https://github.com/yhotta240/face_features
このリポジトリは、顔検出および特徴量抽出のための様々な Python スクリプトを含んでいます。各スクリプトは異なるアルゴリズムや手法を使用しており、簡単に実行できるようになっています。
https://github.com/yhotta240/face_features
canny-edge-detection colab colab-notebook colaboratory dlib dlib-face face-detection face-landmark-detection grayscale haar-like-features hog-features opencv python
Last synced: 2 months ago
JSON representation
このリポジトリは、顔検出および特徴量抽出のための様々な Python スクリプトを含んでいます。各スクリプトは異なるアルゴリズムや手法を使用しており、簡単に実行できるようになっています。
- Host: GitHub
- URL: https://github.com/yhotta240/face_features
- Owner: yhotta240
- Created: 2024-05-22T06:40:15.000Z (about 2 years ago)
- Default Branch: main
- Last Pushed: 2024-05-22T19:53:19.000Z (about 2 years ago)
- Last Synced: 2025-03-14T15:27:54.013Z (over 1 year ago)
- Topics: canny-edge-detection, colab, colab-notebook, colaboratory, dlib, dlib-face, face-detection, face-landmark-detection, grayscale, haar-like-features, hog-features, opencv, python
- Language: Python
- Homepage: https://colab.research.google.com/github/yhotta240/face_features/blob/main/face_features.ipynb
- Size: 67.8 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 顔検出＆特徴量抽出 Python プログラム
このリポジトリは、顔検出および特徴量抽出のための様々な Python スクリプトを含んでいます。各スクリプトは異なるアルゴリズムや手法を使用しており、簡単に実行できるようになっています。
### Google Colab での実行
このリポジトリのコードを Google Colab 上で実行することも可能です。
| Colab name | Colab Page |
| --- | --- |
face_features.ipynb | [](https://colab.research.google.com/github/yhotta240/face_features/blob/main/face_features.ipynb)
## リポジトリのクローン
まず、リポジトリをクローンします：
```bash
git clone https://github.com/yhotta240/face_features.git
cd face_features
```
## セットアップ
### 依存関係のインストール
必要なパッケージをインストールするために、以下のコマンドを実行してください：
```bash
pip install -r requirements.txt
```
## 画像のアップロード
imagesフォルダに画像をアップロードします。
## 設定の変更
`initialize.py` には、ユーザーが変更できる設定が含まれています。以下の設定を必要に応じて変更してください：
```python
# initialize.py
# 入力画像のパス
image_path = "images/sample.png"
# 画像のリサイズ設定
isResize = True
width_size = 256
hight_size = 256
# プロット設定
isPlot = True
plt_axis = "off"
# 出力画像の保存設定
isOutputImage = True
```
## 実行方法
以下のコマンドを実行して run.py を開始します：
```python
python run.py
```
リポジトリには以下のスクリプトが含まれています。run.py を実行して、実行するスクリプトを選択できます。
1. `face_canny_edge.py` - Canny エッジ検出
2. `face_corner.py` - Harris コーナー検出
3. `face_detection.py` - 顔検出
4. `face_dlib.py` - dlib を使用した顔検出
5. `face_dlib_features_csv.py` - dlib を使用した顔特徴点抽出と CSV 出力
6. `face_goodFeaturesToTrack.py` - Shi-Tomasi 角点検出
7. `face_haar-like.py` - Haar-like 特徴量を使用した顔検出
8. `face_hog_descriptor.py` - HOG 特徴量抽出
9. `face_landmark_detection.py` - 顔ランドマーク検出
10. `grayscale.py` - グレースケール変換
11. `hog_descriptor.py` - HOG 特徴量抽出
実行後、番号を入力して対応するスクリプトを選択します。
例：
```bash
1. face_canny_edge.py
2. face_corner.py
3. face_detection.py
...
選択してください: 1
```
選択したスクリプトが実行されます。
## 実行処理後の画像保存
実行処理後の画像は、output フォルダが存在しない場合、自動で作成され、その中に今日の日付のフォルダが生成されます。その日付フォルダの中に実行後の画像が保存されます。
## プロジェクト構成
```
face_features/
│
├── images/
│ └── sample.png # サンプル画像（変更可）
│
├── models/
│ └── shape_predictor_68_face_landmarks.dat # 顔ランドマーク検出用モデル
│
├── scripts/
│ ├── face_canny_edge.py # Canny エッジ検出スクリプト
│ ├── face_corner.py # Harris コーナー検出スクリプト
│ ├── face_detection.py # 顔検出スクリプト
│ ├── face_dlib.py # dlib を使用した顔検出スクリプト
│ ├── face_dlib_features_csv.py # dlib を使用した顔特徴点抽出と CSV 出力スクリプト
│ ├── face_goodFeaturesToTrack.py # Shi-Tomasi 角点検出スクリプト
│ ├── face_haar-like.py # Haar-like 特徴量を使用した顔検出スクリプト
│ ├── face_hog_descriptor.py # HOG 特徴量抽出スクリプト
│ ├── face_landmark_detection.py # 顔ランドマーク検出スクリプト
│ ├── grayscale.py # グレースケール変換スクリプト
│ └── hog_descriptor.py # HOG 特徴量抽出スクリプト
│
├── face_features.ipynb # Colab を使用して作成された Jupyter ノートブック
│
├── initialize.py # 設定ファイル
│
├── requirements.txt # 依存関係ファイル
│
└── run.py # スクリプト選択および実行ファイル
```
この README は、リポジトリの概要、セットアップ方法、設定の変更方法、スクリプトの実行方法、およびプロジェクト構成について説明しています。必要に応じて内容を追加や修正してください。