Настройка распознавания лиц в OpenCV

#java #cpp #opencv #распознавание_образов #javacv

У меня есть набор изображений для обучения: для двух персон по 10 изображений и 80
изображений различных персон для проверки достоверности распознавания. Имеется 3 контрольных
изображения, по 1 с каждой персоной и одна общая с десяткой персон (в которую входят
первые две и несколько из 80). На всех изображениях персоны расположены фронтально.
Хотелось бы в результате распознавания на всех 3 контрольных изображениях опознать
две персоны, для которых производилось обучение с помощью 10 изображений.
Проблема заключается в том, что все 3 алгоритма (LBPH, Fisherfaces, Eigenfaces) не
справились с этой задачой (на одном или двух изображениях помечают персону другой,
причем для которой было всего 1 обучающее изображение), очевидно, у меня где-то ошибка
в последовательности обучения или распознавания, или я чего-то не учел.

Добавление изображения для обучения:


считать изображения для обучения в градациях серого 
определить позицию лица и сделать новое изображение на основе этой позиции
для алгоритов кроме LBPH привести изображения к одному размеру (я так и не смог определить,
какой лучше всего размер использовать, наугад тыкал разные)
Histogram Equalization
добавить в вектор который потом пойдет в обучение


Добавление изображения для распознавания:


Определить все лица на изображении в градации серого и для каждого выполнить
сделать новое изображение на основе позиции
для алгоритов кроме LBPH привести изображения к одному размеру
Histogram Equalization
отправить на распознавание


Буду рад принять любые советы и ответить на Ваши вопросы, спасибо за помощь!
    

Ответы

Ответ 1

В рамках учебного процесса выполнял ваши задачи(как раз эти три алгоритма), вот github

Если вкратце, брал изображение с камеры и определял, кто этот человек из локальной
базы данных(набор изображений). Там есть форма, в которой можете покрутить параметры
по всем трем алгоритмам

Но github не позволил загрузить библиотеки emgu с проектом, т.к. они слишком много
весят, вам придется добавить их вручную

Если нужно будет, я могу их загрузить отдельно через другой ресурс


Ответ 2

Процесс распознавания лица можно разбить на 3 стадии:


выделение области с лицом
нормализация изображения
сравнение и анализ


OpenCV предоставляет утилиты для 1 и 3 стадии, а вот 2 стадию (самую сложную) возлагает
ответственность на пользователя. 
Алгоритмы LBPH, Fisherfaces, Eigenfaces достигают 90% точности распознавания на специально
подготовленных изображениях (нормализованных). Если взять подборку AT&T, то можно заметить,
что у них все изображения: имеют одинаковый размер (ширина и высота), все приведены
к градации серого с нормализацией, однотонный фон, лица отцентрированы и произведено
выравнивание на основе опорных точек и произведены другие методы нормализации. Пример
выполнения процесса нормализации. Разбор и анализ алгоритмов распознавания, используемых
в OpenCV. AT&T Facedatabase.

Таким образом, проблема низкой точности распознавания в моем случае заключалась в
том, что изображения имели низкий уровень нормализации. Для повышения уровня точности
нужно либо добавлять различные алгоритмы для нормализации изображений, либо использовать
для распознавания более современные алгоритмы, основанные на нейронных сетях и машинном
обучении

После нормализации на основе алгоритма из статьи существенно увеличилась точность
определения (я добавил поворот и масштабирование изображения на основе положения глаз).