Los 6 mejores proyectos de código abierto para el reconocimiento facial en tiempo realpor@alesya
26,680 lecturas

Los 6 mejores proyectos de código abierto para el reconocimiento facial en tiempo real

2021/04/28
4 min
por @alesya 26,680 lecturas
ES
Read on Terminal Reader

Demasiado Largo; Para Leer


Company Mentioned

Mention Thumbnail
featured image - Los 6 mejores proyectos de código abierto para el reconocimiento facial en tiempo real
Alesia Traichuk HackerNoon profile picture

@alesya

Alesia Traichuk

Sobre @alesya
LEARN MORE ABOUT @ALESYA'S EXPERTISE AND PLACE ON THE INTERNET.
react to story with heart

Los sistemas de reconocimiento facial en tiempo real siguen siendo un tema muy popular en la visión por computadora, y una gran cantidad de empresas han desarrollado sus propias soluciones para intentar aprovechar el mercado en crecimiento. En comparación con los métodos tradicionales de reconocimiento, los sistemas de reconocimiento facial en tiempo real tienen la ventaja de utilizar varias instancias del mismo individuo en fotogramas secuenciales.

Si está buscando aprovechar los beneficios del reconocimiento facial en tiempo real, los proyectos de código abierto pueden ser un excelente punto de partida. Dado que el código fuente está publicado, puede ver cómo funciona y estar seguro de que no roba sus datos. En este artículo, lo ayudaremos a navegar a través de los mejores proyectos de reconocimiento facial de código abierto y le mostraremos por qué elegir un software de código abierto suele ser la mejor opción.

Introducción a las soluciones de reconocimiento facial de código abierto

Los sistemas de reconocimiento facial varían en cuanto a su funcionalidad y características únicas. Pero, en general, el proceso de automatización de su sistema con software de reconocimiento facial requiere los mismos pasos básicos.

Primero, coloca una cámara en la ubicación deseada y comienza a transmitir video. La cámara debe colocarse de tal manera que la lente reciba suficiente luz y el sujeto mire a la cámara. Si no es posible obtener una visión completa de la cara del usuario, la cámara debe tener una resolución lo más clara posible. Para no sobrecargar el servidor de reconocimiento facial, es mejor detectar primero el movimiento.

¿Por qué elegir un proyecto de reconocimiento facial de código abierto?

El software de código abierto tiene muchas ventajas. En primer lugar, con el código fuente abierto, está seguro de cómo se tratan sus datos. En segundo lugar, los proyectos de código abierto suelen ser de mayor calidad.

Los errores se identifican muy rápidamente, ya que varios desarrolladores revisan constantemente el código. En tercer lugar, las tarifas de las licencias son más bajas y dichos proyectos suelen desarrollarse internamente o por proveedores de servicios de TI de libre elección. Es difícil encontrar software de código abierto desactualizado, ya que generalmente sigue las prácticas modernas de desarrollo de software. Finalmente, se considera que el código abierto es el siguiente nivel de maduración del código. Permite a los desarrolladores comprender un código con fluidez en unos minutos y los inspira a trabajar en él.

El mejor software de reconocimiento facial de código abierto

Estudiamos los repositorios de github de software de reconocimiento facial de código abierto en tiempo real y preparamos una lista de las mejores opciones:

1. Cara profunda

Esta biblioteca admite diferentes métodos de reconocimiento facial como FaceNet e InsightFace. También proporciona una API REST, pero solo admite métodos de verificación, por lo que no puede crear colecciones de rostros y encontrar un rostro entre ellos. Si bien es fácil comenzar si es un desarrollador de Python, puede ser más difícil de integrar para otros. La última versión a principios de 2021 es 0.0.49.

2. Comprimir Cara

Esta solución solo se publicó en github en julio de 2020 y parece muy prometedora. CompreFace se encuentra en nuestra lista de los mejores proyectos de reconocimiento facial de código abierto porque es una de las pocas soluciones de reconocimiento facial REST API autohospedadas que se pueden iniciar con un comando docker-compose. Una API REST le permite integrarla fácilmente en su sistema sin necesidad de conocimientos previos de aprendizaje automático. Además, es escalable, por lo que puede reconocer caras simultáneamente en varias transmisiones de video.

CompreFace tiene una interfaz de usuario simple para administrar roles de usuario y colecciones de rostros. Permite elegir entre los dos métodos de reconocimiento facial más populares: FaceNet (precisión LFW del 99,65 %) e InsightFace (precisión LFW del 99,86 %). Todavía está en la fase de desarrollo activo y la última versión a principios de 2021 es la versión 0.5.

3. Reconocimiento facial

La característica principal de esta solución es que utiliza su API de Python y la herramienta de línea de comandos binarios. Además, las instrucciones de instalación para todas las plataformas principales e incluso una imagen acoplable para una configuración rápida están disponibles en su github. A pesar de su popularidad, el software tiene algunas desventajas. El último lanzamiento fue en 2018 y no ha habido mejoras importantes desde entonces. Utiliza un modelo de reconocimiento facial bastante obsoleto con solo un 99,38 % de precisión en LFW y no tiene una API REST.

4. Insight Face

InsightFace es otra biblioteca Python de código abierto que utiliza uno de los métodos de reconocimiento de rostros más recientes y precisos para la detección de rostros ( RetinaFace ) y el reconocimiento de rostros ( SubCenter-ArcFace ). La precisión de esta solución es muy alta: 99,86 % en el conjunto de datos LFW. La única desventaja es que no es fácil de usar.

5. FaceNet

FaceNet es una popular biblioteca Python de código abierto. La precisión de este método es bastante alta: 99,65 % en el conjunto de datos LFW, que es excelente pero no la más alta. Las desventajas de esta solución son que no tiene una API REST y que el repositorio ya no es compatible (la última actualización fue en abril de 2018).

6. InsightFace-RESTO

Este es otro repositorio prometedor creado en 2019 con un desarrollo activo a partir de octubre de 2020. Al igual que CompreFace, esta es una solución basada en Docker que proporciona una API REST conveniente. La mayor ventaja es que sus desarrolladores aceleraron el reconocimiento de InsightFace por un factor de tres. La desventaja de esta solución es que solo proporciona incrustaciones de la cara y no proporciona una API para el reconocimiento facial real, por lo que deberá tener su propio clasificador. El repositorio aún no tiene una licencia, por lo que deberá preguntarle al autor si puede usarlo. La última versión a principios de 2021 es v0.5.9.6.

Conclusión

Si bien los mejores proyectos de reconocimiento facial de código abierto disponibles en GitHub hoy en día son diferentes en sus características, todos tienen el potencial de facilitarle la vida. Al elegir una solución de reconocimiento facial de código abierto, recomendamos compilar una lista de criterios que sean relevantes para su negocio y elegir la opción que priorice las mismas cosas que usted hace. Si bien puede haber algunas funciones que sean más importantes para usted que otras, cada uno de los proyectos gratuitos de código abierto que hemos identificado aquí proporcionará una experiencia de reconocimiento facial en tiempo real de alta calidad.

HISTORIAS RELACIONADAS

L O A D I N G
. . . comments & more!
Hackernoon hq - po box 2206, edwards, colorado 81632, usa