Yüz görüntülerinin veritabanında belirli bir yüzü algılama

Twitter kullanıcılarının yüzlerini içeren küçük bir proje üzerinde kendi profil resimlerim üzerinde çalışıyorum.

Karşılaştığım bir sorun, net portre fotoğrafları olan görüntüleri hariç tuttuktan sonra, küçük ama önemli bir twitter kullanıcısının yüzdesi Justin Bieber resmini profil resmi olarak kullanıyor.

Bunları filtrelemek için, programlı olarak bir fotoğrafın Justin Bieber'ın olup olmadığını nasıl söyleyebilirim?

Daha iyi bir fikir, birden fazla kullanıcının beslemesinde görünen tüm görüntüleri çöpe atmak olabilir - tanıma gerekmez.

Http://www.tineye.com/commercial_api'nin burada çözüm olabileceğini hissediyorum . Basitçe için (ya da) ilişkili olduğu açıkça tanımlanmalıdır (veya otomatik olarak basit bir kelime-sayımı mantığı kullanarak attı) ki bu görüntüleri (ve ilişkili URL'ler) dönerse, bkz TinEye için o küçük çuval Twitter profil görüntüsünü atmak * *.

Simples!

Yalnızca net portre fotoğrafları olanlara filtre uygulayabildiğiniz için, ham görüntüleri makine öğrenmesi için yararlı olan özelliklere dönüştürmek için bazı özellik oluşturma yöntemlerine sahip olduğunuzu farz ediyorum. Eğer bu doğruysa, algoritmayı bir kaç bilinen Bilaner fotoğrafının yanı sıra bir kaç Bilinen olmayan Bieber'ı besleyerek de bir sınıflandırma algoritması (çok sayıda var: sinir ağları, vb.) Yetiştirmeyi deneyebilirsiniz. Modeli eğittikten sonra, yeni bir görüntünün Bieber olup olmadığını tahmin etmek için kullanılabilir.

Bu tür bir denetimli öğrenme tekniği, doğru cevabı bildiğiniz (Bieber ya da değil) verilere sahip olmanızı gerektirir, ancak bunlar muhtemelen bir Google görsel aramasından bulunabilir. Aynı zamanda doğru özelliklere sahip olmanızı gerektirir ve bunun önemli bir sakınca olup olmadığını bilmek için görüntü işleme veya algoritmanız hakkında yeterince bilgim yok.

Eigenfaces, http://en.wikipedia.org/wiki/Eigenface gibi bir yöntem kullanabilirsiniz . Aşağıdakiler, prosedürün yanı sıra farklı uygulamalara bağlantılar içinde iyi bir yürüyüşe sahiptir.

http://www.pages.drexel.edu/~sis26/Eigenface%20Tutorial.htm

Buradan, bunu bir sınıflandırma yaklaşımında kullanmak, bir modeli eğitmek ve sonra vakaları tahmin etmek yaygındır. Bunu bir dizi ünlü ünite üzerinde çalışarak yapabilir ve twitter'ın bir yüzünü eğitimli ünlüler modelinizdeki biri olarak tahmin ederseniz, kaldırabilirsiniz. Buna benzer http://blog.cordiner.net/2010/12/02/eigenfaces-face-recognition-matlab/

Bu sürekli değişikliklerden muzdarip. Yakında, eğitimli modelinizde olmayacak yeni bir Justin Bieber olacak, bu yüzden tahmin edemezsiniz. Whitney Houston gibi bir durum daha var, onu daha önce eklemeyi hiç düşünmemiş olabilirsiniz, ancak birkaç hafta boyunca saygı ve hayranlıktan ortak bir görüntü olabilir. Yukarıda da belirtildiği gibi bebek resimlerinin olumsuz tarafı olmayacak. Bu sorunları aşmak için daha çok hiyerarşik bir kümelenme yaklaşımı kullanabilirsiniz. Belli bir destek seviyesine ulaşırlarsa çok yakın olan ilk birkaç kümenin kaldırılması, ilk kümenizin bir saniyenin oluşturulmasından önce 15 öğeye sahiptir. Artık eğitim modelinizde kimin olduğu konusunda endişelenmenize gerek yok, ancak bebek resimleri sorununa düşeceksiniz.

http://face.com/ ücretsiz bir yüz tanıma API'sine sahiptir.

Kendiniz yapmak istiyorsanız, Intel'in ücretsiz ve açık kaynak kodlu OpenCV (bilgisayar vizyonu için CV) projesini kullanmanızı öneririm.

http://opencv.willowgarage.com/

http://oreilly.com/catalog/9780596516130

Bu resmin hangi kişiyle ilgili olduğunu belirleyen bir algoritma koymanız gerekir. Ünlü kişiliğin farklı portre resimlerine dayanan bir model oluşturabilir ve bu resmin veritabanı resminizden birine atıfta bulunduğundan emin olmak için sınıflandırıcıları kullanabilirsiniz. Modelinizin doğruluğunu artırmak için, gözler veya diğer parametreler arasındaki mesafe gibi, yüze sevilen farklı parametreleri temel alan belirli bir sınıflandırıcı kullanmanız gerekir. Ayrıca cilt analizi de var. En önemlisi iyi bir sınıflandırıcı oluşturmaktır. Bu yöntem savunmasız olabilir.

Ancak, yüz tanıma üzerinde çalışan çok iyi bir proje var. Http://opencv-code.com/Opencv_Face_Detection

Yöreye duyarlı hash deneyebilirsiniz .