Ubuntu — Фейс-контроль для входа в систему
На OMG! Ubuntu! привели простую инструкцию, как можно прикрутить изображение с камеры для входа в систему. Безопасность данной реализации ещё ожидает своего исследователя, тут же будет дан небольшой перевод заметки и комментарии.
Важно! Функция входа в систему пока что не работает в случае, если пользовательский каталог зашифрован.
Вначале потребуется установить кое какие библиотеки.
Для Lucid:
sudo apt-get install build-essential cmake qt4-qmake libx11-dev libcv-dev libcvaux-dev libhighgui4 libhighgui-dev libqt4-dev libpam0g-dev libswscale0
Для Maverick:
sudo apt-get install build-essential cmake qt4-qmake libx11-dev libcv-dev libcvaux-dev libqt4-dev libpam0g-dev libswscale0 libhighgui-dev libhighgui2.1
Ну а потом скормить терминалу последовательность команд, смысл которых объяснять линуксоидам нет необходимости:
cd /tmp
wget pam-face-authentication.googlecode.com/files/pam-face-authentication-0.3.tar.gz
tar zxf pam-face-authentication-0.3.tar.gz && cd pam-face-authentication-*
mkdir build && cd build
cmake -D CMAKE_INSTALL_PREFIX=/usr ..
make
sudo make install
После чего в разделе меню “Other” появится пункт “Qt Face Trainer”. Там мы можем порадовать систему собственным обликом и сохранить несколько изображений себя, любимого. А если пункта в меню нет по каким-то причинам, то выручит qt-facetrainer в терминале. 
Программа сама ищет лицо и глаза, выделяя нужный фрагмент изображения. Нажав же клавишу “Advanced Settings” можно покорчить рожи и определить диапазоны, в которых компьютер ещё согласен воспринимать вас за нормального за своего хозяина.
Кстати, судя по всему, ПО ориентируется именно на глаза и линию бровей, совершенно игнорируя всё что ниже. В смысле — всё что ниже на лице.
Теперь мы можем прикрутить систему распознавания к логину в графический интерфейс. Предлагается сделать следующее:
sudo sed -i ‘1i auth sufficient pam_face_authentication.so enableX’ /etc/pam.d/gdm
sudo sed -i ‘1i auth sufficient pam_face_authentication.so enableX’ /etc/pam.d/gnome-screensaver
А можно ещё и так:
sudo sed -i ‘1i auth sufficient pam_face_authentication.so enableX’ /etc/pam.d/su
sudo sed -i ‘1i auth sufficient pam_face_authentication.so enableX’ /etc/pam.d/sudo
Соответсвенно, при необходимости достаточно закоментировать данные строчки в этих файлах.
Авторы указывают, что в зависимости от камеры может потребоваться установка библиотеки Video4Linux — libv4l и добавить её в автозагрузку
- создать файл /etc/ld.so.preload
- прописать в нем путь к файлу v41lcompat.so, который обычно находится в каталоге /usr/lib/libv4l
Хотя, как логично заметили в комментариях к заметке, было бы интереснее, если бы можно было проверку изображения сделать совместной с проверкой пароля, а не вместо неё.
Источник
Фейс контроль, распознавание лиц в системе видеонаблюдения
Возможно, данная статья устарела.
Все новые статьи
«Неча на зеркало пенять, коли рожа крива» (Народная поговорка)
Когда я на калитку забора установил домофонную вызывную панель AVC-305 с цветной видеокамерой, то у меня сразу же возникла крамольная мысль — сделать так, чтобы сервер анализировал изображение и открывал замок своим. Я провел несколько испытаний и установил, что такую систему из подручных средств сделать можно и что она работает, о чем хочу поделиться.
Для тех, кто любит порассуждать на тему фотографии лица, приставленной к видеокамере или чего-то в этом роде, сразу хочу сказать, что у меня не тюрьма, колючей проволоки под напряжением, собак и охраны с автоматами нет и что перелезть через забор значительно проще всяческих ухищрений, поэтому о целесообразности и надежности лучше поговорить как-нибудь отдельно. Меня же прежде всего интересует технология.
Итак, оценив изображение с дешевой широкоугольной камеры типа «пинхол», я понял, что задачу распознавания лиц необходимо решать в два этапа.
1. Из целого кадра выделить только лицо
2. Распознать это лицо.
Определение на фото лиц с помощью PHP и библиотеки OpenCV
Только половина дела.
Некоторое время назад я экспериментировал с библиотекой FANN, которая обеспечивает работу с нейронными сетями. Я уже имел некоторый успешный опыт, поэтому для распознавания лиц решил воспользоваться этой библиотекой. Прежде чем использовать нейронную сеть, ее нужно научить отличать своих от чужих. То есть в буквальном смысле показать фотографии лиц, которых мы знаем и уважаем и других лиц, которых автоматически пускать не хотим. Но если мы подсунем фотографии людей с вызывной панели без обработки, то такой обучающий материал будет не совсем качественным. Ведь человек может стоять дальше от камеры или ближе к ней, правее или левее, летом в дождь или зимой, когда на заднем плане будут навалены сугробы, в шубе или в шортах на босу ногу. Помимо лица на фотографии могут присутствовать другие детали, которые в нашей задаче будут являться мусором и сбивать с толку нейронную сеть. Ведь neural network — это просто алгоритм. Он выявляет скрытые взаимосвязи, но не знает что именно он должен определить на фотографии, то ли свой-чужой, то ли зима-лето, то ли людей в шапках и без. Поэтому мы должны предоставить нейронной сети не целый снимок, а только лицо человека.
Для решения этой задачи мы воспользуемся библиотекой OpenCV (компьютерное зрение). Эта библиотека позволяет в том числе выявить на фотографии лица.
Установка OpenCV на Linux (Debian Squeeze)
Прежде всего, необходимо установить пакеты, которые нужны для компиляции библиотеки.
Теперь скачаем с официального сайта релиз OpenCV 2.3.1 и распакуем его
Заходим в распакованную папку и создаем новый каталог release, а затем компилируем и устанавливаем библиотеку.
Программы с использованием OpenCV могут быть написаны на любом языке, но мне удобнее набросать скрипт на языке PHP, поэтому я установил PHP-модуль facedetect, работающий с OpenCV. Для использования в системе PHP и Apache нужно, чтобы были установлены следующие пакеты apache2, php5, php5-dev php5-gd
Качаем с Github PHP-Facedetect, распаковываем и устанавливаем с помощью нехитрой процедуры:
Теперь осталось только в файле php.ini подключить установленный модуль.
Прежде чем написать простенькую программу, нужно еще раз немного подумать. Для нейронной сети нам нужно подготовить как можно более нормализованные примеры, чтобы сеть не отвлекалась на мелочи, которые не имеют к решению нашей задачи никакого отношения. Поэтому необходимо предусмотреть две вещи:
Первое. Лицо на фотографии может занимать разную площадь, в том числе в пикселях. Значит необходимо произвести ресайз всех изображений до определенного формата, например 200 на 200 точек.
Второе. Цвет. В данном случае цвет будет мешать. Эта та информация, которая в целом не несет с точки зрения классификации и распознавания лиц полезной функции, но может теоретически мешать нейронной сети правильно принять решение. Мы должны преобразовать цветную фотографию в черно-белую (а точнее, в grayscale).
Сделать это нетрудно и в результате получается вот такой скрипт.
Программа анализирует snap.jpg, полученный с камеры наблюдения, выявляет на фото лицо и записывает в файл face.jpg
В результате из целого кадра получаем grayscale кроп 200х200 готовый к распознаванию
Спустя некоторое время у нас может набраться достаточное количество лиц, как своих, так и чужих. Чтобы не усложнять программный код в статье, предположим, что нам необходимо отличить от всего массива лиц какое-то конкретное. Для этого мы воспользуемся нейронной сетью и подходом, который описан в статье «Анализ изображений с помощью нейронной сети». Подготовим обучающий материал. Отсортируем вручную несколько десятков фотографии и в папку «1» запишем файлы с лицом, у которого есть доступ, а в папку «0» всех остальных.
Далее напишем простую программу, которая обучит нашу нейронную сеть.
Теперь проверим работоспособность сети в боевых условиях и с помощью программы.
В результете мы получим число, которое будет ответом нейронной сети. Значения больше 0.7 будут говорить, что этому человеку разрешен доступ. Значения меньше 0.3 — нет. Иные значения лучше трактовать как неопределенные. Фотографии таких лиц лучше складывать в отдельную папку для дальнейшего дообучения сети.
Испытания в реальных условиях показали, что предложенный подход неплохо справляется с задачей.
Человек, который имеет доступ. Ответ нейронной сети: [0] => 0.960845589638
Человек, у которого нет доступа. Ответ нейронной сети: [0] => 0.0223079491407
У предложенного в статье решения есть только один минус. Время распознавания. Оно зависит от объема обучающего материала. В моем примере для обучения использовалось 40 фотографий. Объем сети в памяти занимает порядка 260Мб. Время распознавания на компьютере с процессором Pentium 4 3ГГц — около 15 секунд. Но, полагаю, если система покажет свою работоспособность в будущем, можно будет подумать и об апгрейде сервера. Дообучать сеть можно будет в полуавтоматическом режиме.
Вот такой вот получился фейс-контроль.
Автор: Andrey_B
Любое использование материалов сайта возможно только с разрешения автора и с обязательным указанием источника.
Добавить комментарий:
Сортировка комментариев: Последние сверху | Первые сверху
2020-03-15 00:07:18 | Олег Елин
Series of the Chip: Lightspeeur®
Module of the Chip: SPR2801S
High Energy Efficiency: 9.3 TOPs/Watt
Ultra Low Power: 2.8 TOPs @300mW
Best Peak Performance: 5.6 TOPs @100MHz
Hardware Interface: SDIO3.0 eMMC 4.5
Sealed Package of the Chip: BGA (7mm7mm)
Fabrication Process: 28nm
вот такая погремуха
/www.orangepi.org/Orange%20Pi%20AI%20Stick%202801/
2020-03-15 00:03:26 | Олег Елин
а использовать свитое от компании orange pi для вычислений нейросети ?
2015-08-12 00:17:45 | Алексей
Что если усложнить задачу: 3. Выдать информацию о лице (имя файла, с которым совпадает лицо). Реально?
2014-12-26 11:43:49 | Валерий
Спасибо, установил.
Все равно черный квадрат.
2014-12-25 12:37:49 | Andrey_B
Валерий, правильное имя пакета «libv4l-dev».
2014-12-25 10:17:46 | Валерий
1. Не удалось найти пакет lib4vl-dev.
2. По первому примеру, все проходит без ошибок, но файл face.jpg просто черный квадрат
Может быть черный квадрат из за того, что lib4vl-dev не установлен?
2014-02-02 15:53:00 | Alexander
Мне также первым в голову пришла идея с фотографией вместо головы владельца. Система у вас отличает фото от живого человека? Догадаюсь: ответ будет, скорее всего, ниже 0,3 🙂
2013-09-24 18:22:44 | Arbuzmaster
Подскажите пожалуйста почему в fann_train($ann, $my_example, 1000, 0.001, 1000) 5 параметров хотя ожидалось всего 3 ? libFann 2.1.0
2013-01-20 15:21:15 | Stas
Запускаю скрипт определения скрипта и получаю
$ php face-detect.php
PHP Fatal error: Call to undefined function face_detect() in /home/stas/Workplace/smarthouse/face-detect.php on line 2
хотя
find /usr/ -name facedetect.so
/usr/src/PHP-Facedetect-master/.libs/facedetect.so
/usr/src/PHP-Facedetect-master/modules/facedetect.so
/usr/lib/php5/20090626+lfs/facedetect.so
и
tail -2 /etc/php5/apache2/php.ini
extension=fann.so
extension=facedetect.so
2012-04-02 13:15:46 | Andrey_B
Валерий, вы неправильно обучаете сеть, потому что неправильно заполняете массив $my_example. У вас там какое-то шаманство.
Заполняться он должен примерно так:
Для $i = 0
$my_example[$j] = array($cur_array, array(0,0,0)
Для $i = 1
$my_example[$j] = array($cur_array, array(0,0,1)
Для $i = 2
$my_example[$j] = array($cur_array, array(0,1,0)
Для $i = 3
$my_example[$j] = array($cur_array, array(1,0,0)
Собственно, порядок тут неважен. Главное чтобы при трактовке результатов вы пользовались той же логикой. В PHP этот кусом можно реализовать покороче.
А вообще для того рода обсуждений лучше воспользуйтесь нашим форумом. Там удобнее.
2012-04-02 10:58:17 | Valeriy
Попробовал реализовать задачу аналогичную той, что описал stpavel, только с людьми. Вот так немного изменил обучающий скрипт:
====
read())
<
if ( preg_match(«/jpg/», $entry) )
<
$im = imagecreatejpeg(«teach/$i/$entry»);
$cur_array = array();
$cnt = 0;
for($y=0; $y
====
Т.е. изменил маркировку массива my_example. Каждый элемент этого массива маркировался 0 или 1, а теперь 000, 100, 010, 001 (у меня 4 папки: в первой (которая «0») чужие фото, и 3 со «своими» (1, 2 и 3). На выходе хочется получить что-то типа:
0,9
0,2
0,3
Т.е. человек опознан, и он из папки 1. Но на практике работает не так. Даже при обучении все время выдает разные коэффициенты, а результат выполнения скрипта распознавания разный на одной и той же фотографии при переобучении программы без добавления новых фото(((. Может я недочитал/недопонял принцип работы и логику FANN? Вобщем, если есть идея где я ошибся, буду рад помощи.
P.S.: сори за предыдущий комментарий, некорректно добавился.
2012-03-27 10:46:16 | Andrey_B
Debian 5 — это Lenny?
У меня libfann1 прекрасно установился.
Подробнее здесь
2012-03-27 01:46:41 | artmel
Огромное спасибо за такие статьи!
Подскажите, стоит дебиан 5 , не смог поставить fannlib1, только fannlib2
и теперь у меня выбивает
/var/neuro php index.php
/etc/php5/modules/fann.so: undefined symbol: fann_create_array
как можно это победить? или как поставить fannlib1 ?
2012-01-21 23:49:48 | Andrey_B
Никита, может быть и проще. Нужно будет попробовать.
2012-01-19 15:28:26 | Никита
А не проще ли было воспользоваться распознованием лиц с помощью opencv (opencv.willowgarage.com/wiki/FaceRecognition)? в моей базе 5 лиц, на старой машинке (coreduo, интегрир. видео) отрабатывает разпознование немногим больше секунды.
2011-12-23 14:24:25 | DMG
Александр, тепла или открытого пламени? Если тепла то смотрите PIR-датчики, из готового Фотоны всякие.
2011-12-21 10:57:24 | Andrey_B
red, скажите, а вы вообще-то читали статью?
2011-12-21 01:53:07 | red
А если, к примеру, такой случай: я не имею доступ, то есть ваша нейронная сеть меня не знает, а ВАС ваша нейронная сеть знает и естественно любезно откроет ВАМ дверь. Но я в свою очередь имею возможность сфотографировать ВАС, а затем поднести ВАШУ фотографию к камере видео наблюдения. Тогда получается она впустит меня! Как с этим быть.
2011-10-31 17:56:21 | Александр
Уважаемый Andrey_B, не встречались ли вам бюджетные решения тепловых сенсоров?
Основная идея такая: при попадании человека или другого источника тепла туда, где ему быть нельзя, включается видеозапись с камеры расположенной рядом и умный дом реагирует на это. А дальнейшее уже зависит от вашего желания, как он вам сообщит об этом.Хоть Фотографию пошлет..
Есть ли подобные решения с адекватным ценником? А то уж больно нехорошая цена на промышленно исполненные системы существует.
2011-10-18 14:25:19 | Дмитрий
Это бесподобно! ) Автор молодец!
Сам пытался подружить OpenCV с Java, в среде NetBeans,
пока ничего путёвого не вышло, похоже всё-таки руки кривые )))
Как появится свободное время обязательно займусь!!
Источник
