Reconhecimento Facial na prática

Um assunto que me tira o sono tamanho meu interesse por ele: Computer Vision – reconhecimento, ou melhor, a detecção de objetos e pessoas através de um modelo pré-treinado. Neste vídeo de hoje, vamos utilizar o algoritmo YoloV3, para executar uma aplicação e rodar o projeto.

Trabalhei com rede neural há uns 15 anos atrás e posso dizer que eram tempos “difíceis” tendo em vista os recursos disponíveis na época.

Recursos usados

·         Câmera Logitech C270

·         Computador

·         NVIDIA GeForce GTX 1660

PRÉ-REQUISITOS

Para rodar as redes neurais profundas (DNN) é necessário  o uso de computação paralela utilizando GPU.

Por isso vamos precisar de uma placa de vídeo potente da NVIDIA e rodar o algoritmo com o uso da API CUDA (conjunto de instruções  virtuais da GPU).

               

Para rodar o algoritmo primeiro é necessário ter instalado os seguintes pacotes:

• Drive Placa de VídeoNvidia
• CUDA
• CUDNN (Biblioteca de Deep Neural Network do CUDA)
• OpenCV

Configurações do Computador

SETUP YOLO

Detecção utilizando um modelo pré-treinado

Abra o terminal e digite os seguintes comandos:

Modifique o arquivo MakeFile como na figura abaixo pois iremos utilizar processamento da GPU, CUDNN e OpenCV.

Após modificar basta dar o comando make.

É com esse comando que é compilado tudo para ser utilizado pelos algoritmos.

Esse comando demora um pouco para rodar.

Setup YOLO

Caso seu computador e placa de vídeo não sejam tão potentes ou deseja uma performance melhor, alterem o arquivo  cfg/yolov3.cfg .

Foi utilizada a seguinte configuração nesse projeto:

YOLO V3

Normalmente sistemas de detecção aplicam o modelo a uma imagem em vários locais e escalas diferentes.

O YOLO aplica uma única rede neural na imagem completa. Essa rede divide a imagem em regiões e prevê caixas delimitadoras e probabilidades para cada região.

YOLO tem várias vantagens. Ele enxerga a imagem como um todo, de modo que suas previsões são geradas pelo contexto global na imagem. Faz previsões com uma única avaliação de rede, ao contrário de R-CNN que fazem milhares de avaliações para uma única imagem.

Chega a ser 1000 vezes mais rápido que o R-CNN e 100 vezes mais rápido que o Fast R-CNN.

Para rodar o YOLO, basta abrir o terminal na pasta “darknet” e digitar um comando.

É possível rodar o YOLO de 4 formas:

·         Imagem

·         Múltiplas Imagens

·         Streaming (Webcam)

·         Vídeo

YOLO V3 - Imagem

Coloque a imagem que deseja na pasta “data” dentro de darknet e após isso rode o comando abaixo modificando o nome da imagem:

YOLO V3 - Imagem Input

YOLO V3 - Imagem Output

YOLO V3 – Múltiplas Imagens

Coloque as imagens em algumas pasta, além de fornecer o caminho da imagem, deixe em branco e rode o comando como esta abaixo:

Após isso vai aparecer algo como a figura abaixo, basta colocar caminho da imagem e clicar em “enter” e repetir esses passos para várias imagens.

YOLO V3 – WebCam

Rode o comando abaixo e após carregar a rede, vai aparecer a webcam.

YOLO V3 – Vídeo

Coloque o vídeo que deseja na pasta “data” dentro de darknet e após isso rode o comando abaixo modificando o nome do vídeo:

YOLO V3 – Vídeo EXPO3D 1

YOLO V3 – Vídeo EXPO3D 2

YOLO V3 – Vídeo EXPO3D 3

FAÇA O DOWNLOAD:

PDF