Изучение Python OpenCV / Урок #7 – Распознавание лиц — Transcript

Full transcript

1. 0:00привет в ходе этого урока мы научимся
2. 0:02распознавать лица на различных
3. 0:03изображениях при помощи библиотеки
4. 0:05opencv
5. 0:06но перед началом я рекомендую вам сайт
6. 0:09айти prodir точка ком на этом сайте вы
7. 0:11найдете код домашнее задание и много
8. 0:12другой полезной информации ссылка на
9. 0:14этот урок на сайте будет в описании к
10. 0:16этому видео переходите
11. 0:17не пожалеете для распознавания объектов
12. 0:20на фото или видео необходимо иметь
13. 0:22натренированы you нейронную сеть в нашем
14. 0:24случае нужно иметь нейронную сеть что
15. 0:26натренировано распознавать лица мы с
16. 0:28вами в ходе урока не будем тренировать
17. 0:30нейрон кум так как этот долгий и
18. 0:32достаточно сложный процесс
19. 0:34если говорить вкратце об этом процессе
20. 0:36заключается он в том чтобы дать не рамки
21. 0:38десятки тысяч фото и дать им
22. 0:41возможностей самой находить на нем лица
23. 0:43мы же каждый раз при неверном варианте
24. 0:45должны говорить ей об этом и тем самым
25. 0:47после 100 а может и миллиона раз ее
26. 0:49диапазон для нахождения правильного
27. 0:51ответа будет скорректирован то есть весы
28. 0:53для выбора верного ответа они будут
29. 0:56скорректированы и в дальнейшем при ее
30. 0:58использовании она будет верно находить
31. 1:00нужный объект на любом фото или же видео
32. 1:03натренировать такое в домашних условиях
33. 1:05достаточно сложно а главное бессмысленно
34. 1:08ведь уже существуют готовые
35. 1:09натренированные модели что можно
36. 1:11использовать в своих целях
37. 1:12именно так мы и поступим в ходе этого
38. 1:14урока и будем уже просто использовать
39. 1:16готовую натренирован ую модель в наших
40. 1:18целях так же для тех кто хочет все же
41. 1:20попробовать самостоятельно тренировать
42. 1:21хоть и простую но все же свою нейрон
43. 1:23ком-то у меня есть видео на канале на
44. 1:25эту тему там происходит процесс
45. 1:27тренировки супер простой нейронной
46. 1:29системы ссылку на это видео я оставлю в
47. 1:31описании к этому видео
48. 1:32найти готовые натренированные модели
49. 1:34можно на официальной странице о пенсии в
50. 1:37дет ссылку на эту страницу я оставлю в
51. 1:40описании этому видео и здесь вы можете
52. 1:42найти множество различных файлов каждый
53. 1:45файл это определенная натренированная
54. 1:46модель но и за счет каждого из этих
55. 1:48файлов
56. 1:49вы можете находить определенные объекты
57. 1:50на изображении вот предположим если вам
58. 1:53нужно отследить не просто все лицо а
59. 1:55лишь например глазам то в таком случае
60. 1:57можно использовать вот эту вот эту
61. 1:59первую модель которая служит для
62. 2:00нахождения только глаз или же если вам
63. 2:03вдруг необходимо найти допустим
64. 2:05полностью всего человека не просто его
65. 2:07лицо опять же а полностью всего человека
66. 2:09то можно использовать вот эту вот модель
67. 2:11которая называется full body
68. 2:12также здесь
69. 2:13есть другие различные модели например
70. 2:15для нахождения
71. 2:16номерного знака на автомобиле также для
72. 2:19нахождения улыбки для нахождения верхней
73. 2:22части например человеком и так далее нас
74. 2:25интересует модель что позволяет
75. 2:26отслеживать исключительно лицо и такая
76. 2:30модель она называется frontol space
77. 2:32дефолт соответственно именно эту модель
78. 2:34мы с вами и будем использовать в будущем
79. 2:36мы также сможете поработать с
80. 2:37какими-либо другими моделями так как
81. 2:39принцип работы с ними ничем не будет
82. 2:41отличаться от того принципа что мы
83. 2:43изучим в ходе этого урока на данный
84. 2:45момент мы давайте перейдем на страницу с
85. 2:47нужные моделью сама модель она состоит
86. 2:49лишь из одного файла который достаточно
87. 2:51огромный потому что он содержит 33
88. 2:53тысячи строчек кода ну и по факту сам
89. 2:56этот файл он состоит из xml
90. 2:58разметки где у нас прописывается
91. 3:00различные числа сами же эти числа они
92. 3:03представляют из себя весы на основе
93. 3:05которых как раз нейронная сеть нейрона и
94. 3:07вот это вот модель сможет определить
95. 3:09нужный объект
96. 3:10мы давайте с вами просто скопируем весь
97. 3:12вот этот вот код что здесь представлен
98. 3:14чтобы его скопировать мы нажмем на
99. 3:16кнопочку row
100. 3:17в таком случае мы сможем просмотреть
101. 3:19весь этот код ну как обычный текст
102. 3:21здесь же мы выбираем весь текст также
103. 3:23его копируем и далее внутри проекты мы
104. 3:26давайте создадим некий новый файл
105. 3:28назвать его можно как угодно я допустим
106. 3:30его на звук от фейс с главное чтобы у
107. 3:32него расширение было как точкой xml
108. 3:34потому что внутри этого файла мы
109. 3:35действительно будем вставлять с вами
110. 3:36именно xml ну и внутри файла мы просто
111. 3:39вставляем полностью весь вот этот вот
112. 3:41код нам с этим кодом никак не
113. 3:43потребуется работать по сути это просто
114. 3:45весы
115. 3:46ну то есть различные цифры за счет
116. 3:48которых как раз и геронта будет решать
117. 3:50что необходимо выбрать нам с этим файлом
118. 3:53ну по факту и вы изменяете работать
119. 3:55как-то особо не потребуется
120. 3:56этом можем перейти в основной файл где
121. 3:58мы как раз и будем прописывать весь
122. 3:59необходимый код вот только перед тем как
123. 4:01мы будем прописывать весь основной год я
124. 4:04давайте внутрь папки imagex добавлю
125. 4:06несколько новых изображений
126. 4:07ну и соответственно мы их сейчас добавим
127. 4:09внутри проекта а чуть позже будем их
128. 4:11использовать теперь наконец приступаем к
129. 4:13написанию кода для начала создадим некую
130. 4:15переменным и в эту переменную мы
131. 4:18поместим с вами просто определенное
132. 4:19изображение для этого используем метод
133. 4:21ай эм рид здесь обращаемся к папке и
134. 4:23magic и отсюда я выберу например первое
135. 4:26мое
136. 4:26изображение чуть позже будем работать
137. 4:28еще с другими изображениями далее мы
138. 4:31давайте это изображение преобразуем к
139. 4:33серому формату соответственно я в эту же
140. 4:36перемену им делаю устанавливать
141. 4:37следующий я обращаюсь к нашей библиотеке
142. 4:39обращаюсь к методу конверт color и здесь
143. 4:42я просто говорю что к этому же
144. 4:44изображением я применяю такой формат
145. 4:47который мне будет называться как color
146. 4:49begin the great давайте мы его здесь и
147. 4:52пропишем в таком случае наше фото она
148. 4:55становится лишь с одним слоем это серый
149. 4:57серый как бы слой и конечно же такое
150. 5:00фото будет обработать гораздо быстрее
151. 5:02гораздо проще нежели фото где у нас есть
152. 5:04три слоя далее следующее что нам
153. 5:07необходимо сделать так это нам
154. 5:09необходимо вытянуть вот этот вот файл
155. 5:11css .
156. 5:12xml по сути нам нужно вытянуть вот эту
157. 5:14вот натренирован ую модель для этого я
158. 5:17создаю некую новую переменную
159. 5:18предположим пускай она будет развиваться
160. 5:20как fights с далее мы обращаемся опять
161. 5:23же к нашей библиотеке и обращаемся к
162. 5:25такому методу с которыми мы пока еще не
163. 5:27работали этот метод он называется к
164. 5:29скейт классе фар
165. 5:30суть этого метода просто он берет некий
166. 5:32файл и вытягивает этот файл именно как
167. 5:35натренирован ую модель но и здесь мы
168. 5:37просто должны указать с каким файлом мы
169. 5:38работаем поскольку этот файл он мне
170. 5:40находится там же где и файл main . пайм
171. 5:43то соответственно просто могу обратиться
172. 5:45здесь к нему по названию это псс .
173. 5:47xml все мы вытянули нужную он
174. 5:49тренированный модель и теперь мы ее
175. 5:51можем использовать
176. 5:52давайте мы попробуем с вами создать еще
177. 5:54некую перемену им давать ее назовем как
178. 5:57раза лс и эта переменная она будет
179. 5:59содержать как раз координаты
180. 6:01найденных лиц и сейчас мы чтобы найти
181. 6:05вот эти координаты мы обращаемся к css
182. 6:07напомнив iceice от у нас натренированная
183. 6:09модель мы обращаемся к натренированной
184. 6:12модели и дальше через эту внутри
185. 6:13неровную модель мы обращаемся к такому
186. 6:15методу как detect молды скейл за счет
187. 6:18этого метода мы находим координаты всех
188. 6:21найденных объектов в нашем случае
189. 6:24найденные объекты найденные объекты это
190. 6:26будут литься
191. 6:27здесь же нужно указать изображением на
192. 6:29котором мы будем все искать а также
193. 6:31нужно указать такой параметр как скейл
194. 6:34фактор и на данный момент возможно
195. 6:35давайте устном как 2
196. 6:36а также расскажу что же это такое
197. 6:38предположим что нашу модель нашу
198. 6:41нейронную модель ён и тренировали на
199. 6:43таких изображениях которые имели в
200. 6:45ширину 320 пикселей в высоту ну допустим
201. 6:48180 пикселей вот такие например были
202. 6:51маленькие изображения и как раз на
203. 6:53основе таких маленьких изображений
204. 6:54натренировали нашу модель мы же на
205. 6:57данный момент используем достаточно
206. 6:58большие изображения
207. 7:00а соответственно этих больших
208. 7:01изображениях лица тоже намного больше
209. 7:04нежели отелится который вот могли быть в
210. 7:07этой вы тех вернее прошлых изображениях
211. 7:10соответственно мы можем указать то что
212. 7:12мы в принципе можем сейчас находить лица
213. 7:15которые могут быть в два раза больше
214. 7:17нежели те лица что были указаны в
215. 7:20натренированной модели вообще на данный
216. 7:22момент я не знаю какое число сюда стоит
217. 7:24подставить поэтому я возможно один сюда
218. 7:26подставлю потом мы запустим программу
219. 7:28если оно обработается некорректно там
220. 7:30это значение с вами возможно увеличим на
221. 7:32данный момент мы скажем то что мы ищем
222. 7:35на фотографиях лица которые по факту
223. 7:38будут с таким же размером который был
224. 7:40указан вы тех фотографиях что
225. 7:43использовались для тренировки самой этой
226. 7:45модели то есть мы не меняем как бы
227. 7:47размер лиц возможно нам потребуется это
228. 7:50сделать а возможно и не потребуется чуть
229. 7:52позже мы это с вами выясним также
230. 7:54дополнительно здесь нам ещё необходимо
231. 7:56указать
232. 7:57мин ней морс и за счет этого значения мы
233. 7:59указываем как много может быть соседей
234. 8:03рядом с найденным объектом и вот
235. 8:05предположим если мы ищем но и не знаю
236. 8:08например там самолеты да то
237. 8:09соответственно
238. 8:11рядом самолет она прям друг возле друга
239. 8:13не стоять попросту не могут до 0
240. 8:15например с ним в воздухе их там за мире
241. 8:17то здесь можно было бы указать значение
242. 8:19какой-то побольше
243. 8:20поскольку мы говорим именно про лица у
244. 8:22меня здесь есть такие фотографии где
245. 8:24достаточно все близко находится там и
246. 8:26давайте сейчас укажем с вами какое-то
247. 8:28небольшое значение ну допустим 3
248. 8:30опять-таки после перезапусков найти
249. 8:32возможно значение будем с вами менять на
250. 8:34данный момент мне давайте их оставим вот
251. 8:36в таком формате то бишь скейл фактор он
252. 8:38указывает насколько крупнее лица мы
253. 8:40можем искать в нашем случае насколько
254. 8:42крупнее лица мы можем искать а my
255. 8:43neighbors он указывает насколько много
256. 8:46может быть найденных объектов
257. 8:49как бы который будет находиться друг
258. 8:51возле друга да ну и опять-таки эти
259. 8:53значения если что чуть позже мы будем с
260. 8:55вами менять на данный момент я предлагаю
261. 8:58пока это все не запускать просто по той
262. 9:00причине что если мы сейчас то все
263. 9:02запустим мы особо ничего не заметим ну
264. 9:04да я могу в принципе вывести эти
265. 9:06результаты в терминал но это особо нам
266. 9:09никакой информации не даст мы давайте
267. 9:11сейчас с вами лучше сделаем так что все
268. 9:13найденные лица они будут выделены вы
269. 9:16квадратики ну и тем самым будем понимать
270. 9:18что нерон к обработала все корректно и
271. 9:20лица были найдены чтобы нам все
272. 9:24найденные лица когда ввести в квадратик
273. 9:26нам необходимо создать цикл
274. 9:28это цикл он будет содержать несколько
275. 9:31значений
276. 9:33поэтому здесь как бы создаем кортеж
277. 9:34который будет с который будет состоять
278. 9:36из нескольких значений во первых эта
279. 9:38позиция
280. 9:39как бы по координате x это позиция по
281. 9:42координате y
282. 9:44также это будет ширина и соответственно
283. 9:46высота самого найденного
284. 9:49лица и все это мы перебираем с вами в
285. 9:51нашем вот этом вот списке которая
286. 9:53называется резать по факту резалт он нам
287. 9:55и вернет все вот эти вот значение то что
288. 9:58вернет как г-координаты где у нас была
289. 10:00найдена лицо
290. 10:01а также он и он вернет нам ширину и
291. 10:04высоту самого этого вот найденного лица
292. 10:07за счет этих уже значений спокойно
293. 10:09сможем отчертить квадратик вокруг
294. 10:11найденного место чтобы нам очертить
295. 10:14квадратик мы просто обращаемся к самой
296. 10:16библиотеки обращаемся к к к к к к такому
297. 10:19методу
298. 10:19здесь мы говорим с каким изображением
299. 10:21работаем работаем с тем же самым
300. 10:23изображением что изначально далее нам
301. 10:25нужно указать как бы первоначальную
302. 10:27точку и первоначальная .
303. 10:29это в нашем случае это вот эти вот
304. 10:30координате координаты x
305. 10:32а также игорь и далее нам нужно указать
306. 10:34точку ну вернее 2 по следующей точке
307. 10:38нашим этого квадрата и в качестве двух
308. 10:41последующих точек мы делаем следующее то
309. 10:43есть мы к первоначальной точки добавляем
310. 10:46ширину всего нашего
311. 10:48найденного лица а также мы к точке y
312. 10:52добавляем высоту всего найденного лица
313. 10:54тем самым мы как бы очертим нужный для
314. 10:56нас квадрат вот такая здесь будет логика
315. 10:58дополнительно мы можем здесь указать
316. 11:00какой-либо цвет давайте я буду например
317. 11:02окрашивать это все возможно вы красный
318. 11:05цвет поэтому 00 255 опять-таки би джей
319. 11:08ар да то есть вот у нас идет в конце
320. 11:10поэтому здесь весь 55 конец добавляю ну
321. 11:14и конечно же нужно указать
322. 11:15сын князь это ширина обводки здесь
323. 11:19возможно мы давайте укажем как 3
324. 11:21если не понравится то потом это исправят
325. 11:23ну и в самом низу мы давайте еще
326. 11:26обратимся к и м шоу и здесь просто
327. 11:28выведем изображением конечно же еще
328. 11:30забыл указать подписи здесь давайте
329. 11:32будет написано проезжал ну и также чтобы
330. 11:34все это обработалось необходимо еще и
331. 11:37использовать в бейки и здесь на данный
332. 11:39момент устной просто значение как 0
333. 11:41ok наконец давайте мы это с вами сейчас
334. 11:44все запустим мы замечаем что нас
335. 11:46выдается ошибка мда и ошибка выдается
336. 11:49под обретение что скилл фактор нужно
337. 11:51установить чуть больше чем один давить
338. 11:53он здесь говорит что есть такая проверка
339. 11:54как скилл фактор больше чем один ну и
340. 11:57соответственно давайте мы стоим здесь
341. 11:581.1 таком случае он должен обработать а
342. 12:00корректная ok программа у нас теперь
343. 12:02запустилась без ошибок в то же время мы
344. 12:04можем заметить что программа не особо
345. 12:06здорово обработала изображением потому
346. 12:08что лица она конечно же нашла но
347. 12:11дополнительно были найдены какие-либо
348. 12:13другие объекты что совершенно не
349. 12:15являются лицами плюс изображения
350. 12:17вывелось вы сером формате это мы также
351. 12:20давайте исправим изначально исправим
352. 12:22немного
353. 12:22нейронную сеть мы давайте устроим скилл
354. 12:25фактор здесь со значением 2 то есть ни
355. 12:27один и один она пример 2 в таком случае
356. 12:30мы замечаем что вике уже намного меньше
357. 12:32стало в дать их вот квадратиков также до
358. 12:34сих пор остается еще вот этот вот
359. 12:35квадратик ну и чтобы его тоже убрать мы
360. 12:37давайте
361. 12:38neighbors укажем чуть побольше еще раз
362. 12:41это все запустим и вот замечаем что
363. 12:43теперь все обработалось точно
364. 12:45идеально то есть у нас были на один
365. 12:47только лица они
366. 12:48были обведены все обработалось без
367. 12:51каких-либо ошибок также мы давайте
368. 12:53все-таки наши изображения
369. 12:54будем выводить цветным и если мы
370. 12:57попробуем сейчас вот это изображение из
371. 12:59серого формата сконвертировать в major
372. 13:02это скорее всего не получится сделать на
373. 13:05давайте я попробую это сделать но скорее
374. 13:07всего это не получится сделать то здесь
375. 13:09указан и м джим также мы указан формат
376. 13:11это color это color gray ту art by
377. 13:15например или в нашем случае лучше
378. 13:17бильярда и если такое попробую запустить
379. 13:19ну давайте посмотрим до съемки у нас до
380. 13:22сих пор сера изображение отображается то
381. 13:24есть это не это нам как бы не помогло
382. 13:26поэтому чтобы все это исправить мы
383. 13:29давайте сделаем вот что мы создадим с
384. 13:31вами здесь новую переменную и в эту
385. 13:34перемену мы как раз будем помещать сера
386. 13:36изображением цветное изображение до сих
387. 13:38пор будет находиться у нас в переменной
388. 13:40m чем далее здесь мы будем использовать
389. 13:43именно то же изображение которое
390. 13:44называется как grey
391. 13:46а далее мы уже на цветном изображении
392. 13:48вот здесь будем рисовать эти все
393. 13:50квадратики и впоследствии именно это
394. 13:52изображение мы будем показывать
395. 13:54пользователю если такое перезапустить
396. 13:56вот оно все обработалось корректно то
397. 13:58есть логика тут заключается в том что мы
398. 14:00как бы работаем с вами именно с серым
399. 14:03изображением но выводим информацию уже
400. 14:06на цветном изображении вот такая здесь
401. 14:07присутствовать лойко но и дополнительно
402. 14:09мы давайте еще протестируем и другие
403. 14:11изображением например people 2 здесь
404. 14:14укажем также запускаем программу и вот
405. 14:16мы замечаем что он не обнаружил здесь
406. 14:18лицо давайте чтобы он все-таки обнаружил
407. 14:21лицом и чуть-чуть уменьшим scale factor
408. 14:23и попробуем с этим немного поиграться
409. 14:25ну и в таком случае да вот видите я
410. 14:27уменьшил скилл фактор и он действительно
411. 14:29нашел нужное лицо также возможно давайте
412. 14:32мы еще 3 изображение тоже здесь
413. 14:34протестируем итак запускаем программу и
414. 14:36вот в принципе он все обнаружил помимо
415. 14:39вот этих вот двух лиц вернее даже трех
416. 14:42лиц и на вот это тоже не обнаружил но
417. 14:44здесь давайте я попробую еще раз steel
418. 14:45фактор все-таки увеличить но опять же с
419. 14:47этими значений нужно постоянно играться
420. 14:49и вот я увеличил скилл фактор и вы
421. 14:52замечаете что он даже лучше обработал
422. 14:54делиться что были в прошлый раз
423. 14:57обработаны и плюс конечно же он теперь
424. 14:58обнаружил абсолютно все ну
425. 15:00на ином лица то бишь за счет вот таких
426. 15:03вот
427. 15:03нейронных моделей натренированных вы
428. 15:06можете быстро находить нужные объекты на
429. 15:08разных фотографиях
430. 15:10ну и соответственно здесь сейчас мы
431. 15:12рассмотрели нейронную модель что
432. 15:14позволяет нам обнаружить конкретно лица
433. 15:16на различных фотографиях но так же
434. 15:18существуют другие модели которые будут
435. 15:20позволять вам находить определенные
436. 15:22объекты например тот же самый там банан
437. 15:24кружку там не знаю телевизор и так далее
438. 15:27то есть это просто
439. 15:28определенные файлы что натренированы под
440. 15:30конкретную определенную задачу под
441. 15:33конкретный определенный объект работа с
442. 15:35ними будет точно такой же как и работа с
443. 15:37вот этой вот нейронной моделью ну что ж
444. 15:40надеюсь урок вам понравился если так то
445. 15:42не забывайте ставить лайки и
446. 15:44подписываться на канал
447. 15:45также вступайте во все наши соцсети
448. 15:46ссылки на них будут в описании к этому
449. 15:48видео у меня ж на этом все до скорых
450. 15:51встреч пока