原文博客：Doi技术团队
链接地址：https://blog.doiduoyi.com/authors/1584446358138
初心：记录优秀的Doi技术团队学习经历
本文链接：基于insightface实现的人脸识别和人脸注册
本教程的人脸识别是使用的是insightface库进行开发的，该库使用的框架为mxnet。
安装环境 安装mxnet，支持1.3~1.6版本，安装命令如下。 pip install mxnet-cu101==1.5.1 安装insightface，命令如下。 pip install --upgrade insightface 安装其他依赖库。 pip install flask flask-cors PyYAML scikit-learn opencv-python 人脸识别和人脸注册为了方便参数的修改，使用yaml格式进行配置参数，yaml格式文件加载如下。
import osimport yamlimport numpy as npimport insightfacefrom random import choiceimport cv2from sklearn import preprocessing# Deploy Configuration File Parserclass DeployConfig: def __init__(self, conf_file): if not os.path.exists(conf_file): raise Exception('Config file path [%s] invalid!' % conf_file) with open(conf_file) as fp: configs = yaml.load(fp, Loader=yaml.FullLoader) deploy_conf = configs["FACE"] # 正数为GPU的ID，负数为使用CPU self.gpu_id = deploy_conf["GPU_ID"] self.face_db = deploy_conf["FACE_DB"] self.threshold = deploy_conf["THRESHOLD"] self.nms = deploy_conf["NMS"]config.yaml内容如下：
FACE: GPU_ID: 0 FACE_DB: "face_db" THRESHOLD: 1.24 NMS: 0.50然后开始编写人脸识别和人脸注册工具类，使用insightface.app.FaceAnalysis()可以获取模型对象，这里包含了三个模型，首先是人脸检测模型，然后是人脸特征提取模型，和最后的性别年龄识别模型。使用model.prepare()可以配置ctx_id指定使用哪一块GPU，如果是负数则是使用CPU执行预测，nms配置的是人脸检测的阈值。load_faces()函数是加载人脸库中的人脸，用于之后的人脸识别对比。
class FaceRecognition: def __init__(self, conf_file): self.config = DeployConfig(conf_file) # 加载人脸识别模型 self.model = insightface.app.FaceAnalysis() self.model.prepare(ctx_id=self.config.gpu_id, nms=self.config.nms) # 人脸库的人脸特征 self.faces_embedding = list() # 加载人脸库中的人脸 self.load_faces(self.config.face_db) # 加载人脸库中的人脸 def load_faces(self, face_db_path): if not os.path.exists(face_db_path): os.makedirs(face_db_path) for root, dirs, files in os.walk(face_db_path): for file in files: input_image = cv2.imdecode(np.fromfile(os.path.join(root, file), dtype=np.uint8), 1) user_id = file.split(".")[0] face = self.model.get(input_image)[0] embedding = np.array(face.embedding).reshape((1, -1)) embedding = preprocessing.normalize(embedding) self.faces_embedding.append({ "user_id": user_id, "feature": embedding })接下来编写recognition()函数实现人脸识别，通过调用model.get()函数可以获取图像中每张人脸的位置bbox，人脸关键点landmark，人脸特征embedding，性别gender，年龄age。其中使用人脸识别的就是通过dtdbq距离来对比人脸库中的人脸特征，默认如何它们的dtdbq距离小于1.24，我们就可以认为他们是同一个人。
def recognition(self, image): faces = self.model.get(image) results = list() for face in faces: result = dict() # 获取人脸属性 result["bbox"] = np.array(face.bbox).astype(np.int32).tolist() result["landmark"] = np.array(face.landmark).astype(np.int32).tolist() result["age"] = face.age gender = '男' if face.gender == 0: gender = '女' result["gender"] = gender # 开始人脸识别 embedding = np.array(face.embedding).reshape((1, -1)) embedding = preprocessing.normalize(embedding) result["user_id"] = "unknown" for com_face in self.faces_embedding: r = self.feature_compare(embedding, com_face["feature"], self.config.threshold) if r: result["user_id"] = com_face["user_id"] results.append(result) return results上面使用到的dtdbq距离计算方式如下。
@staticmethod def feature_compare(feature1, feature2, threshold): diff = np.subtract(feature1, feature2) dist = np.sum(np.square(diff), 1) if dist < threshold: return True else: return False人脸注册方式如下，通过传入一张照片，首先要判断照片中的人脸只有一张，然后开始提取该人脸的特征值，再次比较要注册的人脸是否已经存在人脸库中了，否之就包人脸特征添加到人脸库中并保存图片到本地。通过命名包只包含一个人脸的图片放在face_db文件夹中也可以实现。
def register(self, image): faces = self.model.get(image) if len(faces) != 1: return None # 判断人脸是否存在 embedding = np.array(faces[0].embedding).reshape((1, -1)) embedding = preprocessing.normalize(embedding) is_exits = False for com_face in self.faces_embedding: r = self.feature_compare(embedding, com_face["feature"], self.config.threshold) if r: is_exits = True if is_exits: return None old_user_id = [d["user_id"] for d in self.faces_embedding] user_id = self.get_user_id(old_user_id) # 符合注册条件保存图片，同时把特征添加到人脸特征库中 cv2.imencode('.png', image)[1].tofile(os.path.join(self.config.face_db, '%s.png' % user_id)) self.faces_embedding.append({ "user_id": user_id, "feature": embedding }) return user_id def get_user_id(self, old_user_id): print(old_user_id) while True: user_id = "".join([choice("0123456789ABCDEF") for i in range(8)]) if user_id not in old_user_id: break return user_id 使用全部功能都实现了，使用如下，首先是进行人脸注册，注册成功之后会获得一个用户注册ID，之后的人脸识别可以用过这个用户ID判断是不是这个人。
if __name__ == '__main__': img = cv2.imread("test.png") face_recognitio = FaceRecognition("config.yml") user_id = face_recognitio.register(img) print(user_id)人脸识别，通过传入一张图片，可以输出每张人脸对应的用户ID、人脸位置bbox，人脸关键点landmark，性别gender，年龄age。
if __name__ == '__main__': img = cv2.imread("test2.png") face_recognitio = FaceRecognition("config.yml") result = face_recognitio.recognition(img) print(result)