Виявлення заданого обличчя в базі даних зображень обличчя

Я працюю над невеликим проектом, в якому беруть участь особи користувачів твіттера через фотографії їхніх профілів.

Проблема, з якою я стикався, полягає в тому, що після того, як я фільтрую всі, крім зображень, які є чіткими портретними фотографіями, невеликий, але значний відсоток користувачів twitter використовує зображення Джастіна Бібера як зображення профілю.

Для того, щоб відфільтрувати їх, як я можу програмно сказати, чи є картина Джастіна Бібера?

Кращою ідеєю може бути сміття всіх зображень, які з’являються у стрічці більше одного користувача - розпізнавання не потрібно.

У мене є відчуття, що тут може бути вирішення http://www.tineye.com/commerce_api . Просто перекиньте зображення профілю Twitter на Tineye і подивіться, чи воно повертає зображення (та пов’язані з ними URL-адреси), які можна чітко визначити (або автоматично набрати за допомогою простої логіки підрахунку слів) як пов’язані з (або) цим маленьким мішком * *.

Симплекс!

Оскільки ви можете фільтрувати лише ті, які є чіткими портретними фотографіями, я припускаю, що у вас є певний метод генерації функцій, щоб перетворити необроблені зображення у функції, корисні для цілей машинного навчання. Якщо це правда, ви можете спробувати навчити алгоритм класифікації (їх дуже багато: нейронні мережі тощо), подавши алгоритму купу відомих фотографій Бібера, а також купу відомих не-Біберса. Після того, як ви навчили модель, її можна було б використати для передбачення того, чи є новий образ Бібера чи ні.

Цей метод наглядового навчання вимагає, щоб у вас були дані, де ви знаєте правильну відповідь (Бібер чи ні), але їх, можливо, можна знайти в пошуку зображень Google. Це також вимагає, щоб у вас були правильні види функцій, і я недостатньо знаю обробку зображень або ваш алгоритм, щоб знати, чи є це головним недоліком.

Ви можете використовувати такий метод, як eigenface, http://en.wikipedia.org/wiki/Eigenface . Далі наведено хороші відомості про процедуру, а також посилання на різні реалізації.

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

Звідси прийнято використовувати це в класифікаційному підході, тренувати модель, а потім прогнозувати випадки. Ви можете це зробити, тренуючись на купі відомих знаменитостей, і якщо ви передбачите обличчя з твіттера як таке у вашій тренованій моделі знаменитостей, видаліть його. Подібно до цього http://blog.cordiner.net/2010/12/02/eigenfaces-face-recognition-matlab/

Це страждає від постійних поправок. Незабаром з'явиться новий Джастін Бібер, який не буде у вашій навчальній моделі, тому ви не можете передбачити це. Також є такий випадок, як Уітні Х'юстон, ви, можливо, ніколи не думали додати її раніше, але вона може бути загальним зображенням з поваги та захоплення протягом декількох тижнів. У вас не буде недоліків малюнків малюка, як було сказано вище. Щоб вирішити ці проблеми, ви можете скористатись більше підходом до ієрархічної кластеризації. Видаляючи перші кілька наборів кластерів, які дуже близькі, якщо вони досягають певного рівня підтримки, ваш перший кластер містить 15 елементів до того, як буде побудований другий. Тепер вам не доведеться турбуватися про те, хто в вашій моделі тренувань, але ви потрапите до питання малюнків малюка.

http://face.com/ має безкоштовний API розпізнавання обличчя

Якщо ви хочете зробити це самостійно, я рекомендую використовувати проект вільного та відкритого коду OpenCV (CV для комп'ютерного зору) від Intel.

http://opencv.willowgarage.com/

http://oreilly.com/catalog/9780596516130

Потрібно вкласти алгоритм, який визначає, до якої людини йдеться про цю картину. Ви можете побудувати модель на основі різних портретних зображень відомої особистості та використовувати класифікатори, щоб переконатися, що ця картинка посилається на одну із ваших картинок бази даних. Для підвищення точності вашої моделі вам потрібно використовувати певний класифікатор на основі різних параметрів, що подобаються обличчю, як відстань між очима чи інші параметри. Також є аналіз шкіри. Найголовніше - створити хороший класифікатор. Цей метод може бути вразливим.

Але є також дуже хороший проект, який працює над розпізнаванням обличчя http://opencv-code.com/Opencv_Face_Detection

Ви можете спробувати хеш-чутливість .