Exadel CompreFace是一种免费的open-source人脸识别服务,无需事先具备机器学习技能,即可轻松集成到任何系统中。CompreFace为人脸识别、人脸验证、人脸检测、里程碑检测、年龄和性别识别提供了REST API,并且易于与docker一起部署。
https://www.5axxw.com/wiki/content/cledeb
官网地址:Technical Articles. Tech Tips. | Exadel Blog
CompreFace是一项免费的人脸识别服务,无需事先具备机器学习技能,即可轻松集成到任何系统中。 CompreFace-Exadel的开源人脸识别系统CompreFace是一项免费的人脸识别服务,无需事先具备机器学习技能,即可轻松集成到任何系统中。
人脸识别的过程
人脸识别主要分为四大块:人脸定位(face detection)、人脸校准(face alignment)、
人脸确认(face verification)、人脸鉴别(face identification)。
人脸定位(face detection): 对图像中的人脸进行检测,并将结果用矩形框框出来。在openCV中有直接能拿出来用的Harr分类器。
人脸确认(face verification):Face verification,人脸校验是基于pair matching的方式,所以它得到的答案是“是”或者“不是”。在具体操作的时候,给定一张测试图片,然后挨个进行pair matching,matching上了则说明测试图像与该张匹配上的人脸为同一个人的人脸。一般在小型办公室人脸刷脸打卡系统中采用的(应该)是这种方法,具体操作方法大致是这样一个流程:离线逐个录入员工的人脸照片(一个员工录入的人脸一般不止一张),员工在刷脸打卡的时候相机捕获到图像后,通过前面所讲的先进行人脸检测,然后进行人脸校正,再进行人脸校验,一旦match结果为“是”,说明该名刷脸的人员是属于本办公室的,人脸校验到这一步就完成了。在离线录入员工人脸的时候,我们可以将人脸与人名对应,这样一旦在人脸校验成功后,就可以知道这个人是谁了。上面所说的这样一种系统优点是开发费用低廉,适合小型办公场所,缺点是在捕获时不能有遮挡,而且还要求人脸姿态比较正(这种系统我们所有,不过没体验过)。下图给出了示意说明:
人脸识别(face identification/recognition): Face identification或Face recognition,人脸识别正如下图所示的,它要回答的是“我是谁?”,相比于人脸校验采用的pair matching,它在识别阶段更多的是采用分类的手段。它实际上是对进行了前面两步即人脸检测、人脸校正后做的图像(人脸)分类。
开源compareface项目:
GitHub - exadel-inc/CompreFace: Leading free and open-source face recognition system
sdk地址:
CompreFace SDKs
SDK | Repository |
---|---|
JavaScript | GitHub - exadel-inc/compreface-javascript-sdk: JavaScript SDK for CompreFace - free and open-source face recognition system from Exadel |
Python | GitHub - exadel-inc/compreface-python-sdk: Python SDK for CompreFace - free and open-source face recognition system from Exadel |
部署安装:
- 安装Docker和Docker-compose
- 从我们的最新版本下载存档:https://github.com/exadel-inc/CompreFace/releases
- 解压缩存档
- 打开此文件夹中的终端并运行以下命令:
docker-compose up -d
- 在浏览器中打开服务:http://localhost:8000/login
- Download CompreFace_1.1.0.zip archive or run:
wget -q -O tmp.zip 'https://github.com/exadel-inc/CompreFace/releases/download/v1.1.0/CompreFace_1.1.0.zip' && unzip tmp.zip && rm tmp.zip
- To start CompreFace run:
docker-compose up -d
- Open in your browser: http://localhost:8000/login
- To stop properly run:
docker-compose stop
- To start again run:
docker-compose start
相识度验证接口:
http://192.168.88.11:8000/api/v1/verification/verify
识别率在0.72以上就可以看做识别成功
运行时的容器:
本地启动源码:
1、项目结构:
embedding-calculator:人脸识别和自学习部分,打成镜像对应core部分
frs:后端管理系统
UI:管理前端
SeetaFace6使用详细教程(一) 人脸检测--戴着口罩也可以检测_Color Space的博客-CSDN博客_seetaface6实战
基于seetaface2实现Java人脸对比、人脸搜索_jamesluozhiwei的博客-CSDN博客_seetafacejni