|
|
@@ -1,15 +1,48 @@
|
|
|
+#my blog [www.biexiabibi.com](http://www.biexiabibi.com)
|
|
|
+
|
|
|
# facenet_face_regonistant
|
|
|
-利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片 返回数据库中相似的人脸的信息
|
|
|
+利用facenet实现检测图片中的人脸，将识别到的人脸向量存入数据库，此外利用post提交一个新图片（也可以提交一个图片地址，参考face_recognition_api.py文件中get_url_imgae函数自行修改），返回数据库中相似的人脸的信息
|
|
|
+算法主要分为2个步骤<br/>
|
|
|
+1.**提取图片中的人脸 ，并保存到临时目录中**<br/>
|
|
|
+2.**将人脸图片转换为128维的向量 ，便于后续求人脸相似度**<br/>
|
|
|
+
|
|
|
+项目主要分为3个步骤<br/>
|
|
|
+1.**提交post请求，将uid ugroup pic提交，进行人脸信息保存操作**<br/>
|
|
|
+2.**收到请求后将pic进行处理解析为128维向量保存，并跟uid和ugroup保存入库 ，返回数据库插入成功的id**<br/>
|
|
|
+3.**提交post请求，将ugroup pic提交人脸查询请求，意思为再ugroup中查看与图片pic相似的人脸**<br/>
|
|
|
+4.**收到请求后，处理图片解析图片中所有的人脸，进行按库查询，然后与该图片中所有人脸相似的uid和距离（相似度距离）**<br/>
|
|
|
|
|
|
-### 安装准备
|
|
|
-##### 安装python包
|
|
|
+## 安装准备
|
|
|
+#### 安装python包
|
|
|
按照requirements.txt中的包全部安装即可（其中mysql-connector-python 我采用的yum install 安装的）
|
|
|
+如下
|
|
|
+`tensorflow==1.2`
|
|
|
+`scipy`
|
|
|
+`scikit-learn`
|
|
|
+`opencv-python`
|
|
|
+`h5py`
|
|
|
+`matplotlib`
|
|
|
+`Pillow`
|
|
|
+`requests`
|
|
|
+`psutil`
|
|
|
+`mysql-connector-python`
|
|
|
+`Werkzeug`
|
|
|
+`Flask`
|
|
|
+`Flask-HTTPAuth`
|
|
|
+
|
|
|
+
|
|
|
|
|
|
-##### 提前建立数据库
|
|
|
+## 提前建立数据库
|
|
|
建表语句再database.sql
|
|
|
-（需要提前建立数据库，名字自己定义）
|
|
|
+（需要提前建立数据库，名字自己定义，本项目数据库名为face_data）
|
|
|
+数据库配置在face_mysql.py文件中
|
|
|
+（第12行 配置数据库用户名、密码、地址、数据库地址 本案例配置如下
|
|
|
+```python
|
|
|
+db = mysql.connector.connect(user='root', password='123456', host='127.0.0.1', database='face_data')
|
|
|
+```
|
|
|
+）
|
|
|
|
|
|
-##### 模型准备
|
|
|
+## 模型准备
|
|
|
本项目是根据[facenet](https://github.com/davidsandberg/facenet)中提取关键的代码，将其进行封装使用
|
|
|
所以需要提交下载facenect提供的模型 [模型地址](https://drive.google.com/file/d/0B5MzpY9kBtDVZ2RpVDYwWmxoSUk/edit) 需要可访问谷歌
|
|
|
|
|
|
@@ -17,19 +50,53 @@
|
|
|
下载下来后按照models\facenet\20170512-110547 这个目录结构存放即可
|
|
|
百度网盘链接 ： 链接：http://pan.baidu.com/s/1i4YhAdB 密码：avbl
|
|
|
|
|
|
-### 如何使用？
|
|
|
-首先在服务器上 执行 ： python face_recognition_api.py
|
|
|
-访问地址是XXXXXX:8088 这个可以配置 （代码中有注释）
|
|
|
-
|
|
|
-具体的每一步经过什么操作详见face_recognition_api.py代码中的注释
|
|
|
+## 如何使用？
|
|
|
+首先在服务器上 执行
|
|
|
+``` bash
|
|
|
+python face_recognition_api.py
|
|
|
+```
|
|
|
|
|
|
+访问地址是XXXXXX:8088 这个可以配置 （文件face_recognition_api.py 最后代码中有注释）
|
|
|
+#### 模拟post请求，如图所示
|
|
|
+本项目演示案例是利用谷歌浏览器插件“Postman”进行模拟的post请求
|
|
|
模拟post请求，如图所示
|
|
|
图中依次是插入、查询时的场景
|
|
|
-
|
|
|
-
|
|
|
-
|
|
|
+* 插入请求地址为http://127.0.0.1:8088/face/insert
|
|
|
+* 查询请求地址为http://127.0.0.1:8088/face/query
|
|
|
+请求参数如图所示 文本字段有uid ugroup 文件字段是imagefile
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+# 处理文件下的图片提取人脸图片问题
|
|
|
+处理一个文件夹下的所有图片，将人脸信息提取出来并保存到单独的文件夹下
|
|
|
+执行
|
|
|
+``` bash
|
|
|
+python face_recognition_savepic.py
|
|
|
+```
|
|
|
+修改文件参数<br/>
|
|
|
+1.**images_path：要处理的图片文件夹路径**<br/>
|
|
|
+2.**modelpath： 模型存放路径**<br/>
|
|
|
+3.**out_path ： 将每个图片中每个人脸转换为128维向量保存到json文件中**<br/>
|
|
|
+
|
|
|
+
|
|
|
+
|
|
|
+### 识别图像中的人脸并保存图片案例
|
|
|
+例如下图是将test.jpg 和test2.jpg识别人脸
|
|
|
+在test.jpg 识别到一个人脸 保存为test_0.jpg
|
|
|
+在test2.jpg 识别到2个人脸 保存为test2_0.jpg test2_1.jpg
|
|
|
|
|
|
+#### 原图 test.jpg
|
|
|
+
|
|
|
+#### 识别结果 test_0.jpg
|
|
|
+
|
|
|
|
|
|
-### 只识别文件夹下所有图片中的人脸，并保存
|
|
|
-face_recognition_savepic.py文件可以将images_path路径中的所有图片进行识别，将图中的人脸转换为json格式的数据输出到out_path ，并把每一个人脸设置为160X160的尺寸保证到./img/中
|
|
|
-（具体文件目录可以根据自己的路径进行修改）
|
|
|
+#### 原图 test2.jpg
|
|
|
+
|
|
|
+#### 识别结果 test2_0.jpg test2_0.jpg
|
|
|
+
|
|
|
+
|
zangruirui