facenet_face_regonistant
完整代码下载地址：Python实现检测图片中的人脸，将识别到的人脸向量存入数据库
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
1.提取图片中的人脸 ，并保存到临时目录中
2.将人脸图片转换为128维的向量 ，便于后续求人脸相似度
项目主要分为3个步骤
1.提交post请求，将uid ugroup pic提交，进行人脸信息保存操作
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
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
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）
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
建表语句再database.sql
（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
db = mysql.connector.connect(user='root', password='123456', host='127.0.0.1', database='face_data')
）
模型准备
本项目是根据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 需要可访问谷歌
该模型现在保存在百度网盘中 密码：avbl
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 （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
python face_recognition_savepic.py
修改文件参数
1.images_path：要处理的图片文件夹路径
2.modelpath： 模型存放路径
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
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
原图 test2.jpg
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-A9mbgVFa-1672991897508)(null)]
识别结果 test2_0.jpg test2_0.jpg
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nq716Lny-1672991897558)(null)]
完整代码下载地址：Python实现检测图片中的人脸，将识别到的人脸向量存入数据库
