DeepFace: uma biblioteca Python leve para reconhecimento facial de idade, gênero, emoção e raça

Introdução geral

O DeepFace é uma biblioteca Python leve para reconhecimento facial e análise de atributos faciais (incluindo idade, gênero, emoção e etnia). Ela integra vários modelos de reconhecimento facial de última geração, como VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace e GhostFaceNet. O DeepFace não só permite o reconhecimento facial de alta precisão, mas também realiza análises detalhadas de atributos faciais. A biblioteca foi projetada com o objetivo de simplificar o processo de reconhecimento facial, permitindo que os desenvolvedores invoquem facilmente seus recursos para verificação, pesquisa e análise facial.

Lista de funções

• Reconhecimento facial: reconhecimento facial altamente preciso por meio de vários modelos.
• Análise de atributos faciais: analisa o rosto quanto a idade, gênero, humor e etnia.
• Verificação facial: verifica se duas imagens faciais pertencem à mesma pessoa.
• Função Find: Encontra faces no banco de dados que correspondem à imagem de entrada.
• Suporta vários formatos de entrada: suporta caminhos de imagem, matrizes numpy e imagens codificadas em base64.
• Armazenamento eficiente de incorporação facial: use arquivos pickle para armazenar incorporação facial para pesquisas mais rápidas.
• Instalação flexível: suporte para instalação via PyPI e código-fonte.

Usando a Ajuda

Processo de instalação

A biblioteca DeepFace pode ser instalada de duas maneiras:

1. Instalação via PyPI:

pip install deepface

2. Instalação via código-fonte:

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

exemplo de uso

Depois de instalado, você pode importar e usar os recursos da biblioteca DeepFace com o seguinte código:

from deepface import DeepFace

verificação facial

Verifique se as duas imagens faciais pertencem à mesma pessoa:

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

reconhecimento facial

Encontre rostos no banco de dados que correspondam à imagem de entrada:

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

Análise de atributos faciais

Analise rostos quanto a idade, gênero, humor e etnia:

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

Recursos avançados

A biblioteca DeepFace também oferece alguns recursos avançados, como previsão em lote, opções de extração de faces e muito mais. Abaixo estão alguns exemplos de como usar alguns dos recursos avançados:

Previsão de lotes

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

Opções de extração de face

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

problemas comuns

1. Como posso aumentar a velocidade do reconhecimento?
   • A localização pode ser acelerada por meio da pré-computação e do armazenamento de incorporação facial.
   • Usar hardware eficiente (por exemplo, GPUs) para computação.
2. Como você lida com imagens de baixa resolução?
   • Você pode usar oreamostragempara melhorar a qualidade das imagens de baixa resolução.
3. Como lidar com vários rostos em uma imagem grande?
   • fazer uso demax_faceslimita o número de faces processadas.

Com a ajuda de uso detalhada acima, os usuários podem começar a usar facilmente a biblioteca DeepFace para reconhecimento facial e análise de atributos.