ラズベリーパイ3で顔認識


ラズベリーパイ3とOpenCV3で顔検出の続編


OpenCVdlib(様々な機能を持っていますが主に機械学習用ライブラリーとして使用)とface_recognitionを使って顔認識してみます。

dlibはバージョン19.0からDeep Learning APIが使えるようになってます。

Webカメラを使ってこんなことをやってみます。


インストール

ラズパイ3 Model B+に環境を作ってみました。

OSはRaspbin Stretch、約2~3時間かかりました(^^)。

(現RaspbianはBusterです。Stretchのイメージ->LiteFull

【OpenCVをインストール】

3.4.0でよろしければこのページの最初の方参照

 

【必須ライブラリをインストール】

 

【カメラ用ライブラリ(ラズパイ専用カメラモジュールを使う場合)】

 

 

【dlibのコンパイル用にスワップ領域を拡張しておく 】

 

CONF_SWAPSIZE=100 -> CONF_SWAPSIZE=1024

 

【dlib v19.6をダウンロードしてインストール】

dlibのコンパイルには結構な時間がかかります。気長に待ちましょう。

 

 

【face_recognitionをインストール】

このインストールも完了まで気長に待ちます。

 

 

【Swapを戻しておく】

 

CONF_SWAPSIZE=1024 -> CONF_SWAPSIZE=100

 

【face recognitionコードの examplesをダウンロード】

 

以上


やってみます

サンプルの場所

face_recognition/examples

フォルダーにはオバマ元大統領とバイデン元副大統領の画像があります。

ご自分の顔を認識するかテストする場合は自撮りして910×1137のjpeg画像をこのフォルダーに用意しておきます(画像サイズはあまり関係はないようです、鮮明でありさえすれば小さくても可)。

比較的軽いfacerec_from_webcam_faster.pyを使ってみます。

ファイルを開いて、xxxを適当に編集して顔画像を登録します。

xxx_image = face_recognition.load_image_file(“xxx.jpg”)
xxx_face_encoding = face_recognition.face_encodings(xxx_image)[0]

known_face_encodings = [
obama_face_encoding,
xxx_face_encoding
]
known_face_names = [
“Barack Obama”,
xxx Face”
]

Webカメラを接続してデバイスの番号を確認。

$ls /dev/vodeo*

USBに1台だけ接続している場合は多分こうなっています。

/dev/video0

実行

Videoウィンドウが開くのに少々時間がかかります(約40秒くらいかかりました)。

時間がかかる要因は、face_recognitionモジュールの読み込みと、顔画像のエンコーディングです。

事前にエンコーディングしたデータを用意しておいて、それをハードコードするなり読み込んで実行するなりすれば、face_recognitionモジュールの読み込みの時間だけかかることになるので高速化できます。

エンコーディングデータの作成の仕方

実行動作は比較的軽快です。

カメラに6~7%以上の大きさで映り込んだ明るい正面を向いた顔なら識別可能なようです。

 

キーボードの「q」キーで終了。


所見

登録さえしておけば認識してくれるようです。

想定される使い方は、登録された複数の顔の内で映っているのは誰?というような使い方です。

登録されていない顔は「Unknown」か、より特徴量の近いものがマッピングされるようです。

肝になる関数がface_recognition.face_distance()

基準になる顔画像との距離が0に近いほど「似てる」ということになって、その顔が採用されるようです。この値は0~1の範囲をとっていて、0.5か0.6以上だと「似てない」となって破棄されるようです。

 


複数登録してグループ認識

登録数には制限は無いようですが、パフォーマンスはマシンパワーに依存します。

11名登録したら起動に1分50秒かかりました(ラズパイ3Model B+)。

ラズパイなら、2名(カップル)くらいがちょうどいいかも。

注:エンコーディングデータをハードコードして使えば問題なかったです。

エンコーディングデータの作成の仕方


なお、OpenCVは日本語フォントを持っていないので英語表記になります。

日本語化は可能のようですが、面倒なのでやめました(^^)。

日本語化してみました(^^)

特徴量が類似した場合はUnknownではなく似た画像にマッピングされてしまいます。

つまり、これは個が一意に認識されているわけではなく、他との比較で「より確からしい」と認識されるものが選ばれる点に注意する必要があるかもしれません。登録数が増えれば誤認識の率も高くなります。

 


OpenCVを日本語化してみました。

こんな感じ。

フォントはこの方のを使用させていただきます。コミック古印体フォント

新規にfontというフォルダーを作ってここにフォント(ttf)ファイルを保存しておきます。

/home/pi/dlib/face_recognition/examples/font/g_comickoin_freeB.ttf

顔画像ファイルはphotoというフォルダーを作って保存しておきます。

このソースをカスタマイズします。

/home/pi/dlib/face_recognition/examples/facerec_from_webcam_faster.py

 

PILモジュールをインストしておきます(最新のRaspbianなら多分不要)
$sudo pip3 install pillow

カスタマイズします。

【facerec_from_webcam_faster.py】




from PIL import ImageFont, ImageDraw, Image




#顔画像読み込み

endo3_image = face_recognition.load_image_file(“./photo/endo3.png”)
endo3_face_encoding = face_recognition.face_encodings(endo3_image)[0]

higashi3_image = face_recognition.load_image_file(“./photo/higashi3.png”)
higashi3_face_encoding = face_recognition.face_encodings(higashi3_image)[0]


known_face_encodings = [
endo3_face_encoding,
higashi3_face_encoding
]

#日本語表記
known_face_names = [
“ヤットさん”,
“東口”
]




#クラスを定義しておきます

#font定義とputTextを以下のように変更

#font = cv2.FONT_HERSHEY_DUPLEX
#cv2.putText(frame, name, (left + 6, bottom – 6), font, 1.0, (255, 255, 255), 1)

Fontサイズの型はIntegerです(24ポイントのフォントを使ってみます)。

font = ‘./font/g_comickoin_freeB.ttf’
frame = cv2Ja.putText(frame, name, (left + 6, bottom – 24), font, 24, (255, 255, 255))

 

以上です

 

Webサービス版を作ってみました。

web_service_example.pyとfacerec_from_webcam_faster.pyのコードでいけます。

こんな感じ

 

 

Next2

グループ内での認識はデータを集めてこういうのでも学習させてみます。

 


おまけ

幼少時の写真で現在の顔を認識できるのか?

写真はバルサのカンテラ時代の久保建英くん(U-12くらい)

現在(FC-東京 18才)

できました(^^)

でも久保くんは童顔だし、6つしか離れてないし……という方、これでどうでしょう。

高校生の遠藤保仁さん

できました(^^)

 

人の顔のつくりなんかは18才くらいでもう完成している….とも言えます(^^)。


WisteriaHillはカマタマーレ讃岐のサポでもあります。

データをご用意しました。

 


 

Be the first to comment

Leave a Reply

Your email address will not be published.


*