DeepFace: una biblioteca ligera de Python para el reconocimiento facial por edad, sexo, emoción y raza

Introducción general

DeepFace es una biblioteca ligera de Python para el reconocimiento facial y el análisis de atributos faciales (incluyendo edad, sexo, emoción y etnia). Integra varios modelos de reconocimiento facial de última generación, como VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace y GhostFaceNet.DeepFace no sólo permite el reconocimiento facial de alta precisión, sino que también realiza análisis detallados de los atributos faciales. La biblioteca se ha diseñado con el objetivo de simplificar el proceso de reconocimiento facial permitiendo a los desarrolladores invocar fácilmente sus funciones de verificación, búsqueda y análisis facial.

Lista de funciones

• Reconocimiento facial: Reconocimiento facial de alta precisión mediante múltiples modelos.
• Análisis de atributos faciales: analiza el rostro en función de la edad, el sexo, el estado de ánimo y la etnia.
• Verificación facial: verifica que dos imágenes faciales pertenecen a la misma persona.
• Función de búsqueda: Busca caras en la base de datos que coincidan con la imagen de entrada.
• Admite múltiples formatos de entrada: admite rutas de imágenes, matrices numpy e imágenes codificadas en base64.
• Almacenamiento eficiente de incrustaciones faciales: utilice archivos pickle para almacenar incrustaciones faciales y realizar búsquedas más rápidas.
• Instalación flexible: soporte para instalación vía PyPI y código fuente.

Utilizar la ayuda

Proceso de instalación

La biblioteca DeepFace puede instalarse de dos maneras:

1. Instalación a través de PyPI:

pip install deepface

2. Instalación mediante código fuente:

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

ejemplo de uso

Una vez instalada, puede importar y utilizar las funciones de la biblioteca DeepFace con el siguiente código:

from deepface import DeepFace

verificación facial

Verifique que las dos imágenes faciales pertenecen a la misma persona:

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

reconocimiento facial

Buscar caras en la base de datos que coincidan con la imagen de entrada:

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

Análisis de atributos faciales

Analice los rostros en función de la edad, el sexo, el estado de ánimo y la etnia:

result = DeepFace.analyze(img_path="img.jpg", actions=['age', 'gender', 'emotion', 'race'])
print(result)

Funciones avanzadas

La biblioteca DeepFace también proporciona algunas funciones avanzadas, como la predicción por lotes, opciones de extracción de rostros, etc. A continuación se muestran algunos ejemplos de cómo utilizar algunas de las funciones avanzadas:

Predicción por lotes

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

Opciones de extracción facial

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

problemas comunes

1. ¿Cómo puedo aumentar la velocidad de reconocimiento?
   • La búsqueda puede acelerarse calculando y almacenando previamente las incrustaciones faciales.
   • Utilizar hardware eficiente (por ejemplo, GPU) para el cálculo.
2. ¿Cómo se gestionan las imágenes de baja resolución?
   • Puede utilizar la funciónresamplepara mejorar la calidad de las imágenes de baja resolución.
3. ¿Cómo tratar varias caras en una imagen grande?
   • utilizarmax_faceslimita el número de caras procesadas.

Con la ayuda detallada de uso anterior, los usuarios pueden empezar a utilizar fácilmente la biblioteca DeepFace para el reconocimiento facial y el análisis de atributos.