基于insightface实现人脸注册和识别对比

下面是一个完整的示例代码，演示如何使用 insightface 库实现人脸注册和对比。此示例包括人脸检测、特征提取、注册新的人脸以及对比已注册的人脸特征。

安装依赖

首先，确保你已经安装了 insightface 库：

pip install insightface

人脸注册与对比

以下代码演示了如何使用 insightface 进行人脸注册和对比：

import cv2
import numpy as np
from insightface.app import FaceAnalysis
from sklearn.metrics.pairwise import cosine_similarity

# 初始化 ArcFace 模型
app = FaceAnalysis(providers=['CUDAExecutionProvider'])  # 使用 GPU，若无 GPU 可移除 providers 参数
app.prepare(ctx_id=0, det_size=(640, 640))

# 注册的人脸数据库 (用字典存储人脸名称和特征向量)
registered_faces = {}

# 注册新的人脸
def register_face(img_path, name):
    img = cv2.imread(img_path)
    faces = app.get(img)
    if faces:
        embedding = faces[0].embedding
        registered_faces[name] = embedding
        print(f"Registered {name}")
    else:
        print(f"No face detected in {img_path}")

# 对比人脸
def recognize_face(img_path):
    img = cv2.imread(img_path)
    faces = app.get(img)
    if not faces:
        print(f"No face detected in {img_path}")
        return

    embedding = faces[0].embedding
    max_sim = 0
    recognized_name = None

    for name, reg_embedding in registered_faces.items():
        sim = cosine_similarity([embedding], [reg_embedding])[0][0]
        if sim > max_sim:
            max_sim = sim
            recognized_name = name

    return recognized_name, max_sim

# 示例：注册人脸
register_face('path/to/your/image1.jpg', 'Person1')
register_face('path/to/your/image2.jpg', 'Person2')

# 示例：识别人脸
test_img_path = 'path/to/your/test_image.jpg'
recognized_name, similarity = recognize_face(test_img_path)
if recognized_name:
    print(f"Recognized: {recognized_name}, Similarity: {similarity:.2f}")
else:
    print("No matching face found")

代码解释

1. 初始化 ArcFace 模型：

app = FaceAnalysis(providers=['CUDAExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))

这部分代码初始化了 insightface 库的 ArcFace 模型，并准备在 GPU 上运行。如果没有 GPU，可以移除 providers 参数。

2. 注册新的人脸：

def register_face(img_path, name):
    img = cv2.imread(img_path)
    faces = app.get(img)
    if faces:
        embedding = faces[0].embedding
        registered_faces[name] = embedding
        print(f"Registered {name}")
    else:
        print(f"No face detected in {img_path}")

这个函数从给定的图像路径中读取图像，检测人脸并提取特征向量，然后将特征向量存储在 registered_faces 字典中。

3.识别人脸：

def recognize_face(img_path):
    img = cv2.imread(img_path)
    faces = app.get(img)
    if not faces:
        print(f"No face detected in {img_path}")
        return

    embedding = faces[0].embedding
    max_sim = 0
    recognized_name = None

    for name, reg_embedding in registered_faces.items():
        sim = cosine_similarity([embedding], [reg_embedding])[0][0]
        if sim > max_sim:
            max_sim = sim
            recognized_name = name

    return recognized_name, max_sim

这个函数从给定的图像路径中读取图像，检测人脸并提取特征向量，随后与已注册的人脸特征进行比较，基于余弦相似度原理, 返回最匹配的人脸名称和相似度。

使用示例

注册人脸：

register_face('path/to/your/image1.jpg', 'Person1')
register_face('path/to/your/image2.jpg', 'Person2')

识别人脸：

test_img_path = 'path/to/your/test_image.jpg'
recognized_name, similarity = recognize_face(test_img_path)
if recognized_name:
    print(f"Recognized: {recognized_name}, Similarity: {similarity:.2f}")
else:
    print("No matching face found")

这个示例只是展示大概的逻辑，实际应用时还要把人脸注册数据保存到数据库中等等操作，希望对你有帮助！