DeepFace: eine leichtgewichtige Python-Bibliothek zur Erkennung von Alter, Geschlecht, Emotionen und Ethnie im Gesicht

Allgemeine Einführung

DeepFace ist eine leichtgewichtige Python-Bibliothek für die Gesichtserkennung und die Analyse von Gesichtsmerkmalen (einschließlich Alter, Geschlecht, Emotionen und ethnischer Zugehörigkeit). Sie integriert mehrere hochmoderne Gesichtserkennungsmodelle wie VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace und GhostFaceNet. DeepFace ermöglicht nicht nur eine hochpräzise Gesichtserkennung, sondern führt auch detaillierte Analysen von Gesichtsattributen durch. Die Bibliothek wurde mit dem Ziel entwickelt, den Prozess der Gesichtserkennung zu vereinfachen, indem sie es Entwicklern ermöglicht, ihre Funktionen für die Verifizierung, Suche und Analyse von Gesichtern einfach aufzurufen.

Funktionsliste

• Gesichtserkennung: Hochpräzise Gesichtserkennung durch mehrere Modelle.
• Analyse der Gesichtsattribute: analysiert das Gesicht hinsichtlich Alter, Geschlecht, Stimmung und ethnischer Zugehörigkeit.
• Gesichtsüberprüfung: Überprüft, ob zwei Gesichtsbilder zu ein und derselben Person gehören.
• Suchfunktion: Findet Gesichter in der Datenbank, die mit dem Eingabebild übereinstimmen.
• Unterstützt mehrere Eingabeformate: unterstützt Bildpfade, Numpy-Arrays und base64-kodierte Bilder.
• Effiziente Speicherung von Gesichtseinbettungen: Verwendung von Pickle-Dateien zur Speicherung von Gesichtseinbettungen für schnellere Suchvorgänge.
• Flexible Installation: Unterstützung für die Installation über PyPI und Quellcode.

Hilfe verwenden

Ablauf der Installation

Die DeepFace-Bibliothek kann auf zwei Arten installiert werden:

1. Installation über PyPI:

pip install deepface

2. Installation über den Quellcode:

git clone https://github.com/serengil/deepface.git
cd deepface
pip install -e .

Anwendungsbeispiel

Nach der Installation können Sie die Funktionen der DeepFace-Bibliothek mit dem folgenden Code importieren und nutzen:

from deepface import DeepFace

Gesichtsverifikation

Überprüfen Sie, ob die beiden Gesichtsbilder zu derselben Person gehören:

result = DeepFace.verify(img1_path="img1.jpg", img2_path="img2.jpg")
print(ergebnis["verifiziert"])

Gesichtserkennung

Suche nach Gesichtern in der Datenbank, die mit dem Eingabebild übereinstimmen:

result = DeepFace.find(img_path="img.jpg", db_path="database/")
print(ergebnis)

Analyse von Gesichtsmerkmalen

Analysieren Sie Gesichter nach Alter, Geschlecht, Stimmung und ethnischer Zugehörigkeit:

result = DeepFace.analyse(img_path="img.jpg", actions=['age', 'gender', 'emotion', 'ethnie'])
print(ergebnis)

Erweiterte Funktionen

Die DeepFace-Bibliothek bietet auch einige erweiterte Funktionen wie Batch-Vorhersage, Optionen zur Gesichtsextraktion und mehr. Im Folgenden finden Sie einige Beispiele für die Verwendung einiger der erweiterten Funktionen:

Batch-Vorhersage

results = DeepFace.analyse(img_paths=["img1.jpg", "img2.jpg"], actions=['age', 'gender', 'emotion', 'race'])
print(Ergebnisse)

Optionen zur Gesichtsextraktion

faces = DeepFace.extract_faces(img_path="img.jpg", target_size=(224, 224), grayscale=False)
print(faces)

allgemeine Probleme

1. Wie kann ich die Geschwindigkeit der Erkennung erhöhen?
   • Die Suche kann durch die Vorberechnung und Speicherung von Gesichtseinbettungen beschleunigt werden.
   • Verwendung effizienter Hardware (z. B. GPUs) für Berechnungen.
2. Wie gehen Sie mit Bildern mit niedriger Auflösung um?
   • Sie können dieneue Probeum die Qualität von Bildern mit niedriger Auflösung zu verbessern.
3. Wie behandelt man mehrere Gesichter in einem großen Bild?
   • ausnutzenmax_facesbegrenzt die Anzahl der verarbeiteten Flächen.

Mit der oben beschriebenen detaillierten Nutzungshilfe können Benutzer leicht mit der DeepFace-Bibliothek für Gesichtserkennung und Attributanalyse beginnen.