями технологий. Особое влияние оказала работа исследователя и активиста Массачусетского технологического института Джой Буоламвини.

В начале 2018 года Буоламвини и его коллега по ИИ Тимнит Гебру показали, что службы Microsoft и IBM, которые пытаются определить пол лиц на фотографиях, почти идеальны для мужчин с бледной кожей, но не работают более чем в 20% случаев на женщинах с темной кожей. ; последующее исследование обнаружило аналогичные закономерности для сервиса Amazon.В исследованиях не тестировались алгоритмы, которые пытаются идентифицировать людей — что Amazon назвал «вводящим в заблуждение» в агрессивном сообщении в блоге.

Буоламвини был главным свидетелем на майских слушаниях в Комитете по надзору и реформе Палаты представителей, где законодатели продемонстрировали двухпартийную заинтересованность в регулировании распознавания лиц. Председатель Элайджа Каммингс (демократ от штата Мэриленд) сказал, что расовые различия в результатах тестов усилили его беспокойство по поводу того, как полиция использовала распознавание лиц во время протестов 2015 года в Балтиморе по поводу смерти под стражей в полиции Фредди Грея, темнокожего мужчины.Позже Джим Джордан (штат Огайо) заявил, что Конгрессу необходимо «что-то сделать» в отношении использования технологии правительством. «[Если] система распознавания лиц допускает ошибки, и эти ошибки непропорционально затрагивают афроамериканцев и цветных людей, [это] кажется мне прямым нарушением свобод американцев Первой поправки и Четвертой поправки», — сказал он.

Неясно, почему системы распознавания лиц по-разному работают для более темных тонов кожи. Буоламвини сообщил Конгрессу, что многие наборы данных, используемые компаниями для тестирования или обучения систем анализа лица, не являются должным образом репрезентативными.Проще всего собрать огромные коллекции лиц из Интернета, где контент перекликается с белым, мужским и западным. Согласно обзору IBM, три коллекции изображений лиц, наиболее часто цитируемые в академических исследованиях, представляют собой 81% и более людей с более светлой кожей.

Патрик Гротер, широко уважаемый специалист в области распознавания лиц, возглавляющий тестирование NIST, говорит, что могут быть и другие причины более низкой точности на более темной коже. Один из них — качество фотографий. Фотографические технологии и методы были оптимизированы для более светлой кожи с момента появления цветной пленки до цифровой эры.Он также выдвинул более провокационную гипотезу на конференции в ноябре: черные лица статистически более похожи друг на друга, чем белые лица. «Вы можете предположить, что человеческая природа как-то связана с этим», — говорит он. «Различные демографические группы могут иметь различия в фенотипическом выражении наших генов».

ageitgey / face_recognition: Самый простой в мире API распознавания лиц для Python и командной строки

Вы также можете прочитать переведенную версию этого файла на китайском 简体 中文 կ, корейском 한국어 или японском.

Распознавайте лица и управляйте ими из Python или из командной строки с помощью самая простая в мире библиотека распознавания лиц.

Создан с использованием новейшего распознавания лиц dlib построен на основе глубокого обучения. Модель имеет точность 99,38% на Тест «Лица с метками в дикой природе».

Это также предоставляет простой инструмент командной строки face_recognition , который позволяет вы делаете распознавание лиц по папке изображений из командной строки!

Характеристики

Найдите лица на фотографиях

Найдите все лица, изображенные на картинке:

 импорт face_recognition
изображение = распознавание лиц.load_image_file ("ваш_файл.jpg")
face_locations = face_recognition.face_locations (изображение) 
Находите черты лица на фотографиях и манипулируйте ими

Получите расположение и очертания глаз, носа, рта и подбородка каждого человека.

 импорт face_recognition
image = face_recognition.load_image_file ("ваш_файл.jpg")
face_landmarks_list = face_recognition.face_landmarks (изображение) 

Обнаружение черт лица очень полезно для множества важных дел. Но вы также можете использовать его для действительно глупых вещей например, нанесение цифрового макияжа (вспомните Meitu):

Опознавать лица на фотографиях

Узнай, кто изображен на каждой фотографии.

 импорт face_recognition
known_image = face_recognition.load_image_file ("biden.jpg")
unknown_image = face_recognition.load_image_file ("unknown.jpg")

biden_encoding = face_recognition.face_encodings (известное_изображение) [0]
unknown_encoding = face_recognition.face_encodings (unknown_image) [0]

results = face_recognition.compare_faces ([biden_encoding], unknown_encoding) 

Вы даже можете использовать эту библиотеку с другими библиотеками Python для распознавания лиц в реальном времени:

См. Этот пример кода.

Интернет-демонстрации

Демонстрация общего ноутбука Jupyter, предоставленная пользователями (официально не поддерживается):

Установка

Требования

  • Python 3.3+ или Python 2.7
  • macOS или Linux (Windows официально не поддерживается, но может работать)

Варианты установки:

Установка на Mac или Linux

Во-первых, убедитесь, что у вас уже установлен dlib с привязками Python:

Затем убедитесь, что у вас установлен cmake:

brew install cmake

Наконец, установите этот модуль из pypi, используя pip3 (или pip2 для Python 2):

 pip3 установить face_recognition 

Как вариант, вы можете попробовать эту библиотеку с Docker, см. Этот раздел.

Если у вас возникли проблемы с установкой, вы также можете попробовать предварительно настроенная ВМ.

Установка на плату Nvidia Jetson Nano
  • Jetson Nano Инструкция по установке
    • Внимательно следуйте инструкциям в статье. В библиотеках CUDA на Jetson Nano есть текущая ошибка, из-за которой эта библиотека не сработает, если вы не выполните инструкции в статье, чтобы закомментировать строку в dlib и перекомпилировать ее.
Установка на Raspberry Pi 2+
Установка на FreeBSD
 пакет установить графику / py-face_recognition 
Установка в Windows

Хотя Windows официально не поддерживается, полезные пользователи опубликовали инструкции по установке этой библиотеки:

Установка предварительно настроенного образа виртуальной машины

Использование

Интерфейс командной строки

При установке face_recognition вы получаете две простые командные строки программ:

  • face_recognition — Распознавать лица на фотографии или в папке, заполненной для фотографии.
  • face_detection — Найдите лица на фотографии или в папке, заполненной фотографиями.
face_recognition инструмент командной строки

Команда face_recognition позволяет распознавать лица на фотографии или папка полная для фотографий.

Во-первых, вам нужно предоставить папку с одним изображением каждого человека, которого вы уже знаете. Для каждого человека с файлы, названные в соответствии с тем, кто изображен на картинке:

Далее вам понадобится вторая папка с файлами, которые вы хотите идентифицировать:

Затем вы просто запускаете команду face_recognition , передавая папка известных людей и папка (или отдельное изображение) с неизвестными людей, и он сообщает вам, кто изображен на каждом изображении:

 $ face_recognition./ pictures_of_people_i_know / ./unknown_pictures/

/unknown_pictures/unknown.jpg, Барак Обама
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person 

Для каждой грани выводится одна строка. Данные разделены запятыми. с именем файла и именем найденного человека.

unknown_person — лицо на изображении, которое не соответствует никому на ваша папка известных людей.

face_detection инструмент командной строки

Команда face_detection позволяет найти местоположение (координаты пикселей) любых лиц на изображении.

Просто запустите команду face_detection , передав папку изображений для проверки (или одно изображение):

 $ face_detection ./folder_with_pictures/

examples / image1.jpg, 65,215,169,112
examples / image2.jpg, 62,394,211,244
examples / image2.jpg, 95,941,244,792 

Он печатает по одной строке для каждого обнаруженного лица. Координаты сообщаются верхняя, правая, нижняя и левая координаты лица (в пикселях).

Регулировка допуска / чувствительности

Если вы получаете несколько совпадений для одного и того же человека, возможно, люди на ваших фотографиях очень похожи и имеют меньшее значение допуска необходим для более строгого сравнения лиц.

Это можно сделать с помощью параметра --tolerance . Допуск по умолчанию значение 0,6 и меньшие числа делают сравнение лиц более строгим:

 $ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg, Барак Обама
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person 

Если вы хотите увидеть расстояние до лица, рассчитанное для каждого совпадения, по порядку чтобы отрегулировать настройку допуска, вы можете использовать --show-distance true :

 $ face_recognition --show-distance true./ pictures_of_people_i_know / ./unknown_pictures/

/unknown_pictures/unknown.jpg, Барак Обама, 0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None 
Другие примеры

Если вы просто хотите знать имена людей на каждой фотографии, но не заботиться об именах файлов, вы можете сделать это:

 $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | вырезать -d ',' -f2

Барак Обама
unknown_person 
Ускорение распознавания лиц

Распознавание лиц можно делать параллельно, если у вас есть компьютер с несколько ядер процессора.Например, если в вашей системе 4 ядра ЦП, вы можете обрабатывать примерно в 4 раза больше изображений за то же время, используя все ядра вашего процессора параллельно.

Если вы используете Python 3.4 или новее, передайте параметр --cpus :

 $ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/ 

Вы также можете передать --cpus -1 , чтобы использовать все ядра ЦП в вашей системе.

Модуль Python

Вы можете импортировать модуль face_recognition , а затем легко управлять сталкивается с парой строк кода.Это очень просто!

API Docs: https://face-recognition.readthedocs.io.

Автоматический поиск всех лиц на изображении
 импорт face_recognition

image = face_recognition.load_image_file ("my_picture.jpg")
face_locations = face_recognition.face_locations (изображение)

# face_locations теперь представляет собой массив, в котором перечислены координаты каждого лица! 

См. Этот пример чтобы попробовать.

Вы также можете выбрать более точную модель обнаружения лиц на основе глубокого обучения.

Примечание: ускорение графического процессора (через библиотеку NVidia CUDA) необходимо для хорошего производительность с этой моделью. Вы также захотите включить поддержку CUDA при компилировании длб .

 импорт face_recognition

image = face_recognition.load_image_file ("my_picture.jpg")
face_locations = face_recognition.face_locations (изображение, модель = "cnn")

# face_locations теперь представляет собой массив, в котором перечислены координаты каждого лица! 

См. Этот пример чтобы попробовать.

Если у вас много изображений и графический процессор, вы также можете найти лица пачками.

Автоматически определять черты лица человека на изображении
 импорт face_recognition

image = face_recognition.load_image_file ("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks (изображение)

# face_landmarks_list теперь представляет собой массив с расположением каждой черты лица на каждом лице.
# face_landmarks_list [0] ['left_eye'] будет местоположением и контуром левого глаза первого человека. 

См. Этот пример чтобы попробовать.

Распознавать лица на изображениях и определять, кто они такие
 импорт face_recognition

picture_of_me = распознавание лиц.load_image_file ("me.jpg")
my_face_encoding = face_recognition.face_encodings (picture_of_me) [0]

# my_face_encoding теперь содержит универсальную «кодировку» моих черт лица, которую можно сравнить с любым другим изображением лица!

unknown_picture = face_recognition.load_image_file ("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings (unknown_picture) [0]

# Теперь мы можем видеть, что две кодировки лица одного и того же человека с `compare_faces`!

results = face_recognition.compare_faces ([my_face_encoding], unknown_face_encoding)

если результаты [0] == True:
    print ("Это моя фотография!")
еще:
    print («Это не моя фотография!») 

См. Этот пример чтобы попробовать.

Примеры кода Python

Все примеры доступны здесь.

Распознавание лиц
Особенности лица
Распознавание лиц

Создание автономного исполняемого файла

Если вы хотите создать автономный исполняемый файл, который может работать без установки python или face_recognition , вы можете использовать PyInstaller. Однако для работы с этой библиотекой требуется некоторая настраиваемая конфигурация. См. Этот выпуск, чтобы узнать, как это сделать.

Статьи и руководства, посвященные

face_recognition

Как работает распознавание лиц

Если вы хотите узнать, как работают определение местоположения и распознавание лиц, а не в зависимости от библиотеки черного ящика, прочтите мою статью.

Предупреждения

  • Модель распознавания лиц обучена на взрослых и не очень хорошо работает на детях. Имеет тенденцию смешиваться до детей довольно легко, используя порог сравнения по умолчанию 0,6.
  • Точность может варьироваться в зависимости от этнической группы.Пожалуйста, посетите эту вики-страницу для получения более подробной информации.

Поскольку face_recognition зависит от dlib , написанного на C ++, может быть сложно развернуть приложение. используя его для провайдера облачного хостинга, такого как Heroku или AWS.

Чтобы упростить задачу, в этом репозитории есть пример файла Dockerfile, который показывает, как запустить приложение, созданное с помощью face_recognition в контейнере Docker. После этого вы сможете развернуть к любой службе, поддерживающей образы Docker.

Вы можете попробовать образ Docker локально, запустив: docker-compose up --build

Есть также несколько готовых образов Docker.

Пользователи Linux с установленным графическим процессором (драйверы> = 384,81) и Nvidia-Docker могут запустить этот пример на графическом процессоре: откройте файл docker-compose.yml и раскомментируйте файл dockerfile : Dockerfile.gpu и runtime: nvidia строк .

Возникли проблемы?

Если у вас возникнут проблемы, прочтите раздел «Общие ошибки» вики перед тем, как писать о проблеме на github.

Спасибо

  • Большое спасибо Дэвису Кингу (@nulhom) для создания dlib и для предоставления обученных моделей распознавания черт лица и кодирования лиц используется в этой библиотеке. Для получения дополнительной информации о ResNet, которая поддерживает кодирование лиц, ознакомьтесь с его сообщение в блоге.
  • Спасибо всем, кто работает над всеми замечательными библиотеками науки о данных Python, такими как numpy, scipy, scikit-image, подушки и т. д., что делает подобные вещи такими легкими и увлекательными в Python.
  • Спасибо Cookiecutter и шаблон проекта audreyr / cookiecutter-pypackage для того, чтобы сделать упаковку проекта Python более терпимой.

Что такое служба Azure Face? — Когнитивные службы Azure

  • 5 минут на чтение

В этой статье

Предупреждение

11 июня 2020 года Microsoft объявила, что не будет продавать технологию распознавания лиц полицейским управлениям США до тех пор, пока не будут приняты строгие правила, основанные на правах человека.Таким образом, клиенты не могут использовать функции распознавания лиц, включенные в Службы Azure, такие как Face или Video Indexer, если клиент является или разрешает использование таких служб департаментом полиции США или для него.

Служба Azure Face предоставляет алгоритмы искусственного интеллекта, которые обнаруживают, распознают и анализируют человеческие лица на изображениях. Программное обеспечение для распознавания лиц важно во многих различных сценариях, таких как проверка личности, бесконтактный контроль доступа и размытие лица для обеспечения конфиденциальности.

Проверка личности: проверяет личность по выданной государством идентификационной карте, такой как паспорт, водительские права или другое регистрационное изображение, чтобы предоставить доступ к цифровым или физическим услугам или восстановить учетную запись. Конкретные сценарии доступа включают открытие новой учетной записи, проверку работника или администрирование онлайн-тестирования. Подтверждение личности может быть выполнено один раз, когда человек находится на борту, и неоднократно, когда кто-то получает доступ к цифровой или физической услуге.

Бесконтактный контроль доступа

: по сравнению с современными методами, такими как карты или билеты, идентификация лица по подписке обеспечивает улучшенный контроль доступа, снижая при этом риски гигиены и безопасности, связанные с совместным использованием карт, потерей или кражей.Распознавание лиц помогает при регистрации с участием человека в аэропортах, на стадионах, тематических парках или зданиях, а также в киосках регистрации в офисах, больницах, спортзалах, клубах или школах.

Face Redaction: редактирование или размытие обнаруженных лиц людей, записанных на видео, для защиты их конфиденциальности.

Эта документация содержит следующие типы статей:

  • Краткое руководство — это пошаговые инструкции, которые позволяют совершать звонки в службу и получать результаты в кратчайшие сроки.
  • Руководства с практическими рекомендациями содержат инструкции по использованию службы более конкретными или индивидуальными способами.
  • Концептуальные статьи содержат подробные объяснения функциональности и возможностей службы.
  • Учебники — это более длинные руководства, которые показывают, как использовать эту службу в качестве компонента в более широких бизнес-решениях.

Обнаружение и анализ лиц

Обнаружение лиц требуется в качестве первого шага во всех других сценариях. API обнаружения обнаруживает человеческие лица на изображении и возвращает прямоугольные координаты их местоположений.Он также возвращает уникальный идентификатор, представляющий сохраненные данные о лицах, которые используются в последующих операциях для идентификации или проверки лиц.

По желанию, обнаружение лица может также извлекать набор атрибутов, связанных с лицом, таких как поза головы, возраст, эмоции, волосы на лице и очки. Эти атрибуты являются общими прогнозами, а не фактическими классификациями. Некоторые атрибуты полезны для обеспечения того, чтобы ваше приложение получало высококачественные данные о лицах, когда пользователи добавляют себя в службу Face (например, ваше приложение может посоветовать пользователям снять солнцезащитные очки, если пользователь носит солнцезащитные очки).

Примечание

Функция распознавания лиц также доступна через службу компьютерного зрения. Однако, если вы хотите использовать другие операции с лицами, такие как «Идентификация», «Проверка», «Найти похожие» или «Группировка лиц», вам следует использовать эту службу.

Дополнительную информацию об обнаружении и анализе лиц см. В статье о принципах обнаружения лиц. См. Также справочную документацию по API обнаружения.

Подтверждение личности

Современные предприятия и приложения могут использовать операции идентификации лица и проверки лица, чтобы убедиться, что пользователь является тем, кем они себя называют.Идентификацию лиц можно рассматривать как сопоставление «один ко многим». Кандидаты на совпадение возвращаются в зависимости от того, насколько точно их данные лица соответствуют лицу запроса. Этот сценарий используется для предоставления доступа к зданию определенной группе людей или проверки пользователя устройства.

На следующем изображении показан пример базы данных с именем «myfriends» . Каждая группа может содержать до 1 миллиона различных объектов-лиц. Для каждого объекта «человек» может быть зарегистрировано до 248 лиц.

После создания и обучения группы вы можете выполнить идентификацию группы с новым обнаруженным лицом.Если лицо идентифицируется как человек в группе, возвращается объект человека.

Проверка

Операция проверки отвечает на вопрос: «Эти два лица принадлежат одному и тому же человеку?». Проверка также называется сопоставлением «один-к-одному», потому что данные лица зонда сравниваются только с одним зарегистрированным лицом. Проверка используется в сценарии идентификации, чтобы перепроверить, что данное совпадение является точным.

Для получения дополнительных сведений о проверке личности см. Руководство по концепциям распознавания лиц или справочную документацию по API идентификации и проверки.

Найти похожие лица

Операция «Найти похожие» выполняет сопоставление лиц между целевым лицом и набором лиц-кандидатов, находя меньший набор лиц, которые похожи на целевое лицо. Это полезно для поиска лица по изображению.

Сервис поддерживает два режима работы: matchPerson и matchFace . Режим matchPerson возвращает похожие лица после фильтрации для одного и того же человека с помощью API проверки. Режим matchFace игнорирует фильтр одного и того же человека.Он возвращает список похожих лиц кандидатов, которые могут принадлежать или не принадлежать одному и тому же человеку.

В следующем примере показано целевое лицо:

И эти изображения — лица кандидатов:

Чтобы найти четыре похожих лица, режим matchPerson возвращает a и b, которые показывают того же человека, что и целевое лицо. Режим matchFace возвращает a, b, c и d — ровно четыре кандидата, даже если некоторые из них не являются тем же человеком, что и цель, или имеют низкое сходство.Дополнительные сведения см. В руководстве по концепциям распознавания лиц или справочной документации API поиска похожих.

Группа лиц

Операция «Группа» делит набор неизвестных лиц на несколько меньших групп на основе сходства. Каждая группа представляет собой непересекающееся собственное подмножество исходного набора граней. Он также возвращает единственный массив «messyGroup», содержащий идентификаторы лиц, для которых не было обнаружено сходства.

Все лица в возвращенной группе, скорее всего, принадлежат одному человеку, но для одного человека может быть несколько разных групп.Эти группы различаются по другому фактору, например, по экспрессии. Для получения дополнительной информации см. Руководство по концепциям распознавания лиц или справочную документацию по Group API.

Пример приложения

В следующих примерах приложений показано несколько способов использования службы Face:

  • FamilyNotes UWP-приложение — это приложение универсальной платформы Windows (UWP), которое использует идентификацию лица вместе с речью, Кортаной, чернилами и камерой в сценарии совместного использования семейных заметок.

Конфиденциальность и безопасность данных

Как и все ресурсы Cognitive Services, разработчики, использующие службу Face, должны знать политики Microsoft в отношении данных клиентов.Дополнительные сведения см. На странице Cognitive Services в Центре управления безопасностью Microsoft.

Следующие шаги

Следуйте инструкциям по быстрому запуску, чтобы закодировать основные компоненты приложения для распознавания лиц на выбранном вами языке.

распознавание лиц · PyPI

Интерфейс командной строки

Когда вы устанавливаете face_recognition, вы получаете простую командную строку программа

называется face_recognition, который можно использовать для распознавания лиц в

фотография или полная папка для фотографий.

Во-первых, вам нужно предоставить папку с одним изображением каждого человека. вы

уже знаю. Для каждого человека с

должен быть один файл изображения.

файлов, названных в соответствии с тем, кто изображен на картинке:

Далее вам понадобится вторая папка с файлами, которые вы хотите идентифицировать:

Затем вы просто запускаете команду face_recognition, передавая

папка известных людей и папка (или отдельное изображение) с неизвестно

человека, и он сообщает вам, кто изображен на каждом изображении:

 $ face_recognition./ pictures_of_people_i_know / ./unknown_pictures/

/unknown_pictures/unknown.jpg, Барак Обама
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
 

Выводится по одной строке для каждой грани. Данные через запятую

с именем файла и именем найденного человека.

Неизвестное_персонал — лицо на изображении, которое никому не соответствует в

твоя папка известных людей.

Регулировка допуска / чувствительности

Если вы получаете несколько совпадений для одного и того же человека, это может быть что

люди на ваших фотографиях очень похожи и имеют более низкий допуск значение

нужен для более строгого сравнения лиц.

Это можно сделать с помощью параметра —tolerance. По умолчанию допуск

Значение

составляет 0,6, а меньшие числа делают сравнение лиц более строгим:

 $ face_recognition --tolerance 0.54 ./pictures_of_people_i_know/ ./unknown_pictures/

/unknown_pictures/unknown.jpg, Барак Обама
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person
 

Если вы хотите увидеть расстояние до лица, рассчитанное для каждого совпадения в заказ

, чтобы отрегулировать настройку допуска, вы можете использовать —show-distance true:

 $ face_recognition --show-distance true./ pictures_of_people_i_know / ./unknown_pictures/

/unknown_pictures/unknown.jpg, Барак Обама, 0.378542298956785
/face_recognition_test/unknown_pictures/unknown.jpg,unknown_person,None
 
Другие примеры

Если вы просто хотите знать имена людей на каждой фотографии но не

заботится об именах файлов, вы можете сделать это:

 $ face_recognition ./pictures_of_people_i_know/ ./unknown_pictures/ | вырезать -d ',' -f2

Барак Обама
неизвестный человек
 
Ускорение распознавания лиц

Распознавание лиц можно делать параллельно, если у вас есть компьютер с

нескольких ядер ЦП.Например, если в вашей системе 4 ядра ЦП, вы банка

обрабатывает примерно в 4 раза больше изображений за тот же промежуток времени, используя

все ядра вашего процессора параллельно.

Если вы используете Python 3.4 или новее, передайте —cpus параметр <число_коресов_компьютера> для_использования>:

 $ face_recognition --cpus 4 ./pictures_of_people_i_know/ ./unknown_pictures/
 

Вы также можете передать —cpus -1, чтобы использовать все ядра ЦП в вашей системе.

Модуль Python

Вы можете импортировать модуль face_recognition, а затем легко манипулировать

лиц с парой строк кода.Это очень просто!

API Docs: https://face-recognition.readthedocs.io.

Автоматический поиск всех лиц на изображении
 импорт face_recognition

image = face_recognition.load_image_file ("my_picture.jpg")
face_locations = face_recognition.face_locations (изображение)

# face_locations теперь представляет собой массив, в котором перечислены координаты каждого лица!
 

Вы также можете выбрать более точное лицо, основанное на глубоком обучении. модель обнаружения.

Примечание. Для хорошо

Производительность

с этой моделью.Вы также захотите включить поддержку CUDA

при компилировании dlib.

 импорт face_recognition

image = face_recognition.load_image_file ("my_picture.jpg")
face_locations = face_recognition.face_locations (изображение, модель = "cnn")

# face_locations теперь представляет собой массив, в котором перечислены координаты каждого лица!
 

Если у вас много изображений и графический процессор, вы также можете

Автоматически определять черты лица человека на изображении
 импорт face_recognition

изображение = распознавание лиц.load_image_file ("my_picture.jpg")
face_landmarks_list = face_recognition.face_landmarks (изображение)

# face_landmarks_list теперь представляет собой массив с расположением каждой черты лица на каждом лице.
# face_landmarks_list [0] ['left_eye'] будет местоположением и контуром левого глаза первого человека.
 
Распознавать лица на изображениях и определять, кто они такие
 импорт face_recognition

picture_of_me = face_recognition.load_image_file ("me.jpg")
my_face_encoding = face_recognition.face_encodings (picture_of_me) [0]

# my_face_encoding теперь содержит универсальную «кодировку» моих черт лица, которую можно сравнить с любым другим изображением лица!

unknown_picture = face_recognition.load_image_file ("unknown.jpg")
unknown_face_encoding = face_recognition.face_encodings (unknown_picture) [0]

# Теперь мы можем видеть, что две кодировки лица одного и того же человека с `compare_faces`!

results = face_recognition.compare_faces ([my_face_encoding], unknown_face_encoding)

если результаты [0] == True:
    print ("Это моя фотография!")
еще:
    print («Это не моя фотография!»)
 

Face Off для лучших проверяющих

Психологи из Университета Южного Уэльса в Сиднее разработали новый тест на распознавание лиц, который поможет найти экспертов по распознаванию лиц для различных полицейских и государственных учреждений, включая отслеживание контактов.

Тест совпадения лиц в Глазго 2 [GFMT2] нацелен на высокоэффективных лиц, способных распознавать лица, известных как супер-распознаватели, которые обладают исключительной способностью запоминать и вспоминать лица.

Тип профессиональных ролей, которые включают идентификацию лиц и которые могут выиграть от теста, включают оформителей виз, выдачи паспортов, сотрудников пограничного контроля, полиции, лиц, отслеживающих контракты, а также сотрудников службы безопасности в частном секторе.

«Умение узнавать лица друзей и родственников — это навык, который большинство из нас считает само собой разумеющимся», — говорит научный сотрудник доктор Дэвид Уайт из Школы психологии UNSW.

«Но сравнивать изображения незнакомых лиц и решать, изображают ли они одного и того же человека, — задача, которую большинство наших участников находят сложной задачей, даже если у паспортов с многолетним опытом в этой задаче.

«Важным открытием в нашей области в последние годы стало то, что одни люди намного лучше других распознают лица по фотографиям.

«Это открытие изменило способ приема на работу сотрудников, например, паспортов и сотрудников полиции».

Ведущий следователь Сиднейской лаборатории исследования лиц Университета Южного Уэльса говорит, что тест GFMT2 полезен для выявления супер-распознавателей, которые использовались Столичной полицейской службой Лондона в уголовных расследованиях и, как известно, при предполагаемом отравлении бывших российских шпионов в Солсбери.

Тест GFMT2, расширенная версия оригинального теста Glasgow Face Matching, который был запущен 10 лет назад, был опубликован в журнале Behavior Research Methods .

Он был разработан в сотрудничестве с Йоркским университетом и Австралийской паспортной службой.

Научный сотрудник доктор Дэвид Уайт. Фото: Прилагается.

Доктор Уайт говорит, что текущий тест включает сопоставление лиц при изменениях, которые затрудняют идентификацию лиц в реальных задачах.

«Например, при сопоставлении изображений с камер видеонаблюдения и фотоснимков могут измениться угол головы, расстояние от объекта до камеры, качество изображения и выражение», — говорит он.

Он также включает тесты, нацеленные на лиц с низкой эффективностью распознавания лиц, таких как люди с прозопагнозией или «лицевой слепотой».

Улучшенный тест появился, когда федеральное правительство рассматривает возможность введения централизованной базы данных, в которой будут размещаться фотографии, собранные государственными и федеральными агентствами, включая фотографии полицейских и паспортные, иммиграционные документы и водительские права.

Одним из критических замечаний по поводу предложения базы данных было то, что программное обеспечение для распознавания лиц склонно к большому количеству ошибок, которые привели к неправомерным арестам.

«Эта технология показывает близкие совпадения с подозреваемым на экране, поэтому человеческий фактор на этом этапе может иметь серьезные последствия», — говорит доктор Уайт.

Но супер-распознаватели, обнаруженные GFMT2, можно использовать для проверки совпадений идентичностей, сделанных программным обеспечением распознавания лиц, и предотвращения ложных совпадений, говорит он.

«Этот новый тест особенно важен в наше время, когда программное обеспечение для распознавания лиц все чаще используется в качестве поисковой машины при расследованиях полиции и в условиях безопасности», — говорит он.

«Это намного перспективнее, чем обучение людей навыкам распознавания лиц.

«Наши недавние исследования показывают, что текущие курсы профессиональной подготовки по распознаванию лиц не улучшают работу людей».

Тест можно будет использовать в странах, включая Австралию, Новую Зеландию, Великобританию и Канаду.

«Мы многому научились за десятилетнее сотрудничество с профессиональными группами», — говорит доктор Роб Дженкинс из Школы психологии Йоркского университета.

«Новый тест — ответ на их требования».

Тест также позволяет проводить сравнения до и после, чтобы оценить влияние тренировок и других вмешательств.

«За последние 10 лет научное понимание восприятия лица значительно продвинулось», — говорит профессор Майк Бертон из Школы психологии Йоркского университета.

«Это обновление дало нам возможность накапливать новые знания».

Разработка теста GFMT2 была частью проекта ARC Linkage в сотрудничестве между UNSW Sydney и Австралийским паспортным управлением (DFAT).

Все тесты доступны бесплатно для использования в научных целях.

Прочтите про тест.

.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Закрыть
Menu