omeh2003 / face_search

A program for solving the task of finding a person in images using ready-made libraries of computer vision and machine learning, OpenCV and Dlib. A fully autonomous solution. No data is transmitted over the network.

Часть 1: Краткое описание реализации, план и используемые технологии

Для решения задачи поиска человека на изображениях мы можем использовать готовые библиотеки компьютерного зрения и машинного обучения, такие как OpenCV и Dlib.

План реализации:

1. Загрузка изображения-образца человека и изображений из каталога для поиска.
2. Обнаружение лиц на всех изображениях.
3. Извлечение векторных признаков лиц с использованием предобученной модели (например, модель Dlib Face Recognition).
4. Сравнение векторных признаков образца с признаками лиц на изображениях из каталога.
5. Выбор изображений, на которых был найден человек, согласно установленному порогу сходства.
6. Вывод списка файлов с найденными изображениями.

Технологии:

• Python 3.10
• OpenCV (для работы с изображениями и обнаружения лиц)
• Dlib (для извлечения векторных признаков лиц и сравнения их)

Часть 2: Структура проекта

Структура проекта будет состоять из следующих файлов и каталогов:

scss

face_search/
│
├── images/ (каталог для хранения фотографий для поиска)
│
├── target/ (каталог для хранения фотографии-образца человека)
│
├── face_search.py (основной скрипт для поиска человека на изображениях)
│
├── requirements.txt (файл с зависимостями проекта)
│
└── README.md (документация по использованию программы)

Часть 3: Установка зависимостей и программ

Для работы с изображениями и обнаружения лиц, а также для извлечения векторных признаков лиц, нам понадобятся библиотеки OpenCV и Dlib.

Установка зависимостей:

bash

pip install -r requirements.txt

Содержимое файла requirements.txt:

makefile

opencv-python~=4.7.0.72
opencv-python-headless
dlib~=19.24.1
cmake
numpy~=1.24.2

Дополнительные программы на операционную систему:

Windows

На Windows, для библиотек OpenCV и Dlib, возможно, потребуются дополнительные зависимости, такие как CMake и Visual Studio Build Tools, чтобы скомпилировать библиотеки из исходного кода.

Если вы сталкиваетесь с проблемами при установке dlib, вы можете попробовать установить предварительно скомпилированную версию dlib с помощью команды:

bash

pip install dlib-binary

Если проблемы продолжаются, убедитесь, что у вас установлены все необходимые компоненты Microsoft Visual C++ Redistributable. Вы можете загрузить их с официального сайта Microsoft: https://support.microsoft.com/en-us/topic/the-latest-supported-visual-c-downloads-2647da03-1eea-4433-9aff-95f26a218cc0

Linux

Не должно быть проблем с установкой.

Распознование лиц

Для распознования лиц нам понадобятся еще два файла файл shape_predictor_5_face_landmarks.dat и dlib_face_recognition_resnet_model_v1.dat

скачайте файл shape_predictor_5_face_landmarks.dat с официального репозитория dlib:

1. Откройте ссылку: http://dlib.net/files/shape_predictor_5_face_landmarks.dat.bz2
2. Скачайте файл shape_predictor_5_face_landmarks.dat.bz2.
3. Извлеките файл shape_predictor_5_face_landmarks.dat из скачанного архива, используя программу для работы с архивами (например, 7-Zip).
4. Поместите файл shape_predictor_5_face_landmarks.dat в ту же папку, что и face_search.py.

скачайте файл dlib_face_recognition_resnet_model_v1.dat с официального репозитория dlib:

1. Откройте ссылку: http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2
2. Скачайте файл dlib_face_recognition_resnet_model_v1.dat.bz2.
3. Извлеките файл dlib_face_recognition_resnet_model_v1.dat из скачанного архива, используя программу для работы с архивами (например, 7-Zip).
4. Поместите файл dlib_face_recognition_resnet_model_v1.dat в ту же папку, что и face_search.py.

Запуск программы

Теперь чтобы запустить программу, вы должны указать аргументы командной строки, например:

bash

python face_search.py target/target_image.jpg images

target/target_image.jpg - Фотография с лицом которое ищем.

images - каталог с фотогрфиями на которых ищем лицо.