d'Ivan

1. Найти координаты глаз на фото анфас (как на паспорт)
2. Рассчитать расстояние, которое необходимое оставить от зрачков глаз до краёв фото, пропорционально расстоянию между зрачками.
3. Скадрировать согласно вычисленным координатам вершин.
4. Нормализовать изображение по расстоянию между зрачками, масштабируя.

Прочесть документацию по установке и FAQ.

Поддерживаю совет Владимир Куц в комментариях

Я бы для начала - попробовал бы улучшить контраст. Если нет возможности сменить цвет ролика - попробовать освещение разными лампами - возможно со светофильтрами.

Если можно сделать ультрафиолетовую подсветку краёв - будет супер. Тогда дайте задание на распознавание студенту во фрилансе и это будет сделано.

1. Как распознать объект и его позицию на картинке?

   Это слишком объёмная тема. Лучше книги по распознаванию образов почитайте. А Питон или не Питон - это дело хозяйское.
   
   
2. А почему не применить какое-нибудь механическое решение? Механика проще технологически и дешевле в обслуживании
   

Нужно проверить код статическим анализатором кода. Например, Pylint.
Он укажет на проблемы в коде, которые надо решить. В том числе, и с необъвленными переменными.

Для решения задачи советую прочитать литературу по цифровой обработке изображений. В ней описываются различные методы.
Тег МАШИННОЕ ОБУЧЕНИЕ не имеет отношения к решению вышеупомянутой задачи.
Определить где горит свет:
Скадрировать изображение до контуров дома.
Уменьшить резолюцию изображения до приемлемой, но не чрезмерно, чтобы не принять за шум. Так сокращается вычислительная работа.
Возможно, выровнять освещение.
Применить фильтр Гаусса или медианный.
Превратить в ч/б изображение с некоторым порогом - получим белые пятна почти прямоугольной формы на черном фоне.
Далее, object detection - для определения координат объектов.
А все остальное - это работа с массивом координат.
В магазине приложений для Android есть полно приложений для сканирования и обработки изображений, в том числе и для распознавания текста. Значит, вычислительно работа посильна и нечего беспокоиться.

Применить:
1. Erode
2. Corner Detection

По полученным координатам выбрать те, которые ближе к центру изображения и составляют прямоугольник.
Затем

кликнуть на нее

Если я верно понял, определять текст не нужно. И тем проще.

Ну, поигрался я с фильтрами в GIMP (эрозия и пр.). А толку?
Проблема и в том, что Tesseract не сможет распознать даже
Чтобы распознать буквы, может проще будет обучить на тестовой выборке.

Судя по ошибке, не обрабатывается случай, когда sortcontourArea пуст.

Надо найти все объекты (objects labeling) и поочередно декодировать их.

Анализировать кадры видео и помечать объект(ы).

Насколько я понимаю, необходимо было также и отфильтровать результат сравнения свыше некоторого порога.

Imgproc.matchTemplate(screen, image, result, Imgproc.TM_SQDIFF_NORMED);

Результат matchTemplate нужно поместить в переменную и затем отфильтровать.

Наверно надо просто поменять местами 1.png и 2.png в коде.
template - это большее изображение, чем искомое.

результат был с переменным успехом

по причине перебора методов сравнения:

methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
        'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']

for meth in methods:
    img = img2.copy()
    method = eval(meth)

Нужно оставить один наиболее действующий метод.

Скорее всего, ошибка в действии 5-го шага:

LDFLAGS=" -llog -lpython3" cmake -DCMAKE_BUILD_TYPE=RELEASE -DCMAKE_INSTALL_PREFIX=$PREFIX -DBUILD_opencv_python3=on -DBUILD_opencv_python2=off -DWITH_QT=OFF -DWITH_GTK=OFF ..

Там в конце должны быть 2 точки (означает родительскую директорию).
А предварительно, конечно, зайти в директорию build:
cd build

При помощи Hough Transform и OpenCV можно найти окружность и линии стрелок.

Проект FaceEyeDetector использует веб-фреймворк Flask, OpenCV и хостится на Heroku.

+
Use OpenCV on deployed Flask app (Heroku)

ChangeLog