O que você aprenderá
- Diferencie detecção e reconhecimento facial
- Detecte faces usando Haarcascade, HOG (Histogram of Oriented Gradients), MMOD (Max-Margin Object Detection), e SSD (Single Shot Multibox Detector)
- Detecte e reconheça faces de imagens, vídeos e webcam usando as bibliotecas OpenCV e Dlib
- Reconheça faces usando Eigenfaces, Fisherfaces, LBPH (Local Binary Patterns Histrograms), e modernas técnicas de Deep Learning
- Avalie os algoritmos de reconhecimento facial para escolher o melhor de acordo com os seus objetivos
Requisitos
- Lógica de programação
- Programação básica em Python
Descrição
A detecção de faces é uma sub-área da Visão Computacional que visa detectar o rosto das pessoas em imagens ou vídeos. Smartphones e câmeras digitais usam esses recursos para selecionar pessoas em uma foto, geralmente colocando um retângulo ao redor do rosto. Esse tipo de aplicação tem ganhado bastante relevância em sistemas de segurança, nos quais é necessário identificar se há pessoas em um ambiente para que o alarme seja acionado. Por outro lado, o reconhecimento facial visa reconhecer o rosto das pessoas para por exemplo identificar se uma pessoa está ou não presente em um ambiente. É importante destacar as diferenças entre as técnicas de detecção e reconhecimento de faces: enquanto a primeira apenas indica se uma face está presente, a segunda indica de quem é a face detectada.
Neste curso passo a passo usando a linguagem de programação Python, você aprenderá como detectar e reconhecer rostos a partir de imagens, vídeos e webcam; utilizando desde as técnicas mais básicas até as mais avançadas! Veja abaixo os tópicos que serão abordados:
- Detecção de faces usando Haarcascade, HOG (Histogram of Oriented Gradients), MMOD (Max-Margin Object Detection) e SSD (Single Shot Multibox Detector)
- Detecção de outros objetos, como olhos, sorrisos, relógios, corpos e carros
- Reconhecimento de faces usando Eigenfaces, Fisherfaces, LBPH (Local Binary Patterns Histograms) e técnicas avançadas de Deep Learning
- Como comparar o desempenho dos algoritmos
- Criação de seu conjunto de dados personalizado capturando rostos via webcam
Todas as implementações serão feitas passo a passo usando o Google Colab online, ou seja, você não precisa se preocupar em instalar e configurar as ferramentas na sua própria máquina! São mais de 60 aulas e 8 horas de vídeos passo a passo!
Para quem é este curso
- Pessoas interessadas em detecção e reconhecimento de faces utilizando as bibliotecas OpenCV e Dlib
- Alunos de gradução ou pós-graduação que estejam cursando disciplinas da área de Visão Computacional, Inteligência Artificial ou Ciência de Dados
- Cientistas de dados que queiram aumentar seu portfólio
- Iniciantes na área de Visão Computacional
Conteúdo do Curso
Avaliações e Comentários
zeteoEste curso proporcionou insights valiosos que pude aplicar em um sistema da empresa em que trabalho. Ele é especialmente útil para substituir a validação biométrica de impressões digitais dos usuários, uma vez que temos muitos usuários idosos cujas impressões digitais estão desgastadas.
ND