Una guía completa sobre cómo detectar caras con Python


Hoy vamos a aprender a trabajar con imágenes para detectar rostros y extraer rasgos faciales como los ojos, la nariz y la boca. Este método tiene el potencial de hacer muchas cosas increíbles, desde analizar caras hasta capturar rasgos faciales para etiquetar personas en fotos, ya sea manualmente o mediante aprendizaje automático. Además, puede crear efectos y filtros para «mejorar» sus imágenes, similares a las que ve en Snapchat.

Hemos cubierto previamente como trabajar con OpenCV para detectar formas en las imágenes, pero hoy lo estamos llevando a un nuevo nivel al presentar DLib y abstraer las características faciales de una imagen.

[Leer:[Read:Cómo el gobierno holandés usa los datos para predecir el clima y prepararse para desastres naturales]

Pero antes que nada, ¿qué es DLib? Bien, esto es una biblioteca avanzada de aprendizaje automático creada para resolver problemas complejos del mundo real. Esta biblioteca ha sido creada usando el lenguaje de programación C ++ y funciona con C / C ++, Python y Java.

También vale la pena señalar que este tutorial puede requerir una comprensión previa de la biblioteca OpenCV. Tales como cómo lidiar con imágenes, abrir la cámara, procesamiento de imágenes y algunas otras técnicas.

¿Entonces, cómo funciona?

Nuestra cara tiene varias características que se pueden identificar, como nuestros ojos, boca, nariz, etc. Cuando usamos algoritmos DLib para detectar estas características, en realidad obtenemos un mapa de puntos que rodean cada característica.

Este mapa está compuesto por 67 puntos (llamados puntos de referencia) y puede identificar las siguientes características:

Esta web utiliza cookies, puedes ver aquí la Política de Cookies