Het slagveld van geavanceerde gezichtsdetectoren

Gezichtsdetector is tegenwoordig een van de meest gebruikte AI-componenten. Of u nu een systeem bouwt om het aantal mensen in een kamer te tellen of een huisbeveiligingssysteem dat de deur ontgrendelt wanneer u uw voordeur bereikt, u hebt een gezichtsdetector nodig.

Gegeven een afbeelding, een gezicht detector lokaliseert de gezichten in de afbeelding en geeft de coördinaten van elk gezicht in de afbeelding.

Er zijn talloze gezichtsdetectoren beschikbaar, en eerlijk gezegd kan het nogal overweldigend voor u zijn om te beslissen welke het beste is voor uw project. Er is niet één juist antwoord.

De keuze van de gezichtsdetector hangt af van de vereisten van uw project, zoals beschikbare middelen en doelinferentiesnelheid.

In dit bericht zal ik een vergelijking maken van de vier geavanceerde gezichtsdetectoren die vandaag beschikbaar zijn: OpenCV Haar Cascade, Xailient, Dlib en MTCNN. Ik zal ook een code geven voor elk van de gezichtsdetectoren, zodat u de vergelijking kunt herhalen of als een kickstarter voor uw project kunt gebruiken.

Gezichtsdetectorvergelijking

Voor de vergelijking tussen OpenCV Haar Cascade, Xailient, Dlib en MTCNN Gezichtsdetectoren gebruikte ik een Raspberry Pi 3B+, met Raspbian Buster als besturingssysteem. Testvideo's die voor deze experimenten zijn gebruikt, zijn gedownload van Pexels.com

Hier zijn de videolinks:

• Testvideo 1
• Testvideo 2
• Testvideo 3

Hier is een video met vergelijkingsresultaten voor de vier gezichtsdetectoren.

Hieronder staan ​​de scripts die ik heb gebruikt voor het uitvoeren van elk van de gezichtsdetectoren.

OpenCV Haar Cascade

Installeer de vereiste python-bibliotheken met het pip-commando om in te stellen.

pip3 install opencv -python

Ik gebruikte OpenCV versie 4.1.0 voor dit experiment.

Hier is de code voor gezichtsdetectie met OpenCV Haar Cascade:

Dlib

Installeer voor de installatie de vereiste python-bibliotheken met het pip-commando.

pip3 install dlib
pip3 install opencv-python
pip3 install imutils

Ik gebruikte OpenCV versie 4.1.0 voor dit experiment.

Hier is de code voor gezichtsdetectie met Dlib:

Xailient

Om in te stellen, installeer de vereiste python-bibliotheken met het pip-commando.

pip3 installeer opencv-python
pip3 install numpy

Ik heb voor dit experiment OpenCV versie 4.1.0 gebruikt.

Volg deze instructies om de Xailient-gezichtsdetector te installeren.

Hier is de code voor Gezichtsdetectie met Xailient:

MTCNN

Installeer de vereiste python-bibliotheken met het pip-commando om in te stellen.

pip3 install opencv- python
pip3 install mtcnn
pip3 install tensorflow

Ik heb OpenCV versie 4.1.0 gebruikt voor dit experiment.

Hier is de code voor gezichtsdetectie met MTCNN:

Vergelijkingsresultaten

Hier is de lijst van de gezichtsdetectoren in aflopende volgorde van hun prestaties (best is on bovenaan de lijst):

1. Xailient Gezichtsdetector
2. OpenCV Haar Cascade Gezichtsdetector
3. Dlib Gezichtsdetector
4. MTCNN Gezichtsdetector

Xailient liep 16 keer sneller dan OpenCV Haar Cascade Gezichtsdetector met slechts 1/4 van de middelen met beter kwalitatieve nauwkeurigheid.

Xailient liep 80 keer sneller dan Dlib Gezichtsdetector met dezelfde hoeveelheid middelen met vergelijkbare kwalitatieve nauwkeurigheid .

Xailient liep 80 keer sneller dan MTCNN Gezichtsdetector met slechts 1/4 van de middelen met vergelijkbare kwalitatieve nauwkeurigheid.

Download Xailient Face Detector vandaag nog van Xailient Console.

Sabina Pokhrel
Customer Success AI Engineer, Xailient