Pycharm에서 OpenCV를 활용한 얼굴 인식 환경 세팅 및 얼굴 인식 테스트

이번 글은 동계 계절학기 때 진행했던 얼굴 인식 출석기록 프로젝트에 대한 정리 글입니다.

계절학기다 보니 짧은 기간 안에 수행했어야 했습니다. 과목에 대해 간략히 소개하자면 원하는 주제에 대한 오픈소스를 참고하여 구현을 시작하고,  참고한 오픈소스를 분석하여 문제점에 대한 개선점을 추가로 구현해주어야 했던 과목이었습니다.

아래 구현 영상과 소스코드 링크를 첨부하였습니다. 참고 해주세요!

 

 

https://www.youtube.com/watch?v=aBTPyji1nHA

구현 영상

 

 

 

https://github.com/KimGyoungTae/OpenCV-Face-recognition-Project

GitHub - KimGyoungTae/OpenCV-Face-recognition-Project

 

얼굴 인식을 구현하기 위해 Object 검출 알고리즘 Haar cascades를 하나씩 공부하면서 프로젝트를 진행해 나갔다면 시간에 쫓기면서 프로젝트를 완성하지 못했을 것입니다.

하지만 OpenCV를 활용하면 미리 학습된 Hear cascade를 XML 파일로 제공하여 손쉽게 코드로 구현할 수 있게 됩니다.

 

OpenCV는 Open Source Computer Vison의 약자로 영상 처리에 사용할 수 있는 오픈 소스 라이브러리 입니다. C나 C++ 언어에서 구현할 수 있지만 Python에서 매우 강력하게 지원하고 있어 Python으로 OpenCV를 활용해서 프로젝트를 많이 진행하곤 합니다.

---

컴퓨터 비전? / Computer Vison?

 

OpenCV를 언급함으로써 가장 중요한 단어는 무엇일까? 바로 Computer Vison, 컴퓨터 비전이다.

컴퓨터 비전은 이미지와 비디오를 처리해 유의미한 정보를 추출하는 인공지능 기술이다. 즉, 기계에게 인간의 시각적 지능을 부여하여 인간의 시각이 할 수 있는 몇 가지 일을 수행하는 자율적인 시스템을 만드는 것을 목표로 한다.

 

다시 말해, 우리가 눈으로 보고 상황을 이해하는 것 같은 시각 기능을 컴퓨터에게도 그 시각기능을 부여하기 위해 프로그래밍하는 것이다.

 

영상처리와 컴퓨터 비전의 관계

 

영상처리 : 컴퓨터 비전에서의 전처리 과정, 사진 또는 영상을 디지털화여  정제된 데이터가 출력됩니다.
컴퓨터 비전 : 영상처리를 바탕으로 한 영상을 통해 다양한 특징 및 장면을 분석해서 컴퓨터가 이해하도록 만들어 결과물을 만들어냅니다.

 

 

---

 

 

 

얼굴 인식을 위한 환경 세팅 및 Test 진행

 

지금까지 OpenCV 와 컴퓨터 비전에 관해 간략하게 알아보았습니다. 이제 알아본 OpenCV를 활용하여 얼굴 인식을 진행해보겠습니다. 저는 OpenCV 활용을 위해 Python으로 구현할 것이고, 파이썬 언어에 특화된 통합 개발 환경인 PyCharm을 사용할 것입니다.

 

File - Settings  클릭!

 

Add Interpreter 클릭하여 실행 환경을 선택해주세요!

 

Interpreter 즉, 실행환경을 정상적으로 선택했다면 위 사진과 같은 아이콘이 뜰 것

Interpreter 즉, 실행 환경을 정상적으로 선택했다면 위 사진과 같은 아이콘 모양으로 바뀔 것입니다. 그런 다음 + 버튼을 눌러 우리가 필요한 패키지들을 Install 해줍시다.

 

 

필요한 패키지들을 표시해두었습니다. requests는 현재는 필요 없지만, 나중에 카카오톡으로 메시지를 보내려고 할 때 필요한 패키지입니다.

 

 

얼굴 인식 단계

위 이미지는 컴퓨터가 우리의 얼굴을 인식하는 단계입니다. 컴퓨터 비전에서 얼굴 인식은 이와 같은 방식을 기반으로 컴퓨터가 이미지에서 객체를 검출하고 고유 패턴을 추출하게 됩니다.

자세하게 과정을 이해하고 싶으시면 아래 사이트를 참고해보시면 도움이 되실 것 같습니다.

 

https://www.cubox.ai/board/blog/board_view.php?&page=1&num=121 

CUBOX

 

import cv2
import numpy as np
import face_recognition
 
imgElon = face_recognition.load_image_file('faces/Elon Musk.jpg') #인코딩에 사용할 이미지 가져오기
imgElon = cv2.cvtColor(imgElon,cv2.COLOR_BGR2RGB)  #RGB로 변환
imgTest = face_recognition.load_image_file('faces/Face_image.jpg')  #Test 이미지 가져오기
imgTest = cv2.cvtColor(imgTest,cv2.COLOR_BGR2RGB) #Tset 이미지 RGB로 변환

필요한 패키지들을 설치하셨으면, 이제 구현을 시작해볼 차례입니다. 설치했던 패키지들을 import 시켜줍니다.

두 개의 이미지를 비교해볼 것입니다. 기존에 가지고 있는 이미지(imgElon)와 비교해볼 이미지(imgTest) 이렇게 두 개의 이미지가 존재합니다. 지금은 웹캠으로 이미지를 찍지 않기 때문에 파일 안에 두 개 이미지 모두 불러오고, RGB로 변환시켜주었습니다.

 

 

#얼굴의 위치 같게 만들기
faceLoc = face_recognition.face_locations(imgElon)[0]
encodeElon = face_recognition.face_encodings(imgElon)[0]   #감지할 얼굴 인코딩, 첫번째 요소만 가져오기
cv2.rectangle(imgElon,(faceLoc[3],faceLoc[0]), (faceLoc[1],faceLoc[2]),(255,0,255),2) #우리가 얼굴을 감지한 위치를 확인하기 위해 사각형을 이미지에 그림
 
faceLocTest = face_recognition.face_locations(imgTest)[0]
encodeTest = face_recognition.face_encodings(imgTest)[0]   #Test이미지에 대한 첫번째 요소만 가져오기
cv2.rectangle(imgTest,(faceLocTest[3],faceLocTest[0]), (faceLocTest[1],faceLocTest[2]),(255,0,255),2) #Test 이미지에 사각형 이미지

두 개의 이미지를 원활한 비교를 위해 얼굴의 위치를 교정해주었습니다. 여기서 인코딩은 이미지를 처리하기 위해 이미지 하나하나 픽셀값을 모두 코드로 바꿔서 값을 얻는 것을 의미합니다.

 

 

results = face_recognition.compare_faces([encodeElon],encodeTest) #인코딩 이미지와 Test 이미지 간의 비교하기
faceDis = face_recognition.face_distance([encodeElon],encodeTest) #이미지 유사성 알기, (==> 얼굴 간의 오차 느낌인거 같음)
print(results, faceDis) #두 개의 이미지가 서로 같으면 True, 다른 이미지일 경우 False를 출력한다
 
 
#이미지에 대한 결과랑 유사성을 Test 이미지에 명시해주기, round()는 유사성을 소수점 둘째짜리로 반올림 한다는 뜻
cv2.putText(imgTest, f'{results} {round(faceDis[0], 2)}', (50, 50), cv2.FONT_HERSHEY_COMPLEX, 1, (0, 0, 255), 2)
 
cv2.imshow('Elon Musk',imgElon) #인코딩 이미지 불러오기
cv2.imshow('Face_image',imgTest) #Test 이미지 불러오기
cv2.waitKey(0)

이제 두 개의 이미지를 서로 비교하여 얼굴 간의 오차를 파악합니다. 오차가 적을수록 컴퓨터는 두 얼굴을 동일인으로 판단하게 됩니다.

 

 

True 일 때

빌드 시 두 개의 이미지를 비교해 동일인으로 판단하여 True 라는 결과를 화면에 보여주고 있습니다.

 

 

False 일 때

재 얼굴을 Test 이미지로 넣어봤습니다. 당연히 Elon musk랑 저는 동일인이 아니기 때문에 False라는 결과가 나오게 됩니다. 구현이 잘 됐다는 증거겠죠?

 

 

---

 

 

지금까지 OpenCV를 활용해서 Pycharm 개발 환경에서 얼굴 인식 Test를 진행해보았습니다.

끝까지 봐주셔서 감사합니다!

이상입니다 ~~ ^*^