Rozpoznávání obličeje

Při detekci a rozpoznávání obličeje lze vycházet z několika přístupů, přičemž každý z nich přináší různě kvalitní výsledky. U výzkumu z let 2016 až 2017 jsme porovnávali metody od těch nejjednodušších po složitější.

Vlastní obrazová databáze

Spolehlivá detekce a rozpoznání tváře patří mezi jeden z nejzajímavějších a často realizovaných výzkumů. Za účelem zhodnocení úspěšnosti jednotlivých metod jsme vytvořili vlastní obrazovou databázi obsahující několik tisíců obrazů pořízených celkem od osmi různých osob. Pro zkvalitnění dosažených výsledků byly zařazeny fotografie náhodných lidí z volně dostupných databází.

databáze na rozpoznání obličeje
Obrázek č. 1: Obrazová databáze osob

Detekce charakteristických znaků

Prvním krokem je detekce samotného obličeje v obraze na základě vyhledání charakteristických kontur a obrysů v obraze. Tuto problematiku řeší v dnešní době celá řada nástrojů. U jednodušších metod je možné jejich extrakci zprostředkovat například redukcí dimenze pomocí analýzy hlavních komponent. Při té dochází k odfiltrování nadbytečné informace z obrazu a tím i zvýraznění nejdůležitějších znaků. V našem případě byl využit detektor založený na histogramu orientovaného gradientu, kdy jsou znaky charakteristické pro obličej rozpoznávány na základě počtu výskytů jednotlivých orientací gradientu.

Jednoduchá konvoluční neuronová síť

Pro následné rozpoznání tváří v obraze na základě takto získaných znaků je nutné zařadit vybraný klasifikátor. Mezi nejjednodušší lze považovat například dříve v této oblasti hojně využívaný Support Vector Machine, který lineárně rozděluje prostor příznaků na podprostory představující jednotlivé osoby. V provedeném výzkumu byla pro klasifikaci využita jednoduchá konvoluční neuronová síť s architekturou VGG obsahující dohromady 16 konvolučních a plně propojených vrstev, kdy konvoluční vrstvy zajišťují extrahování charakteristických znaků ze vstupních tváří a vrstvy plně propojené plní funkci klasifikátoru zařazeného na konci architektury.

Jako stěžejní krok se ukázalo být využití konvoluční neuronové sítě předučené na jedné z velkého množství veřejně dostupných obrazových databází. Obrazy z vlastního datasetu jsou použity pro získání znaků charakteristických pro rozpoznávané osoby dotrénováním pouze posledních plně propojených vrstev v použité architektuře.

Závěr

Provedený výzkum byl následně rozšířen za účelem využití tvorby demo nástroje pro prezentaci na různých akcích. Nejprve byla zkompletována volně dostupná databáze s obrazy obličejů více než 2 a půl tisíce známých celebrit. Cílem bylo postavit testovanou osobu před kameru, detekovat její tvář v reálném čase a přiřadit dané osobě co nejpodobnější celebritu dostupného datasetu. Zhodnocení úspěšnosti této metody je velice subjektivní. Zásadní roli nicméně hrála skutečnost, že ve vytvořené databázi celebrit byla tvář každé osoby zastoupena pouze jedním obrazem.

Související produkty a služby

Datová integrace
Datová integrace

Integrace dat často využívá kombinaci strojových a kontextuálních dat, přičemž každá z nich jsou jinak strukturovaná. My vám pomůžeme správně prop...

Více informací o Datová integrace
Strojové učení a automatizace
Strojové učení a automatizace

Díky strojovému učení jsme schopni zavést vysoký stupeň automatizace v mnoha výrobních procesech a činnostech napříč různorodými odvětvími. Umělá ...

Více informací o Strojové učení a automatizace

Poradíme vám

Sjednejte si schůzku s odborníkem na strojové učení.

Jiří Polcar
Jiří Polcar CTO, founder

Sledujte náš blog

Topologická analýza dat jako cesta k přesnějším výsledkům

Topologická analýza dat jako cesta k přesnějším výsledkům

11. 3. 2019Čtěte více o Topologická analýza dat jako cesta k přesnějším výsledkům

We must know, we will know

Tým odborníků na big data

Objevování nových cest je alfou a omegou naší práce. Používáme nástroje a metody vytvořené pro vědecké týmy speciálně k výzkumným účelům.

Řešení na míru

Při návrhu řešení zohledňujeme schopnost firmy jej nasadit, firemní prostředí i dovednosti zaměstnanců. Díky tomu dokážeme minimalizovat riziko a přinášet úspěch.

Spolupráce se silnými značkami

Cloudera, Microsoft, Clever Analytics, Apache Kafka, Apache Spark, Power BI, Tableau, Jupyter Notebooks