1 insightface简介
最近人脸识别等机器学习的项目很火，偶然间发现了一个开源的人脸识别的开源项目insightface。
人脸识别技术可以准确识别出图像中的人脸和身份，具有丰富的应用场景，譬如金融场景下的刷脸支付、安防场景下的罪犯识别和医学场景下的新冠流行病学调查等等。人脸识别的算法演变经历了以 PCA 为代表的早期阶段，再到以“人工特征+分类器”为主的统计学习方法阶段，近几年，随着大数据及 GPU 算力的爆发，人脸识别进入到深度学习算法为绝对主角的阶段。
InsightFace 是基于 MXNet 框架实现的业界主流人脸识别解决方案。相较MXNet的实现方案，基于OneFlow的实现方案在性能方面更是十分优秀，OneFlow在数据并行时速度是其2.82倍；模型并行时速度是其2.45倍；混合并行+Partial fc时速度是其1.38倍。基于OneFlow实现的代码已合并至 insightface的官方仓库，其中包含了数据集制作教程、训练和验证脚本、预训练模型以及和MXNet模型的转换工具。
2 安装insightface
安装insightface很简单，只要运行下面的代码即可：
pip3 install -U insightface
安装过程中可能需要安装其他的依赖项，只要根据提示进行相应的安装就可以了。
3 使用insightface
安装好insightface后，可以新建一个test.py，加入下面的代码：
import cv2
import numpy as np
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image
app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
img = ins_get_image('t1')
faces = app.get(img)
rimg = app.draw_on(img, faces)
cv2.imwrite("./t1_output.jpg", rimg)
运行后会得到结果：
是不是很酷～～
4 结合Flask框架
新建server.py
import flask, os, sys, time
from flask import Flask, render_template, request, make_response
import func
app = Flask(__name__)
interface_path = os.path.dirname(__file__)
sys.path.insert(0, interface_path)
@app.route('/', methods=['get'])
def index():
return render_template('index.html')
@app.route('/upload', methods=['post'])
def upload():
fname = request.files['img']
print("@@@@@@@@@@@@@@@@@@@@@@")
print(fname.filename)
newName = r'static/upload/' + fname.filename
fname.save(newName)
func.getRet(newName)
#image_data = open("ldh_output.jpg", "rb").read()
#response = make_response(image_data)
#response.headers['Content-Type'] = 'image/jpg'
#return response
return render_template('result.html')
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000, debug='True')
新建func.py
import cv2
import numpy as np
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image
app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
#img = ins_get_image('t1')
def getRet(filename):
img = cv2.imdecode(np.fromfile(filename, dtype=np.uint8), -1)
faces = app.get(img)
rimg = app.draw_on(img, faces)
cv2.imwrite("./static/ldh_output.jpg", rimg)
新建index.html
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>人脸识别</title>
</head>
<img src="{{ url_for('static', filename='title.webp') }}" width="500" height=auto>
<form action="upload" method="post" enctype="multipart/form-data">
<body class="light-theme">
<p>识别人脸</p>
<input type="file" id="img" name="img">
<button type="submit">检测</button>
</body>
</form>
</html>
新建result.html
<html>
<body>
<img src="{{ url_for('static', filename='ldh_output.jpg') }}" width="500" height=auto>
</body>
</html>
新建main.css
:root {
--green: #00FF00;
--white: #FFFFFF;
--black: #000000;
}
body {
background: var(--bg);
color: var(--fontColor);
font-family: helvetica;
}
.light-theme {
--bg: var(--green);
--fontColor: var(--black);
}
运行server.py，访问127.0.0.0:5000
网页界面虽然丑陋，但是可以正常的进行文件上传识别了。
最后我们检测下天王的人脸：
×
本文转载自: https://blog.csdn.net/daida2008/article/details/124916062
版权归原作者 coding-demo 所有， 如有侵权，请联系我们删除。
版权归原作者 coding-demo 所有， 如有侵权，请联系我们删除。