Python ve OpenCv ile yüz tanima ve otomatik Blur uygulaması

Abstract

Gelişen teknoloji, artan nüfus, hareketlenen şehir hayatı ve bilişim teknolojilerini yoğun bir şekilde kullanan kurumlar insanların ve nesnelerin daha hızlı ve daha efektif bir şekilde tanımlanıp sınıflandırılmalarını zorunlu kılmaktadır. Önceki yıllarda her türlü arama, sınıflandırma devlet memurları ya da görevli personelin yardımıyla yapılmaktaydı. Günümüzde ise otomatik, akıllı sistemler hangi memurun işe gelmediğini tespit edebiliyor, otoyollardaki geçişlerde plaka tanıma sistemleri ile hızlı geçişler sağlanıyor, Biyometrik güvenlik sistemleri yardımıyla şahsi verilerin ve bilginin güvenliği kolay bir şekilde gerçekleştiriliyor. Bu çalışmada yüz tanıma algoritmaları ve yaklaşımları ele alınmış ve açık kaynaklı görüntü işleme kütüphanesi olan OpenCv tanıtılmıştır. Yüz tanımanın 6 temel aşaması vardır. Bu 6 aşama algılama, hizalama, ölçüm, simgeleme, eşleştirme ve doğrulama/tanımlamadır. Sima tespit ve tanıma işleminde temel olarak kabul edilmiş iki prensip vardır. Bu prensipler özelliksel ve görünümsel prensiplerdir. İlk kez ortaya çıkmış yaklaşım özelliksel yaklaşımdır. Özelliksel yaklaşımda yüzün ayırt edici noktaları belirlenerek bu noktalar arasındaki uzaklıklar ölçülerek kıyaslanır. Görünümsel yaklaşım biraz daha kompleks ve karmaşıktır. Görüntüler bir havuzda toplanarak şablonlar oluşturulur ve bu şablonlar üzerinden eşleştirmeler yapılır.

Improving technology, increasing population, complicated urban life and institutions make it necessary to define and classify people and objects more quickly and more effectively. It is not possible to make classification and recognition by placing civil servants and officials like the times before. Automatic and smart systems can now determine easily those who do not come to work. Even in motorways crossings, plate recognition systems are now installed, and fast transitions are provided. In this paper, face recognition algorithms and approaches are discussed and open-source image processing library OpenCv is introduced. There are 6 basic stages of face recognition. These 6 stages are detection, alignment, symbolization, matching and verification / identification. Two basic mottoes which are view-based and property-based mottoes exist in the face finding and recognition process. The first motto is a property-based motto. In the feature-based motto, the points of faces are determined and the distances between these points are compared and measured. The view-based motto is a little more complicated. Images are collected in a repository and templates are created and mapped via these templates.