基于Docker的交互式人脸识别应用

本文将介绍如何开发一个交互式应用程序，利用Adam Geitgey的人脸识别框架，从摄像头或网络摄像头设备识别人脸。

为了创建一个交互式应用程序，我们将使用Tkinter，Docker将用于确保一个包含所有必要依赖项的隔离环境。本文可以作为你自己项目的起点，因为使用哪些框架和库并不重要。

了解如何通过Docker创建一个利用摄像头设备、GPU加速和深度学习框架的交互式应用程序有很多可能性。

如果只希望通过Docker运行GUI，我创建了本文，你可以按照以下内容进行操作：

https://towardsdatascience.com/empowering-docker-using-tkinter-gui-bf076d9e4974

---

如果你想立即运行应用程序，可以下载我的Github存储库，并按照本文末尾的“运行应用程序”部分进行操作。

阅读教程

在本文中，将介绍应用程序中的脚本，之后将介绍运行应用程序的教程。文章将按照以下顺序进行。

目录

1. 环境

2. 应用程序概述

3. Docker

4. 编程

5. 摄像设备

6. 计算机视觉

7. Shell脚本

8. 运行应用程序

9. 结论

---

环境

此应用程序仅使用Linux进行了测试，但是，它的工作原理应该与其他操作系统类似，其中一些参数可能不同，例如在运行Docker时。

对于先决条件，你应该安装摄像头或网络摄像头、Docker、CUDA和CuDNN。我已使用以下方法测试了应用程序：

• Docker 20.10.8

• CUDA 11.4

• CuDNN 8.2.2

• OS:Manjaro 21.1.2 Phavo

• GPU:NVIDIA GeForce GTX 1080 Ti

• 摄像头设备：罗技网络摄像头C930e

目录结构

本项目的目录结构如下所示。你可以事先创建这些文件，或者直接从我的Github存储库下载所有文件。

此外，你需要在dataset目录中创建自己的目录，并插入所需的图像。在我的例子中，如下所示，我在Kasper目录中添加了四个图像。你在不同场景中为同一个人添加的图像越多，你的预测就越可靠。关于脚本，本文将介绍它们的内容。

注意：encodings.pkl将在以后自动生成。

应用程序的目录结构：

---

应用程序概述

该应用程序包含一个GUI，其中有一个用于显示相机设备输出的面板。此外，还有一个用于激活/禁用人脸识别的按钮。

当前打开人脸识别的应用程序。

---

Docker

为了创建一个安装人脸识别、OpenCV、Dlib、Python等的隔离环境，使用了以下Docker代码。

Dockerfile创建隔离环境：

FROM nvidia/cuda:11.4.1-cudnn8-devel-ubuntu20.04

ARG DEBIAN_FRONTEND=noninteractive

# Install dependencies
RU