Классифицировать изображения по основам сходства

Question

У меня есть 30,40 изображений людей, которые я хочу получить в коде Python. И сделать группу из похожих картинок. Как 5 фото Джона и 10 Петра. как это. Я новичок в области обработки изображений. Поэтому мой вопрос в том, какой алгоритм лучше для этого. И я хочу сделать это на лямбда-функции AWS. Любая помощь будет высоко оценен.

PS (Это моя первая задача в этой области. Пожалуйста, не обращайте внимания на ошибки, скажите мне, чтобы улучшить их Спасибо)

Answer 1

Я бы посоветовал вам сделать это с помощью AWS Rekognition. Это довольно просто. Вы можете достичь желаемого за 3 простых шага:

1. Загрузка изображений с метаданными: означает, что вы загружаете изображения людей с их именами в s3, чтобы сохранить их информацию, на которую будут ссылаться позже

2. Индексация фотографий : это означает добавление информационных тегов к лицам, эта информация хранится в DynamodB, и это делается с помощью API index_faces

3. Сравнение фотографий с индексированными лицами: это будет достигнуто с помощью rekognition search_faces_by_image api

Теперь часть 1 код: пакетная загрузка с метаданными

import boto3

s3 = boto3.resource('s3')

# Get list of objects for indexing
images=[('image01.jpeg','Albert Einstein'),
      ('image02.jpeg','Candy'),
      ('image03.jpeg','Armstrong'),
      ('image04.jpeg','Ram'),
      ('image05.jpeg','Peter'),
      ('image06.jpeg','Shashank')
      ]

# Iterate through list to upload objects to S3   
for image in images:
    file = open(image[0],'rb')
    object = s3.Object('rekognition-pictures','index/'+ image[0])
    ret = object.put(Body=file,
                    Metadata={'FullName':image[1]}
                    )

Теперь часть 2 кода: индексирование

from __future__ import print_function

import boto3
from decimal import Decimal
import json
import urllib

print('Loading function')

dynamodb = boto3.client('dynamodb')
s3 = boto3.client('s3')
rekognition = boto3.client('rekognition')


# --------------- Helper Functions ------------------

def index_faces(bucket, key):

    response = rekognition.index_faces(
        Image={"S3Object":
            {"Bucket": bucket,
            "Name": key}},
            CollectionId="family_collection")
    return response

def update_index(tableName,faceId, fullName):
    response = dynamodb.put_item(
        TableName=tableName,
        Item={
            'RekognitionId': {'S': faceId},
            'FullName': {'S': fullName}
            }
        ) 

# --------------- Main handler ------------------

def lambda_handler(event, context):

    # Get the object from the event
    bucket = event['Records'][0]['s3']['bucket']['name']
    key = urllib.unquote_plus(
        event['Records'][0]['s3']['object']['key'].encode('utf8'))

    try:

        # Calls Amazon Rekognition IndexFaces API to detect faces in S3 object 
        # to index faces into specified collection

        response = index_faces(bucket, key)

        # Commit faceId and full name object metadata to DynamoDB

        if response['ResponseMetadata']['HTTPStatusCode'] == 200:
            faceId = response['FaceRecords'][0]['Face']['FaceId']

            ret = s3.head_object(Bucket=bucket,Key=key)
            personFullName = ret['Metadata']['fullname']

            update_index('family_collection',faceId,personFullName)

        # Print response to console
        print(response)

        return response
    except Exception as e:
        print(e)
        print("Error processing object {} from bucket {}. ".format(key, bucket))
       raise e

Теперь часть 3 кода: Сравнить

import boto3
import io
from PIL import Image

rekognition = boto3.client('rekognition', region_name='eu-west-1')
dynamodb = boto3.client('dynamodb', region_name='eu-west-1')

image = Image.open("group1.jpeg")
stream = io.BytesIO()
image.save(stream,format="JPEG")
image_binary = stream.getvalue()


response = rekognition.search_faces_by_image(
        CollectionId='family_collection',
        Image={'Bytes':image_binary}                                       
        )

for match in response['FaceMatches']:
   print (match['Face']['FaceId'],match['Face']['Confidence'])

    face = dynamodb.get_item(
        TableName='family_collection',  
        Key={'RekognitionId': {'S': match['Face']['FaceId']}}
        )

    if 'Item' in face:
        print (face['Item']['FullName']['S'])
    else:
        print ('no match found in person lookup')

с помощью функции сравнения, приведенной выше, вы получите имена лиц на фотографиях, а затем сможете решить, что делать дальше, например, сохранить фотографии с одинаковыми именами в другой папке, переименовав фотографии, что даст фотографии разных людей в разных папках.

Предпосылки:

создать коллекцию rekognition с именем family_collection

aws rekognition create-collection --collection-id family_collection --region eu-west-1 

создать таблицу динамодаб с именем family_collection

aws dynamodb create-table --table-name family_collection \
--attribute-definitions AttributeName=RekognitionId,AttributeType=S \
--key-schema AttributeName=RekognitionId,KeyType=HASH \
--provisioned-throughput ReadCapacityUnits=1,WriteCapacityUnits=1 \
--region eu-west-1