SUPERVISIÓN REMOTA CON RECONOCIMIENTO FACIAL
Detección y reconocimiento facial con OpenCV, Python y FaceRecognition [1]
Este artículo presenta la manera de lograr la detección y el reconocimiento facial mediante Python y algunas librerías de visión:
OpenCV ----> usa el algoritmo Viola & Jones (Usa el clasificador HAAR)
- Carga el clasificador Haar.
- Inicia la webcam.
- Captura la imagen y la convierte en grises.
- Busca el rostro.
- Dibuja los rectángulos sobre la imagen original.
- Abre una ventana con el resultado.
Face_Recognition ----> diseñada para hacer reconocimiento facial de humanos.
- Carga los rostros de las personas a identificar.
- Extrae las encodings únicas de cada rostro caragado.
- Crea un array con los encodings con sus respectivos nombres.
- Inicia webcam.
- Captura la imagen con la webcam.
- Valida imagen.
- Reduce imagen a tamaño ideal.
- Define tres arrays, que servirán para guardar los parámetros de los rostros que se encuentren en la imagen: Localizacion_rostros,Encodings_rostros,Nombre_rostros.
- Localiza cada rostro y extrae los encodings.
- Recorre el array de encodings y busca si hay coincidencias.
- Dibuja un cuadro verde de los rostros reconocidos y si no, un cuadro rojo.
- Abre una ventana con resultados.
Reconocimiento de imágenes en la web utilizando TensorFlow.js [2]
Muestra como reconocer e identificar imágenes haciendo uso de TensorFlow.js. El artículo además habla de las ventajas que tiene JavaScript en comparación con Python en el mundo del machine learning.
Usa redes neuronales y convolucionales que son necesarias para tratar las imágenes que son matrices de pixeles de colores representados en los canales RGB.
Usa librerías externas como:
FaceAPI ----> Beblioteca para reconocimiento facial
TesnsorFlow.js ofrece una serie de modelos pre-entrenados listos para realizar predicciones o ser usados en un proceso de transfer learning.
- PoseNet
- BodyPix
- Coco SSD
- KNN Classifier
CONCLUSIONES
Si bien es cierto existe mucha información y códigos de detección de rostros usando python, Tensorflow.js brinda un entorno más amigable y las herramientas necesarias así como la librería FcaeApi para el reconocimiento facial, además proporciona un modelo pre-entenado podríamos afinar la supervisión pues podemos detectar cada tipo de movimiento que esta realizando la persona la momento de rendir su examen.
Referencias