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
