face-kkk

目录

一、配置环境

1、新建虚拟环境

2、配置环境安装包

3、下载安装使用环境

二、注册新人

1、采集照片

2、注册新人

3、测试视频或摄像头

三、配置文件config

1、项目配置文件configs/configs.py，用于设置人脸检测模型，特征提取模型

二、下面是自己测试用

---

（个人的一个记录，不具备参考意义）

• MTCNN人脸检测参考项目：GitHub - Sierkinhane/mtcnn-pytorch: A face detection algorithm

• RFB人脸检测参考项目：GitHub - Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB: 1MB lightweight face detection model (1MB轻量级人脸检测模型)

一、配置环境

模型地址

1、新建虚拟环境

conda create -n face1 python==3.9 -y

conda activate face1

2、配置环境安装包

requirements.txt

numpy
matplotlib
Pillow
easydict
opencv-contrib-python
opencv-python
pandas
PyYAML
scikit-image
scikit-learn
scipy
seaborn
tensorboard
tensorboardX
torch
torchvision
tqdm
xmltodict
basetrainer
pybaseutils
requests
toolz

3、下载安装使用环境

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

二、注册新人

1、采集照片

1. 采集一张新人的个人照片
2. 照片保存在人脸数据库中(data/database/portrait)中，图片按照[ID-XXXX.jpg]命名,如:李明-image.jpg，作为人脸识别的底图
3. 然后运行register.py，完成人脸数据库的人脸注册

2、注册新人

完成人脸注册后，下一步可以进行1:N人脸搜索，实现人脸识别的功能（face_search.py）：

# 待识别人脸图片存放在项目目录data/test_image 
 

python face_search.py --image_dir "data/test_image"

3、测试视频或摄像头

# 测试视频文件，--video_file填写视频文件的路径
 

python face_search.py --video_file "data/test-video.mp4"

# 测试摄像头，--video_file填写摄像头ID号，一般默认从0开始
 

python face_search.py --video_file 0

三、配置文件config

1、项目配置文件configs/configs.py，用于设置人脸检测模型，特征提取模型

• 人脸检测模型,目前支持RFB和MTCNN人脸检测
• 人脸识别(特征提取)模型，目前支持resnet50,resnet18和mobilenet_v2模型

resnet50和resnet18参数量比较大，计算量较大，适合在PC服务器部署 ；而mobilenet_v2

模型计算量较小，适合嵌入式，开发板，Android等终端部署

二、下面是自己测试用

- 配置OpenCV
> 推荐opencv-4.3.0
  
```bash
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
sudo make install

参考：人脸识别4：Android InsightFace实现人脸识别Face Recognition(含源码)_android 人脸识别-CSDN博客

参考：人脸识别2：InsightFace实现人脸识别Face Recognition(含源码下载)-CSDN博客

参考：Face-Detector-1MB-with-landmark 项目教程-CSDN博客