insightface实现人脸批量注册,人脸搜索等功能
insightface介绍
InsightFace是一个开源的人脸识别、检测和对齐工具箱,使用PyTorch和MXNet实现。它支持各种最先进的方法,如ArcFace、SubCenter ArcFace、PartialFC和VPL,并提供训练数据、模型和评估管道。InsightFace有效地实现了各种最先进的人脸识别、人脸检测和人脸对齐算法,并针对训练和部署进行了优化。它支持多种主干架构,包括IResNet、RetinaNet、MobileFaceNet、InceptionResNet_v2和DenseNet2。InsightFace是一个优秀的开源工具箱,涵盖了多种2D和3D深度人脸分析算法,其中包括高效的人脸识别、人脸检测和人脸对齐算法。该工具箱针对训练和部署进行了优化,获得了多项算法测评和比赛的优异成绩。
人脸注册
人脸图像命名为人员姓名或人员编号
例
import pickle
import os
import cv2
from insightface.app import FaceAnalysis
app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
faces_embedding = []
images_folder = "new"
for filename in os.listdir(images_folder):
filepath = os.path.join(images_folder, filename)
if os.path.isfile(filepath):
# 读取图像
img = cv2.imread(filepath)
# 进行人脸检测和特征提取
faces = app.get(img)
if faces:
# 提取人脸嵌入并添加到列表中
for face in faces:
username = filename.split('.')[0] # 获取文件名作为用户名
faces_embedding.append({"userName": username, "embedding": face.normed_embedding})
# 将提取的人脸嵌入数据和用户名保存到文件中
with open('face_db/face_ai_db', 'wb') as f:
pickle.dump(faces_embedding, f)
人脸识别
import pickle
import cv2
import numpy as np
from insightface.app import FaceAnalysis
# 初始化 FaceAnalysis
app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
# 使用本地保存的人脸数据
f = open('face_db/face_ai_db', 'rb')
# 加载之前存储的人脸数据
faces_embedding = pickle.load(f)
# 打开摄像头
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read()
if not ret:
break
# 在每一帧图像中进行人脸检测
faces = app.get(frame)
best_match = {"userName": "Unknown", "score": 0} # 记录最高置信度的匹配结果
# 用每张检测到的人脸与已注册的人脸数据比对
for face in faces:
feat1 = face.normed_embedding
for t in faces_embedding:
feat2 = t["embedding"]
# 计算余弦相似度
sim = np.dot(feat1, feat2) / (np.linalg.norm(feat1) * np.linalg.norm(feat2))
sim = sim * 100
if sim > 40 and sim > best_match["score"]:
best_match["userName"] = t['userName']
best_match["score"] = sim
# 在图像上显示最高置信度的匹配结果
cv2.putText(frame, f"Name: {best_match['userName']}, Score: {best_match['score']:.2f}", (50, 50),
cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv2.LINE_AA)
# 显示结果
cv2.imshow('Face Recognition', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 关闭摄像头和窗口
cap.release()
cv2.destroyAllWindows()