Python IoT – Detecção e Reconhecimento de Faces, aplicações na sociedade

Apresentação para a Python Brasil 14, dia 21 de Outubro de 2018

Transcript

1. Python IoT – Detecção e Reconhecimento de Faces, aplicações na sociedade ERLON DANTAS DA NÓBREGA JÚNIOR CIÊNCIA DA COMPUTAÇÃO – FAFIC
2. [~]$ whoami • Desenvolvedor • Python e Kivy • Pesquisador • Segurança da Informação, Visão Computacional e IoT • Fsociety Brasil • CTF Fsociety - WIMF • Cursando Bacharel em Ciência da Computação • FAFIC , Cajazeiras, PB Erlon Dantas da Nóbrega Júnior 19 Anos || São João do Rio do Peixe, PB
3. [~]$ whoami/developer
4. [~]$ whoami/researcher
5. [~]$ whoami/researcher
6. [~]$ whoami/team-ctf
7. [~]$ whoami/college
8. [~]$ lecture • Slide • bit.ly/ejrgeek-pybr14-talk • Link extenso: • https://speakerdeck.com/ejrgeek/python-iot-deteccao-e- reconhecimento-de-faces-aplicacoes-na-sociedade • Arquivos • bit.ly/ejrgeek-pybr14-arq • Link extenso: • https://github.com/ejrgeek/dec-rec-python-opencv
9. [~]$ networks • GitHub • https://www.github.com/ejrgeek • Redes Sociais • https://www.facebook.com/erlondnjr • https://www.instagram.com/ejr_geek/ • https://twitter.com/GeekEjr • @ejrgeek (Telegram) • Blog • https://erlonbcc.wordpress.com/
10. [~]$ IoT & Raspberry
11. Não identificado (2) Detecção + Reconhecimento (1) Sistema embarcado (3) Status [~]$ IoT & Raspberry
12. [~]$ Software
13. [~]$ Detecção VS Reconhecimento
14. [~]$ Detecção VS Reconhecimento
15. [~]$ OpenCV • Popular • OpenCV: Open source Computer Vision • Crianda: • Intel • 1999 • C/C++ • Processamento de imagem • Python e Java
16. • Padrão Facial Haar Cascade • Captura com Webcam Detecção Reconhecimento • Padrão Facial identificado • Verificação da Face Aplicação [~]$ OpenCV
17. • Padrão Facial Haar Cascade [~]$ OpenCV Imagens Positivas
18. [~]$ OpenCV Imagens Negativas • Padrão Facial Haar Cascade
19. [~]$ OpenCV Treinamento feito com AdaBoost e Seleção de características (HAAR) aplicando na imagem em forma de cascata (Cascade). Depois do treinamento é gerado um arquivo .xml que chamamos de Haar Cascade, que é o nosso classificador. O processo de treinamento é muito demorado. O objetivo do algoritmo é diferenciar os valores obtidos no treinamento e usar os melhores valores.
20. [~]$ OpenCV O AdaBoost tira as características que não são necessarias (os quadradinhos) e combinar os classificadores fracos em um forte.
21. [~]$ OpenCV O Cascade computa (calcula) a media dos pixels na imagem (área branca e preta) se a diferença entre essas áreas forem abaixo de um limite, as características coincidem.
22. [~]$ OpenCV
23. • Captura com Webcam Detecção Reconhecimento Eigenfaces Fisherfaces LBPH (Local Binary Patterns Histograms) Algoritmos [~]$ OpenCV
24. [~]$ OpenCV Para o reconhecimento, precisamos • Detecção para coleta das imagens para o treinamento • Treinar o arquivo de reconhecimento (eiginfaces, fisherfaces, LBPH) • Detectar o objeto usando o classificador .xml • Reconhecer usando o arquivo treinado .yml
25. [~]$ OpenCV Imagens: • Poses diferentes (posições e expressões) • Possuir um tamanho padrão • Ser mais de 25 imagens (descrito na documentação) • Boa iluminação (ambiente e no rosto)
26. [~]$ OpenCV O algoritmo usa varias imagens de determinada pessoa, analisa cada uma das principais características e tenta reconstruir o rosto da pessoa, porém não foca nas características que podem diferenciar 2 ou mais pessoas e a iluminação é muito importante.
27. [~]$ OpenCV “Melhoria” do eigenfaces A maior variação não importa, e sim em procurar características importantes entre classes das imagens (pessoas) A iluminação não importa, pois é feito extração de características de forma separada, ou seja, a iluminação existente em uma imagem e que pode não existir em outra, é ignorada
28. [~]$ OpenCV
29. [~]$ OpenCV A iluminação não tem nenhuma importância, é robusto em relação a variação a iluminação. Porém, depende de como a imagem de treinamento e captura no reconhecimento. É gerado um histograma para cada face e é comparado a base de dados e nos retorna a que é mais semelhante, na teoria, a imagem correta
30. [~]$ OpenCV As características importam, nos mínimos detalhes! • Por que preto e branco? • Também funciona colorida, mas é recomendado usar em preto e branco (escala cinza) • Como treinar? • Classificador: AdaBoost, maquina dedicada para treinamento • Reconhecedor: Algoritmos Eigenfaces, Fisherfaces e LBPH • Qual o melhor? • Só testando para saber (Mas Fisherfaces e LBPH são os melhores)
31. • Padrão Facial Identificado • Identificação Facial Aplicação Algoritmo de Reconhecimento Executar Funcionalidade [~]$ OpenCV
32. [~]$ Aplicação na Sociedade • Alarme (Sistemas de segurança) • Controle de Entrada (Bares, Festas, Auditórios) • Contagem de Pessoas • Validações (Presença, Cadastro) • Controle de Tráfego • Identificação de mal feitores • E muitos outros
33. [~]$ Aplicação na Sociedade
34. [~]$ Aplicação na Sociedade
35. [~]$ Aplicação na Sociedade
36. [~]$ Aplicação na Sociedade
37. [~]$ Aplicação na Sociedade
38. Desenvolvedor: AndersonValentin Projeto com JAVA + OpenCV Sistema para deficientes, usando a mão como mouse, em breve o olho. [~]$ Aplicação na Sociedade
39. [~]$ Impacto na Sociedade Lado Bom VS Lado Ruim
40. [~]$ Impacto na Sociedade • Segurança Física • Segurança Digital • Busca por Emprego • Julgamento da Sociedade • Privacidade • Acessibilidade
41. Obrigado!
42. • GITHUB • https://www.github.com/ejrgeek • REDES SOCIAIS • https://www.facebook.com/erlondnjr • https://www.instagram.com/ejr_geek/ • https://twitter.com/GeekEjr • @ejrgeek (Telegram) • BLOG • https://erlonbcc.wordpress.com/ PERGUNTAS?