Ta projekt predstavlja sistem za prepoznavanje obrazov, ki uporablja strojno učenje za zaznavanje in klasifikacijo obrazov v videoposnetkih. Sistem je razvit kot del šolskega projekta in vključuje celoten proces od priprave podatkov do testiranja modela.
- Jakob Mlakar - Razvoj modela, optimizacija in OpenCV programi za zajemanje obrazov
- Nikola Mitrovic - Obdelava podatkov in testiranje
- Vito Senic - Integracija sistema in dokumentacija
- ✅ Ekstrakcija sličic iz videoposnetkov
- ✅ Predobdelava in čiščenje podatkov
- ✅ Treniranje modelov nevronskih mrež
- ✅ Testiranje na posameznih videoposnetkih
- ✅ Testiranje na več videoposnetkih hkrati
- ✅ Zaznavanje in prepoznavanje obrazov v realnem času
notebooks/
├── prepare_LFW_falsedataset_for_training.ipynb # Priprava negativnih podatkov (LFW)
├── prep_data.ipynb # Obdelava podatkov iz videoposnetkov
├── prep_data_videos.ipynb # Dodatna obdelava video podatkov
├── mod_training.ipynb # Treniranje glavnega modela
└── mod_training_videos.ipynb # Treniranje in testiranje na videoposnetkih
scripts/
├── face_capture.py # OpenCV program za zajemanje obrazov (Jakob)
├── face_processing.py # Obdelava in procesiranje obrazov
└── face_augumentation.py # Povečavanje podatkovne množice
data/
├── raw/ # Surovi podatki
├── processed/ # Obdelani podatki
└── models/ # Shranjeni modeli
- Python 3.10+
- TensorFlow/Keras - Strojno učenje
- OpenCV - Računalniški vid
- MediaPipe - Zaznavanje obrazov
- NumPy & Pandas - Obdelava podatkov
- Matplotlib - Vizualizacija
- Kloniraj repozitorij:
git clone [URL_REPOZITORIJA]
cd test-python-auth- Namesti odvisnosti:
pip install -r requirements.txt- Zaženi Jupyter notebook:
jupyter notebookProjekt razvit v okviru študija na [Fakulteta za racunalnistvo in informatiko FERI v Mariboru] - [2025]