Распознавание лиц в видеонаблюдении

Алан-э-Дейл       15.10.2022 г.

Алгоритмы OpenCV

У изображения лица есть свои характеристики:

  1. Темные и светлые участки и зоны (темные — глаза, губы; светлые — лоб, щеки, подбородок).
  2. Лица всех людей устроены по одному принципу (глаза — на одной линии, под глазами — нос, под носом — губы, под губами — подбородок).

Это значит, что можно подобрать такой набор масок и составить такой классификатор, который будет учитывать эти особенности.

Для этого можно использовать OpenCV — библиотеку алгоритмов компьютерного зрения и обработки изображений. Реализована она на C/C++, также разрабатывается для Python, Java, Ruby, Matlab, Lua и других языков.

Профессия

Fullstack-разработчик на Python

Научитесь программировать на Python и JavaScript, изучите фреймворки Django и React, SQL, а также познакомьтесь с DevOps-практиками и основами Linux.

Узнать больше

Сервис Яндекс.Картинки

Программное обеспечение распознавания лиц стоит немало, и оно вряд ли подойдет обычному пользователю Интернета. Такое оборудование приобретают крупные компании, супермаркеты, государственные службы.

Вот несколько компаний, которые реализуют программы для распознавания лиц в видеонаблюдении:

  • Findface;
  • Hikvision;
  • Verilook Standard SDK.

Средняя цена за стартовый пакет софта – от 450 долларов. Как видите, профессиональные продукты вряд ли заинтересуют стандартного пользователя.

Один из самых востребованных веб-сервисов, который отлично работает бесплатно – это Яндекс.Картинки. Программа выполняет не только распознавание лиц по фото, но и ищет похожие картинки.

  • Зайдите на сайт https://yandex.kz/images/;
  • Нажмите на значок фотоаппарата справа от поисковой строки;

  • Добавьте исходную картинку;
  • Нажмите «Поиск»;

Плюсы

  • Анализирует не только базу данных Вконтакте, но, вообще, весь Рунет;
  • Больше шансов разыскать нужного человека;

Минусы

  • Яндекс выдаст все сайты, на которых загружено это или похожее фото;
  • Очень много одинаковых картинок, что затруднит анализ результатов и займет гораздо больше времени;

Перечисленные выше сервисы позволяют распознавать лица как с компьютера, так и с телефона. Однако, с компа работать гораздо удобнее. Далее мы приведем программу для распознавания лиц по фото для Андроида, которую легко установить на смартфон.

Описание системы идентификации лиц

Разработчики нашего сервиса предлагают воспользоваться системой, которая уже множество раз доказывала свою эффективность. Алгоритм основан на новейших разработках, которые распознают лица с высокой точностью.

Программа обладает множеством преимуществ:

  • есть возможность отмасштабировать и создавать неограниченную базу данных;
  • обладает простым интерфейсом;
  • способна обрабатывать изображение разного качества, даже достаточно низкого;
  • можно использовать множество распознанных шаблонов и т. д.

Среди клиентов сервиса множество организаций, которые применяют оборудование в совершенно разных сферах. Система отлично демонстрирует себя в следующих условиях:

  • в местах массового скопления людей: торговых центрах, стадионах, театрах и кинотеатрах и пр.;
  • на транспортных узлах разного размера;
  • в пограничных пунктах при осуществлении паспортно-визового контроля;
  • используется на предприятиях различного типа в проходных и контрольно-пропускных пунктах и т. д.

Притом пользователям гарантируется полная конфиденциальность, они могут создавать свои базы и использовать их на свое усмотрение. Подобный биометрический контроль доступа является высокоэффективным средством, чтобы распознать нежелательных личностей, злоумышленников или, напротив, сообщить о желанных гостях, которым требуется особая встреча.

Наши разработчики постоянно совершенствуют систему, чтобы минимизировать ошибки. Например, нельзя подставить фотографии вместо реального лица, чтобы получить доступ к необходимым данным или помещениям. Сервис способен даже распознать близнецов. Таким образом, после внедрения в системы видеонаблюдения такого ПО гарантировано повышения их эффективности.

Как это работает?

Во-первых, компьютер должен понять, что такое лицо. Научить его можно через алгоритм, обычно глубокой нейронной сети, на примере огромного количества фотографий в различных приложениях. Каждый раз, сталкиваясь с изображением, алгоритм оценивает, где находится лицо. Сначала будет много мусора, но постепенно алгоритм улучшается и в конечном итоге овладевает искусством определения лиц. Это шаг к функции распознавания лиц.

Искусственный интеллект интернета. Как нас заставляют лайкать, кликать и покупать

Следующая ступень – распознавание. Обычно используется вторая нейронная сеть. Она получает серию фотографий и учится отличать одно лицо от другого. Некоторые алгоритмы непосредственно отображают лицо, измеряя расстояния между глазами, носом и ртом и так далее. Другие отображают лицо, используя более абстрактные черты. В любом случае, сеть выводит вектор для каждого лица – строку чисел, которая однозначно идентифицирует человека среди других в обучающем блоке.

Программное обеспечение работает с видеоматериалами в режиме реального времени. Компьютер сканирует кадры видео, как правило в местах скопления людей, например на входе на футбольный стадион. И сначала он обнаруживает в кадре лица, а затем выдает векторы для каждого из них. Затем векторы лица сравниваются с векторами лиц людей в розыскном списке. Все совпадения, которые проходят предварительно установленный порог, затем ранжируются и отображаются.

Это не единственный способ, который использует полиция для распознавания лиц. Если подозреваемый замечен, офицеры могут загрузить снимки преступника из базы данных и искать записи с камер видеонаблюдения, чтобы проследить путь подозреваемого до места преступления.

Триангуляция Делоне для построения маски

Перейдем к практической части. Попробуем построить простейшую маску на лице по полученным landmarks. Ожидаемым результатом будет маска вида:

рис 6. Маска, визуализирующая алгоритм триангуляции Делоне

Триангуляция Делоне — триангуляция для множества точек S на плоскости, при которой для любого треугольника все точки из S за исключением точек, являющихся его вершинами, лежат вне окружности, описанной вокруг треугольника. Впервые описана в 1934 году советским математиком Борисом Делоне.

рис 7. Пример триангуляции Делоне. Из каждой точки порождается окружность, проходящая через две ближайшие в метрике Евклида

Виды идентификации

Бывает первичной и вторичной. В первом случае речь идет об идентификации ребенка с матерью, а позже с родителем того же пола, что ребенок. Во втором случае подразумевается отождествление ребенка с другими людьми, группами в процессе взросления. Она, в свою очередь, делится еще на несколько подвидов. Рассмотрим подробнее.

Ситуативная

У детей это хорошо заметно во время игр, у взрослых – на совещании, при знакомстве с новым человеком и т.д. В общем, в какой-то конкретной ситуации, условиях индивид пытается стать таким же, как значимый для него человек.

Групповая

Это устойчивый тип. Подразумевает приверженность индивида ценностям, целям какой-то группы. За ее пределами субъект живет по тем же правилам. Однако иногда групповая идентичность имеет ситуативный, поверхностный характер. Человек не принимает цели, интересы группы как свои собственные. Стоит ему выйти за пределы этой группы, как он будет вести себя по-другому.

Культурная

Это процесс отождествления, приспособления к культуре общества. Человеку нужно найти баланс между внутренним и внешним. Например, между традициями и новаторством, целями и средствами. Субъекту предстоит осознать собственный потенциал в рамках конкретного общества. Принять нормы, ценности этого мира.

Социальная

Это процесс отождествления человеком себя как важного, активного участника общества. Он воспринимает себя как социального агента, чувствует свою принадлежность к какой-то социальной группе, может с полной уверенностью произносить «МЫ»

Личностная

Это уподобление человеком самому себе, то есть сохранение своей уникальности. Подразумевает единство целей, интересов, взглядов, убеждений, мотивов, смыслов. К какой бы группе не относил себя человек, при этом он всегда сохраняет набор устойчивых характеристик.

Поиск баланса между личным и общественным – одна из сложнейших проблем психологии. Иногда человек настолько уподобляется другим, что теряет себя. Он растворяется в других людях. Он забывает о своей сущности, теряет единство своего Я, перестает понимать себя, забывает свою историю жизни.

Коллективистская

Формируется в процессе общей деятельности. Переживания одного человека передаются другим, становятся мотивами общей деятельности. Коллективистское отождествление проявляется в соучастии, сочувствии. Каждый участник коллектива разделяет неудачи, успехи другого. То есть человек чувствует других как самого себя.

Гендерная

Процесс осознания к какому гендеру (собирательный образ мужчины и женщины) человек относит себя. Он не всегда совпадает с полом. Гендерная идентичность дает ответ на вопрос «Кем я себя ощущаю: мужчиной или женщиной?». При этом человек отлично понимает, к какому полу он принадлежит. Например, мужчина может признавать свой пол, но при этом быть ранимым, чувствительным, нежным, то есть иметь набор черт, которые в общем представлении характерны для женщин. Так же женщина, несмотря на пол, может ощущать себя «мужиком в юбке».

Реализация

Переходим к практике.

В реализации мы будем использовать Keras и Tensorflow. Кроме того, мы используем два файла утилиты из репозитория deeplayning.ai, чтобы абстрагироваться от взаимодействий с сетью FaceNet.

  • fr_utils.py содержит функции для подачи изображений в сеть и получения кодирования изображений;
  • inception_blocks_v2.py содержит функции для подготовки и компиляции сети FaceNet.

Компиляция сети FaceNet

Первое, что нам нужно сделать, это собрать сеть FaceNet для нашей системы распознавания лиц.

import os
import glob
import numpy as np
import cv2
import tensorflow as tf
from fr_utils import *
from inception_blocks_v2 import *
from keras import backend as K
K.set_image_data_format('channels_first')
FRmodel = (input_shape=(3, 96, 96))
def triplet_loss(y_true, y_pred, alpha = 0.3):
    anchor, positive, negative = y_pred, y_pred, y_pred

    pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor,
               positive)), axis=-1)
    neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, 
               negative)), axis=-1)
    basic_loss = tf.add(tf.subtract(pos_dist, neg_dist), alpha)
    loss = tf.reduce_sum(tf.maximum(basic_loss, 0.0))
   
    return loss
FRmodel.compile(optimizer = 'adam', loss = triplet_loss, metrics = )
load_weights_from_FaceNet(FRmodel)

Мы начнем инициализпцию нашей сети со входа размерности (3, 96, 96). Это означает, что картинка передается в виде трех каналов RGB и размерности 96×96 пикселей.

Теперь давайте определим Triplet Loss функцию. Функция в сниппете кода выше удовлетворяет уравнению Triplet Loss, которое мы определили в предыдущей секции.

Если вы не знакомы с фреймворком TensorFlow, ознакомьтесь с документацией.

Сразу после того, как мы определили функцию потерь, мы можем скомпилировать нашу систему распознавания лиц с помощью Keras. Мы будем использовать для минимизации потерь, подсчитанных с помощью функции Triplet Loss.

Подготовка базы данных

Теперь когда мы скомпилировали FaceNet, нужно подготовить базу данных личностей, которых сеть будет распознавать. Мы будем использовать все изображения, которые лежат в директории images.

Замечание: мы будем использовать по одному изображения на человека в нашей реализации.  FaceNet достаточно мощна, чтобы распознать человека по одной фотографии.

def prepare_database():
    database = {}
    for file in glob.glob("images/*"):
        identity = os.path.splitext(os.path.basename(file))
        database = (file, FRmodel)
    return database

Для каждого изображения мы преобразуем данные изображения в 128 float чисел. Этим занимается функция img_path_to_encoding. Функция принимает на вход путь до изображения и «скармливает» изображение нашей распознающей сети, после чего возвращают результаты работы сети.

Как только мы получили закодированное изображения в базе данных, сеть наконец готова приступить к распознаванию!

Распознавание лиц

Как уже обсуждалось ранее, FaceNet пытается минимизировать расстояние между схожими изображениями и максимизировать между разными. Наша реализация использует данную информацию для того, чтобы определить, кем является человек на новой картинке.

def who_is_it(image, database, model):
    encoding = (image, model)
    
    min_dist = 100
    identity = None
    
    # Loop over the database dictionary's names and encodings.
    for (name, db_enc) in database.items():
        dist = np.linalg.norm(db_enc - encoding)
        print('distance for %s is %s' %(name, dist))
        if dist < min_dist:
            min_dist = dist
            identity = name
    
    if min_dist > 0.52:
        return None
    else:
        return identity

Загружаем новое изображение в функцию img_to_encoding. Функция обрабатывает изображения, используя FaceNet и возвращает закодированное изображение. Теперь мы можем сделать предположение о наиболее вероятной личности этого человека.

Для этого подсчитываем расстояние между полученным новым изображением и каждым человеком в нашей базе данных. Наименьшая дистанция укажет на наиболее вероятную личность человека.

Наконец, мы должны определить действительно ли совпадают личности на картинке и в базе. Следующий кусок кода как раз для этого:

 if min_dist > 0.52: 
     return None 
 else:
     return identity

Магическое число 0.52 получено методом проб и ошибок. Для вас это число может отличатся, в зависимости от реализации и данных. Попробуйте настроить самостоятельно.

На GitHub есть демо работы полученной сети, с входом от простой вебкамеры.

Идентификация по лицу

Идентификация по лицу — вторая по степени распространенности и популярности биометрическая технология. Однако в силу описанных ниже особенностей используемых идентификаторов эта технология, как правило, применяется в качестве вспомогательной по отношению к другим биометрическим методам (например, идентификации по отпечаткам пальцев) или прочим способам установления и/или подтверждения личности человека (экспертные оценки, визуальный контроль, осуществляемый сотрудником пограничной или иммиграционной службы, и т.п.).

Характеристики идентификаторов

К преимуществам геометрии лица как биометрического идентификатора прежде всего относятся бесконтактный способ получения сведений, необходимых для распознавания пользователей, и широкий выбор источников этих сведений (фотографии, видеоряд, данные видеонаблюдения). Несложно заметить, что количество возможных идентификаторов гораздо меньше, чем, скажем, при идентификации по отпечаткам пальцев (одно лицо у каждого человека против отпечатков 10 пальцев рук).

Обработка идентификаторов

При идентификации биометрическая система автоматически выделяет и обрабатывает сведения, характеризующие отдельные (наиболее «показательные») участки и особенности лица: контуры носа, губ, бровей, расстояние между ними и т.п. На основе этих сведений в соответствии с общими принципами биометрических технологий формируются цифровые модели идентификаторов, которые затем сравниваются между собой.

К сожалению, технологии идентификации по лицу весьма чувствительны к внешним условиям (освещенность, поворот головы, угол ее наклона и т.п.) и изменениям внешности человека (появление или исчезновение очков, бороды, макияж). Это приводит к тому, что данные технологии характеризуются самым низким процентом успешного распознавания пользователей и самым высоким процентом ложных срабатываний, когда биометрическая система ошибочно принимает одного человека за другого (в особенности по сравнению с аналогичными показателями у двух других «больших биометрик» — технологий идентификации по отпечаткам пальцев и радужной оболочке глаз).

Вместе с тем технологии идентификации по лицу достаточно эффективны в случаях, когда, например, требуется сравнить фотографии — при условии, что снимки хорошего качества, а пользователь не предпринимает специальных усилий для того, чтобы намеренно изменить свою внешность.

Разработчики технологий идентификации по лицу продолжают совершенствовать свои продукты в надежде повысить их функциональность.

Продукты и решения, поставляемые компанией BioLink и реализующие технологии идентификации по лицу:

  • информационная система автоматической мультибиометрической идентификации BioLink AMIS;
  • комплект разработчика прикладных биометрических решений VeryLook SDK .

Наверх

Поисковые системы Google и Yandex для распознавания лиц

  1. Переходим в поиск картинок Google.
  2. В строке поиска находится значок фотоаппарата, после нажатия на который производятся действия с картинкой.
  3. Изображение можно перетащить (в т. ч. и сразу из интернета), загрузить файлом с компьютера, а также указать его URL.
  4. Запускается поиск и на полученных результатах мы видим найденное изображение (можно посмотреть в разных размерах) и похожие на него, а также сайты, на которых размещена искомая картинка.

Поиск по картинке Yandex работает по тому же принципу и результаты выдает в таком же стиле, как и Google.

Выполняя поиск по изображению, Yandex и Google не используют технологию распознавания лиц , а просто ищут картинки, схожие с поисковым запросом. Но все же алгоритм действия достаточно точен для того, чтобы получить максимальное совпадение. Хотя и на количестве результатов это тоже сказывается – их может быть слишком много, и тогда бывает сложно найти среди них именно то, что нужно. Конечно, если личность на искомом фото достаточно известна, то в результатах поиска долго блуждать не придется.

Google Images

Поиск Google.Картинки позволяет найти идентичные фотографии на основе данных поисковых систем, в том числе осуществить поиск человека по лицу. Больше ориентирован на поиск в зарубежных ресурсах:

  • переходим к сервису google.ru;
  • далее в поисковой строке, щелкаем по иконке с изображением фотоаппарата;
  • затем откроется окно выбора загрузки, где потребуется загрузить картинку или указать на нее ссылку;
  • затем откроется страница выдачи поискового запроса. Под основным изображением будут даны ключевые запросы, по которым осуществлялся поиск, и далее представлен список ресурсов, где есть похожие фотографии;
  • щелкаем «Похожие изображения» и ищем нужную картинку.
  • Для того, чтобы перейти к источнику, требуется нажать на картинку и кнопку «Перейти» расположенную рядом с объектом;
  • если похожий объект не обнаружен, возвращаемся на страницу выдачи результата и переходим к блоку «Страницы с подходящими изображениями». Это набор сайтов, где могут встречаться похожие картинки.

FindFace — программа от российского разработчика

Своим выходом в свет сервис FindFace обязан российским разработчикам. Принцип его действия заключен в сравнении имеющегося у пользователя фото с профилями ВКонтакте и поиске похожих людей . Фотография человека загружается в специальную форму и сервис ищет совпадения. FindFace вызвал шумиху сразу после появления, так как с его помощью некоторые “продвинутые” пользователи нашли девушек, которые снимаются в видео для взрослых, и начали писать их близким и знакомым в целях разоблачения. Благодаря широкому скандалу сервис стал очень популярным.

Итак, чтобы найти человека по фотографии лица онлайн (если у него есть аккаунт ВКонтакте), переходим на FindFace.

Главная страница очень простая – ничего лишнего, только форма, в которой уже стоит галочка в окошке, означающая согласие юзера с пользовательским соглашением (ссылка на него кликабельна и можно сразу же с ним ознакомиться). Без этого согласия пользоваться поиском FindFace не получится . Приложение доступно как в веб-версии, так и на устройствах с ОС Android. Возможен и выбор языка – русский либо английский. Нажимаем “ Найди одинаковых! ” и разрешаем сайту получить доступ к нашему профилю ВКонтакте (который и будет аккаунтом на FindFace).

Последний представлен в трех вариантах:

Статус Особенности
Бесплатный 30 бесплатных запросов
Premium 75 запросов в месяц
VIP 300 запросов в месяц

Есть возможность получить Premium аккаунт бесплатно на месяц – для этого нужно пригласить воспользоваться сервисом 10 друзей, поделившись ссылкой ВКонтакте или отправив ее на электронную почту выбранным получателям.

Дальнейший порядок действий:

  1. Загружаем или перетаскиваем фотографию в специальное поле (весом не больше 5 Мб и в форматах JPG или PNG).
  2. Поиск осуществлен, и мы видим, что ВКонтакте найден 51 человек, у которых на фотографии изображен Владимир Владимирович Путин.
  3. С этой страницы можно просмотреть профиль пользователя (5 раз на бесплатном аккаунте FindFace, неограниченное количество раз – на Premium и VIP), задать параметры либо начать новый поиск.

Физиогномика по-научному

Цифровое распознавание лиц – идентификация или подтверждение личности по лицу с помощью нейронных сетей − становится новой реальностью, которая все прочнее входит в нашу жизнь. Смартфоны давно научились находить лица на фотографиях, соцсети предлагают отметить друзей на снимках, а камеры на улицах и в транспорте «выхватывают» преступников из толпы.

Известно, что новорожденные дети практически с момента своего появления на свет отличают человеческое лицо от других объектов, затем очень быстро запоминают лицо матери и учатся распознавать человеческие эмоции. В течение жизни этот навык сохраняется – мы легко отличаем лица знакомых, по одному выражению лица можем определить настроение человека. Логично предположить, что вслед за другими умениями и эту нашу способность со временем ученые должны были «оцифровать», чтобы наделить ей машины.

История изучения программного распознавания лиц тянется с 1960-х годов. Уже тогда было понятно, что лицо можно описать набором параметров, совокупность которых у каждого человека будет существенно отличаться. Если загрузить эти свойства в программу и сопоставить их с имеющейся базой фотографий, то можно найти соответствия с высокой точностью. Проблема заключалась в том, что на тот момент механизмы захвата лица по фото или видео, а также возможности компьютеров по скоростной обработке больших массивов информации находились на низком уровне. Но уже в то время потенциал разработки был ощутим.
 

Москва Умный город

Основная статья: Москва Умный город

Система видеонаблюдения в Москве

«Ростелеком» обеспечивает функционирование системы видеонаблюдения города Москвы ПВН (49 797 камер), ДВН (10 111 камер), ММС (736 камеры). Объём выполняемых работ – около 50% от общего количества устанавливаемых камер.

Система видеонаблюдения строится на базе «Сервисной модели»

  • Город заказывает услуги передачи видеоизображений у операторов связи и оплачивает получение видеоизображения с камер в единый центр хранения данных (ЕЦХД)
  • ЕЦХД строится городом по отдельному заказу и выполняет функции доступа к видеокамерам и архивам данных для пользователей системы видеонаблюдения
  • Покупку камер, монтаж, настройку и последующую эксплуатацию оборудования оплачивает оператор

Основная статья: Как устроена городская система видеонаблюдения в Москве

Что такое идентификация: определения

Что это? Идентификация – это в психологии процесс подражание индивида другому субъекту, группе, вымышленному персонажу (образу); процесс самоотождествления индивида с группой, образом, другой личностью. Идентификация – это, говоря простыми словами, поиск ответа на вопрос «Я такой же, как кто?».

Термин ввел З. Фрейд. Психолог рассматривал феномен в рамках психоанализа. Первое, что изучил Фрейд – отождествление ребенком себя с одним из родителей. Тогда же исследователь пришел к выводу, что идентификация всегда основана на страхе, тревоге. Отождествляя себя с более сильным, авторитетным лицом, индивид уменьшает дискомфорт, который испытывает.

Однако чуть позже автор выделил несколько видов идентификации:

  • первичная (ребенка с матерью);
  • отождествление с любимым лицом («хочу быть, как ты»);
  • отождествление с нелюбимым лицом (защитный механизм психики, «ты не обидишь такого же, как ты сам»);
  • отождествление при восприятии общности («встань на мое место», «а что бы он сделал», «что он подумал»).

Со временем понятие стали использовать в более широком смысле. Согласно ему, идентификация личности – это подражание, эмоциональное слияние с кем-либо. Однако некоторые психологи до сих пор придерживаются психоаналитической теории, утверждая, что это защитный механизм, выработанный эволюцией, помогающий в адаптации. Рассмотрим подробнее современные определения и выясним, что значит идентификация в психологии.

Значение слова «идентификация»

Название образовано от латинского indentifico, что означает «отождествлять». Отождествление – это установление соответствия, схожести между двумя или более объектами.

Понятие идентификации

Согласно определениям из разных словарей, идентификация – это:

  • отождествление, опознание объектов (энциклопедический словарь);
  • сравнение с эталоном, опознание личности для судебных разбирательств (бизнес-словарь);
  • подсознательное отождествление себя с другим лицом, чаще родителем (психиатрический словарь);
  • механизм психологической защиты, при котором индивид уподобляется своему обидчику, отождествляет себя с ним (психологический словарь);
  • защитный механизм психики, при котором слабый человек перенимает опыт, черты сильного лица (психологический словарь).

В социологии под идентификацией понимают процесс отождествления индивидом себя с какой-то группой, другим лицом. Это хорошо заметно на примере молодежных субкультур. Индивид копирует внешние атрибуты, поведение, ценности, убеждения, интересы группы.

Программа распознавания лиц – что это такое?

Сегодня технология распознавания лиц используется повсеместно. Facebook, где вас отмечают на фото с встречи одноклассников, свадьбы вашего кузена или летней вечеринки на работе. В программы Google, Microsoft, Apple и так далее встроены приложения для накопления информации.

Программа распознавания лиц используется в аэропортах, она есть в вашем телефоне – с ее помощью вы можете его разблокировать. И если вам нужно подтвердить свою личность для банковского перевода в £1,000, просто посмотрите в камеру.

Новые приложения появляются все время. Хотите знать, кто стоит за дверью? Видео-дверной звонок с программой распознавания лиц сообщит вам, если вы заранее загрузили фотографии ваших знакомых.

Многочисленные системы используются для обнаружения пропавших без вести и ловли прогульщиков, которые не приходят вовремя на работу. Рекламодатели, конечно, тоже не остаются в стороне. Благодаря программам распознавания лиц на рекламных щитах сегодня появляется тот товар, который интересен именно вам, исходя из оценки вашего пола, возраста и настроения.

PicTriev — онлайн-сервис, который поможет найти человека по фото

Фото загружается на сервис PicTriev в виде файла либо URL-ссылки. В итогах поиска показаны процент принадлежности к мужскому либо женскому типу лица, а также предполагаемый возраст. Результаты могут сильно не совпадать.

Данный сервис интересен тем, что показывает, насколько человек похож на знаменитостей , список которых находится чуть ниже. Точность результата зависит от качества картинки и ракурса изображенного на ней лица. Различные фото одного и того же человека могут дать совершенно разные результаты. Требования к изображениям на сервисе PicTriev расположены внизу. Там же находится и выбор языка из нескольких доступных.

Поисковые системы Google и Yandex для распознавания лиц

Порядок действий следующий:

  1. Переходим в поиск картинок .
  2. В строке поиска находится значок фотоаппарата, после нажатия на который производятся действия с картинкой.
  3. Изображение можно перетащить (в т. ч. и сразу из интернета), загрузить файлом с компа, а также указать его URL.
  4. Запускается поиск и на полученных результатах мы видим найденное изображение (можно увидеть в разных размерах) и похожие на него, а также сайты, на которых размещена искомая картинка.

Поиск по картинке в Яндекс работает по тому же принципу и результаты выдает в таком же стиле, как и Google.

Выполняя поиск по изображению, Yandex и Google не используют технологию распознавания лиц, а просто ищут изображения, схожие с поисковым запросом. Но все же алгоритм действия достаточно точен для того, чтобы получить максимальное совпадение. Хотя и на количестве результатов это тоже сказывается – их может быть слишком много, и тогда бывает сложно найти среди них именно то, что нужно. Конечно, если личность на искомом фото достаточно известна, то в результатах поиска долго блуждать не придется.

Ну и ещё добавлю, что на данный момент поиск по изображению в Яндекс работает лучше, чем в Гугл. Т.е. то, что Google порой не находит, то находит Yandex, а именно — сайты, на которых есть изображение из поиска.

Гость форума
От: admin

Эта тема закрыта для публикации ответов.