Face Detection App

La detección de rostros es una aplicación de reconocimiento facial GRATUITA que utiliza un sistema de reconocimiento facial con una tecnología de aprendizaje profundo para que su dispositivo sea capaz de identificar o verificar a una persona en tiempo real o desde una imagen digital o un cuadro de video de una fuente de video.

Los sistemas Android de reconocimiento facial utilizan algoritmos Opencv para seleccionar detalles específicos y distintivos sobre la cara de una persona. El reconocimiento facial de Android lee la geometría de tu rostro. Los factores clave incluyen la distancia entre los ojos y la distancia desde la frente hasta el mentón. La aplicación de detección de rostros identifica puntos de referencia faciales, un sistema identifica 68 de ellos, que son clave para distinguir su rostro. El resultado: su firma facial para el aprendizaje profundo para reconocer rostros de personas en el futuro utilizando solo su teléfono Android. Los datos sobre una cara en particular a menudo se denominan plantilla de cara y son distintos de una fotografía porque están diseñados para incluir solo ciertos detalles que pueden usarse para caras desagradables.

La detección de rostros varía en su capacidad para identificar personas en condiciones difíciles, como iluminación deficiente, resolución de imagen de baja calidad y ángulo de visión subóptimo (como en una fotografía tomada desde arriba mirando a una persona desconocida). La detección de rostros se puede utilizar como marco de prueba para varios métodos de reconocimiento de rostros, como las redes neuronales con TensorFlow y Caffe.

La cámara de detección de rostros incluye los siguientes algoritmos de preprocesamiento:

- Escala de grises
- Cultivo
- Alineación de ojos
- Corrección gamma
- Diferencia de gaussianos
- Filtro Canny
- Patrón binario local
- Ecualización de histograma (solo se puede usar si también se usa escala de grises)
- Cambiar tamaño

Cuando se captura una cara en la cámara, la coincidencia se realiza en tiempo real, y puede comenzar a entrenar su dispositivo para identificar caras utilizando un sistema de aprendizaje profundo para que coincida y permita la detección facial. Puede elegir entre los siguientes métodos de extracción y clasificación de características:

- Caras propias con el vecino más cercano
- Cambio de imagen con la máquina de vectores de soporte
- TensorFlow con SVM o KNN
- Caffe con SVM o KNN

Por el momento solo se admiten dispositivos armeabi-v7a y superiores. Para una mejor experiencia en el modo de reconocimiento, gire el dispositivo hacia la izquierda.

TensorFlow:

Si desea utilizar el modelo Tensorflow Inception5h, descárguelo desde aquí:
https://storage.googleapis.com/download.tensorflow.org/models/inception5h.zip

Luego copie el archivo "tensorflow_inception_graph.pb" a "/ sdcard / Pictures / facerecognition / data / TensorFlow

VGG:
yo
Si desea utilizar el modelo VGG Face Descriptor, descárguelo desde aquí:
https://www.dropbox.com/s/51wi2la5e034wfv/vgg_faces.pb?dl=0

Precaución: este modelo solo se ejecuta en dispositivos con al menos 3 GB o RAM.

Caffe:

Si desea utilizar el modelo VGG Face Descriptor, descárguelo desde aquí:
http://www.robots.ox.ac.uk/~vgg/software/vgg_face/src/vgg_face_caffe.tar.gz

aplicación de reconocimiento facial
búsqueda de reconocimiento facial
software de reconocimiento facial
prueba de reconocimiento facial
cámara de reconocimiento facial
reconocimiento facial en línea
reconocimiento facial android
aplicación de reconocimiento facial para Android descarga gratuita
aplicación de reconocimiento facial gratis
reconocimiento facial con facenet
reconocimiento facial con python
reconocimiento facial usando caras propias
reconocimiento facial usando tensorflow
carga de reconocimiento facial
reconocimiento facial usando aprendizaje profundo
reconocimiento facial usando opencv
reconocimiento facial usando cnn
reconocimiento facial con foto
reconocimiento facial usando caras propias
reconocimiento facial usando tensorflow
carga de reconocimiento facial
reconocimiento facial usando aprendizaje profundo
reconocimiento facial usando opencv
reconocimiento facial usando cnn
reconocimiento facial con foto