Face recognition windows 10 что это

Обновлено: 02.07.2024

В этой статье мы разберемся, что такое распознавание лиц и чем оно отличается от определения лиц на изображении. Мы кратко рассмотрим теорию распознавания лиц, а затем перейдем к написанию кода. В конце этой статьи вы сможете создать свою собственную программу распознавания лиц на изображениях, а также в прямом эфире с веб-камеры.

Содержание

Что такое обнаружение лиц?

Одной из основных задач компьютерного зрения является автоматическое обнаружение объекта без вмешательства человека. Например, определение человеческих лиц на изображении.

Лица людей отличаются друг от друга. Но в целом можно сказать, что всем им присущи определенные общие черты.

Существует много алгоритмов обнаружения лиц. Одним из старейших является алгоритм Виолы-Джонса. Он был предложен в 2001 году и применяется по сей день. Чуть позже мы тоже им воспользуемся. После прочтения данной статьи вы можете изучить его более подробно.

Обнаружение лиц обычно является первым шагом для решения более сложных задач, таких как распознавание лиц или верификация пользователя по лицу. Но оно может иметь и другие полезные применения.

Вероятно самым успешным использованием обнаружения лиц является фотосъемка. Когда вы фотографируете своих друзей, встроенный в вашу цифровую камеру алгоритм распознавания лиц определяет, где находятся их лица, и соответствующим образом регулирует фокус.

Что такое распознавание лиц?

Итак, в создании алгоритмов обнаружения лиц мы (люди) преуспели. А можно ли также распознавать, чьи это лица?

Итак, давайте разберемся, как мы распознаем лица при помощи глубокого обучения. Для начала мы производим преобразование, или, иными словами, эмбеддинг (embedding), изображения лица в числовой вектор. Это также называется глубоким метрическим обучением.

Для облегчения понимания давайте разобьем весь процесс на три простых шага:

Обнаружение лиц

Извлечение признаков

Вырезав лицо из изображения, мы должны извлечь из него характерные черты. Для этого мы будем использовать процедуру под названием эмбеддинг.

Теперь давайте разберемся, как это помогает в распознавании лиц разных людей.

Во время обучения нейронная сеть учится выдавать близкие векторы для лиц, которые выглядят похожими друг на друга.

Например, если у вас есть несколько изображений вашего лица в разные моменты времени, то естественно, что некоторые черты лица могут меняться, но все же незначительно. Таким образом, векторы этих изображений будут очень близки в векторном пространстве. Чтобы получить общее представление об этом, взгляните на график:

Чтобы определять лица одного и того же человека, сеть будет учиться выводить векторы, находящиеся рядом в векторном пространстве. После обучения эти векторы трансформируются следующим образом:

Здесь мы не будем заниматься обучением подобной сети. Это требует значительных вычислительных мощностей и большого объема размеченных данных. Вместо этого мы используем уже предобученную Дэвисом Кингом нейронную сеть. Она обучалась приблизительно на 3000000 изображений. Эта сеть выдает вектор длиной 128 чисел, который и определяет основные черты лица.

Познакомившись с принципами работы подобных сетей, давайте посмотрим, как мы будем использовать такую сеть для наших собственных данных.

Мы передадим все наши изображения в эту предобученную сеть, получим соответствующие вектора (эмбеддинги) и затем сохраним их в файл для следующего шага.

Марк Лутц «Изучаем Python»

Скачивайте книгу у нас в телеграм

Сравнение лиц

Теперь, когда у нас есть вектор (эмбеддинг) для каждого лица из нашей базы данных, нам нужно научиться распознавать лица из новых изображений. Таким образом, нам нужно, как и раньше, вычислить вектор для нового лица, а затем сравнить его с уже имеющимися векторами. Мы сможем распознать лицо, если оно похоже на одно из лиц, уже имеющихся в нашей базе данных. Это означает, что их вектора будут расположены вблизи друг от друга, как показано на примере ниже:

Итак, мы передали в сеть две фотографии, одна Владимира Путина, другая Джорджа Буша. Для изображений Буша у нас были вектора (эмбеддинги), а для Путина ничего не было. Таким образом, когда мы сравнили эмбеддинг нового изображения Буша, он был близок с уже имеющимися векторам,и и мы распознали его. А вот изображений Путина в нашей базе не было, поэтому распознать его не удалось.

Что такое OpenCV?

Компьютерное зрение работает как мост между компьютерным программным обеспечением и визуальной картиной вокруг нас. Оно дает ПО возможность понимать и изучать все видимое в окружающей среде.

Например, на основе цвета, размера и формы плода мы определяем разновидность определенного фрукта. Эта задача может быть очень проста для человеческого разума, однако в контексте компьютерного зрения все выглядит иначе.

Сначала мы собираем данные, затем выполняем определенные действия по их обработке, а потом многократно обучаем модель, как ей распознавать сорт фрукта по размеру, форме и цвету его плода.

В настоящее время существуют различные пакеты для выполнения задач машинного обучения, глубокого обучения и компьютерного зрения. И безусловно, модуль, отвечающий за компьютерное зрение, проработан лучше других.

Основные преимущества OpenCV :

имеет открытый программный код и абсолютно бесплатна
написана на C/C++ и в сравнении с другими библиотеками работает быстрее
не требует много памяти и хорошо работает при небольшом объеме RAM
поддерживает большинство операционных систем, в том числе Windows, Linux и MacOS.

Установка

Здесь мы будем рассматривать установку OpenCV только для Python. Мы можем установить ее при помощи менеджеров pip или conda (в случае, если у нас установлен пакет Anaconda).

1. При помощи pip

При помощи pip процесс установки может быть выполнен с использованием следующей команды:

2. Anaconda

Если вы используете Anaconda, то выполните следующую команду в окружении Anaconda:

Распознавание лиц с использованием Python

В этой части мы реализуем распознавание лиц при помощи Python и OpenCV. Для начала посмотрим, какие библиотеки нам потребуются и как их установить:

OpenCV
dlib
Face_recognition

Библиотека dlib , поддерживая Дэвисом Кингом, содержит реализацию глубокого метрического обучения. Мы ее будем использовать для конструирования векторов (эмбеддингов) изображений, играющих ключевую роль в процессе распознавания лиц.

Библиотека face_recognition , созданная Адамом Гейтгеем, включает в себя функции распознавания лиц dlib и является по сути надстройкой над ней. С ней очень легко работать, и мы будем ее использовать в нашем коде. Имейте ввиду, что ее нужно устанавливать после библиотеки dlib .

Для установки OpenCV наберите в командной строке:

Далее, для установки библиотеки face_recognition наберите в командной строке следующее:

Теперь, когда все необходимые модули установлены, приступим к написанию кода. Нам нужно будет создать три файла.

Первый файл будет принимать датасет с изображениями и выдавать эмбеддинг для каждого лица. Эти эмбеддинги будут записываться во второй файл. В третьем файле мы будем сравнивать лица с уже существующими изображениями. А затем мы сделаем тоже самое в стриме с веб-камеры.

Извлечение признаков лица

Для начала вам нужно достать датасет с лицами или создать свой собственный. Главное, убедитесь, что все изображения находятся в папках, причем в каждой папке должны быть фотографии одного и того же человека.

Затем разместите датасет в вашей рабочей директории, то есть там, где выбудете создавать собственные файлы.

Сейчас мы сохранили все эмбеддинги в файл под названием face_enc . Теперь мы можем их использовать для распознавания лиц на изображениях или во время видеострима с веб-камеры.

Распознавание лиц во время прямой трансляции веб-камеры

Вот код для распознавания лиц из прямой трансляции веб-камеры:

В данном примере для обнаружения лиц использовался метод cv2.CascadeClassifier() из библиотеки OpenCV. Но вы с таким же успехом можете пользоваться и методом face_recognition.face_locations() , как мы уже делали в предыдущем примере.

Распознавание лиц на изображениях

Код для обнаружения и распознавания лиц на изображениях почти аналогичен тому, что вы видели выше. Убедитесь в этом сами:

Результат:

На этом наша статья подошла к концу. Мы надеемся, что вы получили общее представление о задачах распознавания лиц и способах их решения.

Всем привет! Я уже писал статью о том, как разблокировать ваш компьютер с помощью датчика отпечатка пальца на Android смартфоне. Интересно? Ссылка будет в самом конце статьи* Но сегодня мы с вами поговорим о том как использовать функцию Windows Hello! на любом ноутбуке, нетбуке или стационарном компьютере. При этом дорогие камеры RealSence не потребуются! Этот способ поможет активировать разблокировку ПК по лицу на 99.99% современных и не очень компьютеров (работает на Windows 7, 8.1 и последних сборках Windows 2020).

Ну что? Давайте приступим!

. но в начале коротенькая демонстрация

Обратите внимание! На веб камере у меня стоит "заглушка", а темнота вокруг создана специально для того, чтобы показать, что камера может определить пользователя даже при очень плохом освещении. И у меня обычная камера на 1 МП. Задержка была вызвана тем, что я опустил камеру, чтобы та не загораживала моё лицо. Обратите внимание! На веб камере у меня стоит "заглушка", а темнота вокруг создана специально для того, чтобы показать, что камера может определить пользователя даже при очень плохом освещении. И у меня обычная камера на 1 МП. Задержка была вызвана тем, что я опустил камеру, чтобы та не загораживала моё лицо.

Как мне кажется, все работает более чем прекрасно. В данном случае используется технология распознавания лица " KeyLemon " (стартап из Швейцарии, их компания была основана в 2008 году и последние 10 лет они занимаются тем, что развивают системы биометрической безопасности | они также разработали свою технологию распознавания голоса, / если вам хочется узнать о них чуть больше, то посетите их официальный сайт). На самом деле они единственные на рынке, кто придумал подобное ноу-хау: у Lenovo это был "VeriFace", у Microsoft "Windows Hello", "Face ID" у компании Apple. Преимущество KeyLemon заключается в том, что это не брендированная технология - они не принадлежат ни Google, ни Facebook, ни кому бы то ни было еще. Они продают свою технологию сторонним OEM-производителям.

Программа представляет собой комплексный набор для защиты личных данных на вашем ПК. В базовой версии доступна разблокировка по лицу, но если вы захотите чего-нибудь большего, вроде автоблокировки компьютера в ваше отсутствие (веб-камера вас больше не видит), то потребуется покупать лицензию. И подобных "расширений" довольно много. Программа представляет собой комплексный набор для защиты личных данных на вашем ПК. В базовой версии доступна разблокировка по лицу, но если вы захотите чего-нибудь большего, вроде автоблокировки компьютера в ваше отсутствие (веб-камера вас больше не видит), то потребуется покупать лицензию. И подобных "расширений" довольно много.

Приведу пример, чтобы развеять все ваши сомнения. Есть такая компания Stardock, которая разработала бесплатную утилиту Fences - это менеджер по контролю пространства на рабочем столе. Очень классная программа и распространяется совершенно бесплатно. Компания HP (производитель ноутбуков) приобрела права на установку программы Fences в свои компьютеры вместе с остальным фирменным софтом. Таким образом бесплатная программа приносит деньги своим разработчикам. Потом Stardock часть функций сделала платными, и вот уже пользователи, которые привыкли к этой программе, покупают дополнительные функции, чтобы пользоваться любимой программой на другом компьютере, отличным от Hewlett-Packard. С KeyLemon то же самое!

Надеюсь я все удачно разложил по полочкам и теперь ни у кого не возникнет никаких сомнений касаемо того, почему данный софт бесплатен для домашнего пользования. Загружаем программу по моей ссылке ( это версия 3.2.3 - она поддерживает работу на Windows 10 самой последней сборки 2020 / на текущий момент финальная версия программы KeyLemon идет под номером 4.0.3, но в последнем релизе очень много ограничений, разработчики стали чуть "жаднее", так как на Западе данная утилита обрела свою популярность и аудиторию).

При первом создании биометрического профиля вам необходимо включить свет, снять очки (если вы их носите), сесть ровно перед компьютером и смотреть не на камеру, а в центр экрана. В таком положении через 5-10 секунд (в зависимости от особенностей строения вашего лица) будет создана модель вашего лица. Все данные хранятся в зашифрованном виде внутри программы и никуда не передаются. При первом создании биометрического профиля вам необходимо включить свет, снять очки (если вы их носите), сесть ровно перед компьютером и смотреть не на камеру, а в центр экрана. В таком положении через 5-10 секунд (в зависимости от особенностей строения вашего лица) будет создана модель вашего лица. Все данные хранятся в зашифрованном виде внутри программы и никуда не передаются.

Разбираем интерфейс программы (она на английском, но это вообще не проблема) - здесь все предельно просто:

Devices - выбираем какую веб-камеру использовать для авторизации в системе (если у вас есть внешняя карта захвата, то обязательно пройдите в этот раздел / у меня она есть и может случиться такое, что она будет выбрана устройством по умолчанию)

Face models - здесь мы создаем свой профиль безопасности. Для этого вам надо будет сделать свой снимок и позволить программе проанализировать его. После чего KeyLemon попросит вас подтвердить, что вы владелец данной учетной записи Windows - вам потребуется ввести пароль от компьютера. Если же у вас на компьютере активированы две учетные записи: Microsoft и локальная, то KeyLemon примет пароль от главной (учетная запись Microsoft). Если на ПК только локальная, то указывайте пароль от нее.

Обязательно пройдите в настройки и отключите проверку обновлений. Как я уже писал в самом начале - в последних версиях данной утилиты очень много ограничений. Обязательно пройдите в настройки и отключите проверку обновлений. Как я уже писал в самом начале - в последних версиях данной утилиты очень много ограничений.

General - здесь мы можем сменить язык программы (в любом случае русского нет). Также рекомендую вам отключить проверку обновлений. Переход с третьей версии на четвертую невозможен, но были в моей практике случаи, когда разработчики все равно находили способ обновить бесплатную версию программы на новую, которая после обновления стала платной (пример из моих прошлых статей "CloseAll" | статья "Тормозит компьютер? Как закрыть все ненужные программы в один клик") - так что лучше отключите.

Спасибо вам за внимание. Буду рад, если поставите лайк и поделитесь в комментариях - какими технологиями распознавания лица вы пользовались (кроме Face ID)? Мне вот не довелось поработать с VeriFace - насколько хорошо она работает? Как вам в целом идея разблокировки ПК через биометрические данные?

Ссылка на загрузку " KeyLemon " версии 3.2.3 > я ссылка, кликни на текст <

Технология распознавания лиц (Face Recognition) с каждым годом становится все более популярной в современном мире. Китай запустил данную технологию в школах для контроля за посещением уроков школьниками и их поведением. Многие аэропорты мира уже используют технологию распознавания лиц для обеспечения безопасности на своей территории. Гипермаркеты применяют данную технологию для классификации своих покупателей и изоляции (задержания) лиц, которые ранее были замечены в попытках обмана магазина. Несомненно, что диапазон применений технологии распознавания лиц в ближайшее время будет только расти.

В данной статье мы рассмотрим создание системы распознавания лиц с помощью платы Raspberry Pi и библиотеки OpenCV. Достоинством развертывания такой системы на основе платы Raspberry Pi является то, что система получается чрезвычайно компактной и ее можно будет установить в любом удобном месте. Как и во всех других системах распознавания лиц, у нас будет две программы (на python), одна из которых будет тренировочной программой (Trainer program) и будет анализировать набор фотографий с определенными людьми, после чего она будет создавать набор данных в формате YML файла. Вторая программа будет непосредственно программой распознавания (Recognizer program), которая будет обнаруживать на изображении лицо человека и затем использовать набор данных YML чтобы распознать его и подписать имя человека на изображении. В нашем проекте обе эти программы написаны для Raspberry Pi (Linux), однако с небольшими изменениями они будут работать и на компьютерах с операционной системой Windows.

Для реализации данного проекта нам понадобится библиотека OpenCV. Как ее установить на плату Raspberry Pi можно прочитать в данной статье.

Как работает распознавание лиц с OpenCV

На этом этапе необходимо отметить, что обнаружение лица (Face Detection) и распознавание лица (Face Recognition) – это две разные задачи. При обнаружении лица обнаруживается только лицо человека и программное обеспечение не имеет узнать человека. А вот в задаче распознавания лица программное обеспечение должно не только обнаружить лицо, но и распознать его. То есть перед распознаванием лица нам необходимо сначала обнаружить лицо. Каким образом библиотека OpenCV производит обнаружение лица или какого-либо другого объекта на изображении, мы в данной статье рассматривать не будем, информации об этом достаточно много в сети интернет.

Видео, получаемое с камеры, есть не что иное как последовательность изображений, следующих одно за другим. А каждое из этих изображений представляет собой просто набор пикселов, размещенных на определенных позициях. Так каким же образом программа среди этих пикселов может обнаруживать лицо и затем распознавать его? Для этого в настоящее время существует уже достаточно много разработанных алгоритмов, но их изучение не является целью данной статьи. И, поскольку мы будем использовать библиотеку OpenCV для решения задачи распознавания лиц, то нам нет необходимости глубоко вникать в эти вопросы, нам просто нужно будет использовать соответствующие функции этой библиотеки.

Обнаружение лиц в OpenCV с использованием каскадов Хаара

Мы сможем распознать лицо только если правильно его обнаружим (выделим из полного изображения). Для обнаружения таких объектов как лицо OpenCV использует классификаторы/каскады (Classifiers). Эти классификаторы предварительно тренируются (обучаются) на наборе данных (XML файл), после чего они могут быть использованы для обнаружения определенных объектов, в нашем случае лиц. Более подробно о классификаторах для обнаружения лиц вы можете прочитать в сети Интернет - в последнее время об этом пишут достаточно много. Кроме обнаружения лиц классификаторы/каскады могут также использоваться для обнаружения других объектов: нос, глаза, улыбка, автомобильные номера и многое другое. Список данных классификаторов можно скачать по следующей ссылке:

Также библиотека OpenCV позволяет вам создать свой собственный классификатор/каскад (Classifier), который можно использовать для обнаружения любого объекта на изображении при помощи обучения вашего каскада Хаара. В этой статье мы будем использовать классификатор под названием “haarcascade_frontalface_default.xml”, который способен обнаруживать лицо при виде на него спереди (по фронту). Как его использовать мы рассмотрим далее в статье.

Установка необходимых пакетов

Вначале убедитесь что на вашей плате Raspberry Pi установлен pip, только после этого можно переходить к установке необходимых пакетов.

Установка dlib

Dlib – это инструмент для приложений машинного обучения (Machine Learning) и анализа данных. Для его установки введите следующую команду в терминале:

Адаптировали статью Файзана Шайха о том, как создать модель распознавания лиц и в каких сферах её можно применять.

Елена Борноволокова

За последние годы компьютерное зрение набрало популярность и выделилось в отдельное направление. Разработчики создают новые приложения, которыми пользуются по всему миру.

В этом направлении привлекает концепция открытого исходного кода. Даже технологические гиганты готовы делиться новыми открытиями и инновациями со всеми, чтобы технологии не оставались привилегией богатых.

Одна из таких технологий — распознавание лиц. При правильном и этичном использовании эта технология может применяться во многих сферах жизни.

В этой статье покажем, как создать эффективный алгоритм распознавания лиц, используя инструменты с открытым исходным кодом. Прежде чем перейти к этой информации, хотим, чтобы вы подготовились и испытали вдохновение, посмотрев это видео:

Распознавание лиц: потенциальные сферы применения

Приведу несколько потенциальных сфер применения технологии распознавания лиц.

Распознавание лиц в соцсетях. Facebook заменил присвоение тегов изображениям вручную на автоматически генерируемые предложения тегов для каждого изображения, загружаемого на платформу. Facebook использует простой алгоритм распознавания лиц для анализа пикселей на изображении и сравнения его с соответствующими пользователями.

Распознавание лиц в сфере безопасности. Простой пример использования технологии распознавания лиц для защиты личных данных — разблокировка смартфона «по лицу». Такую технологию можно внедрить и в пропускную систему: человек смотрит в камеру, а она определяет, разрешить ему войти или нет.

Распознавание лиц для подсчёта количества людей . Технологию распознавания лиц можно использовать при подсчёте количества людей, посещающих какое-либо мероприятие (например, конференцию или концерт). Вместо того чтобы вручную подсчитывать участников, устанавливаем камеру, которая может захватывать изображения лиц участников и выдавать общее количество посетителей. Это поможет автоматизировать процесс и сэкономить время.

Читайте также: