Ч а с т ь I главный редактор
Последовательность преобразования изображения
жүктеу/скачать 7.68 Mb. Pdf көрінісі
|
| 1. Последовательность преобразования изображения
На полученном входном изображении определяются кон- трольные точки. С помощью библиотеки OpenCV можно определить различные характерные точки на изображении. В данном случае определяются границы лица, нос, глаза и рот. Полученное изображение выравнивается до одинакового размера. Затем изображение преобразуется таким образом, чтобы на нём отображались контрольные точки. Записываются 68 точек данных, которые представляют собой декартовы коор- динаты. Полученные контрольные точки сохраняются для по- следующего сравнения с уже имеющейся базой данных других лиц. Для последующего определения лица применяется модель OpenFace, в результате чего нет необходимости явного пере- обучения модели. Для более точного определения и иденти- фикации человека на изображении с использованием модели OpenFace рекомендуется иметь в базе 10–20 изображений каж- дого человека. После загрузки в базу данных необходимого количества изо- бражений человека можно приступить к идентификации. Ре- зультат идентификации представлен на рис. 2. Рис. 2. Результат идентификации пользователя Azure Cognitive Services Azure Cognitive Services — это облачные службы с REST API и пакетами SDK клиентской библиотеки, которые помогают интегрировать когнитивные средства искусственного интел- лекта в свои приложения [3]. Для начала работы необходимо установить клиентскую би- блиотеку Microsoft.Azure.CognitiveServices.Vision.Face. Затем необходимо получить подписку Azure и создать ресурс распоз- навания лиц. Это необходимо для того, чтобы получить ключ и конечную точку для дальнейшей работы. Сервис позволяет делать до 30000 запросов в месяц бесплатно, чего вполне хва- тает для небольших пользовательских задач. Узнать ключ и конечную точку можно на портале Azure в ресурсе Cognitive Services, выбрав пункт «Ключи и конечная точка» в разделе «Управление ресурсами». В процессе работы над проектами ресурсы данной службы были также опробованы на практике. Были разработаны утилиты для регистрации пользователей и авторизации пользователя. С помощью последовательно вызова функций создаётся идентификатор человека, которого мы хотим в дальнейшем распознавать, добавляется его фотография и происходит обу- чение модели. Для тестирования регистрации был создан пользователь с логином Olga, а также получено изображение пользователя с веб-камеры. Результат представлен на рис. 3. |