DeepFace: легкая библиотека на Python для распознавания возраста, пола, эмоций и расы по лицу

Общее введение

DeepFace - это легкая библиотека Python для распознавания лиц и анализа их атрибутов (включая возраст, пол, эмоции и этническую принадлежность). Она объединяет несколько современных моделей распознавания лиц, таких как VGG-Face, FaceNet, OpenFace, DeepFace, DeepID, ArcFace, Dlib, SFace и GhostFaceNet. DeepFace позволяет не только осуществлять высокоточное распознавание лиц, но и проводить детальный анализ их атрибутов. Библиотека разработана с целью упрощения процесса распознавания лиц, позволяя разработчикам легко использовать ее функции для проверки, поиска и анализа лиц.

Список функций

• Распознавание лиц: высокоточное распознавание лиц с помощью нескольких моделей.
• Анализ атрибутов лица: анализ лица на предмет возраста, пола, настроения и этнической принадлежности.
• Верификация лица: проверка того, что два изображения лица принадлежат одному и тому же человеку.
• Функция Find: находит в базе данных лица, соответствующие входному изображению.
• Поддержка различных форматов ввода: поддерживаются пути к изображениям, массивы numpy и изображения в кодировке base64.
• Эффективное хранение вкраплений лиц: используйте файлы pickle для хранения вкраплений лиц для более быстрого поиска.
• Гибкая установка: поддержка установки через PyPI и исходный код.

Использование помощи

Процесс установки

Библиотека DeepFace может быть установлена двумя способами:

1. Установка через PyPI:

pip install deepface

2. Установка через исходный код:

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

Пример использования

После установки вы можете импортировать и использовать возможности библиотеки DeepFace с помощью следующего кода:

from deepface import DeepFace

проверка лица

Убедитесь, что два изображения лица принадлежат одному и тому же человеку:

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

распознавание лиц

Найдите в базе данных лица, которые соответствуют входному изображению:

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

Анализ атрибутов лица

Анализируйте лица на предмет возраста, пола, настроения и этнической принадлежности:

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

Дополнительные возможности

Библиотека DeepFace также предоставляет некоторые дополнительные возможности, такие как пакетное предсказание, опции извлечения лица и многое другое. Ниже приведены примеры использования некоторых расширенных возможностей:

Пакетное прогнозирование

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

Варианты извлечения лица

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

общие проблемы

1. Как увеличить скорость распознавания?
   • Поиск можно ускорить, предварительно вычислив и сохранив в памяти вкрапления лиц.
   • Используйте для вычислений эффективное оборудование (например, графические процессоры).
2. Как вы обрабатываете изображения с низким разрешением?
   • Вы можете использоватьresampleпараметр для улучшения качества изображений с низким разрешением.
3. Как обрабатывать несколько лиц на большом изображении?
   • пользоватьсяmax_facesпараметр ограничивает количество обрабатываемых лиц.

Ознакомившись с подробным руководством по использованию, пользователи смогут легко начать работу с библиотекой DeepFace для распознавания лиц и анализа атрибутов.