做网站前期工作,ai代码生成器,ip下的网站吗,宜兴百度推广公司目录
简介
一、InsightFace介绍
二、安装
三、快速体验
四、代码实战
1、人脸检测 2、人脸识别
五、代码及示例图片链接 简介
目前github有非常多的人脸识别开源项目#xff0c;下面列出几个常用的开源项目#xff1a;
1、deepface
2、CompreFace
3、face_recogn…目录
简介
一、InsightFace介绍
二、安装
三、快速体验
四、代码实战
1、人脸检测 2、人脸识别
五、代码及示例图片链接 简介
目前github有非常多的人脸识别开源项目下面列出几个常用的开源项目
1、deepface
2、CompreFace
3、face_recognition
4、insightface
5、facenet
6、facenet-pytorch
开源的人脸检测项目非常多本文介绍一下insightface的使用方法。首先给出insightface的官方效果图 再看一下insightface的网图检测效果 效果展示结束下面进入详细的介绍。
一、InsightFace介绍
insightface是一个开源的基于Pytorch和MXNet实现的2D/3D人脸分析工具它实现了多个SOTA人脸识别、人脸检测、人脸对齐算法并对训练和部署进行了优化。目前insightface主分支要求PyTorch 1.6/MXNet1.6-1.8python 3.x。
二、安装
insightface安装非常简单使用如下命令
pip install insightface
安装onnxruntime用于推理(有gpu就把onnxruntime替换为onnxruntime-gpu)
pip install onnxruntime
三、快速体验
insightface给出了代码体验示例文件路径为examples/demo_analysis.py直接运行该文件可以得到以下结果 注意可能遇到以下报错“AttributeError: module numpy has no attribute int.”
AttributeError: module numpy has no attribute int.
np.int was a deprecated alias for the builtin int. To avoid this error in existing code, use int by itself. Doing this will not modify any behavior and is safe. When replacing np.int, you may wish to use e.g. np.int64 or np.int32 to specify the precision. If you wish to review your current use, check the
release note link for additional information.
解决方法找到安装包目录的face_analysis.py文件比如\xxxx\envs\blog\lib\site-packages\insightface\app\face_analysis.py将该文件内的所有np.int替换为‘int’记得带上‘’,如以下代码该报错可能由于numpy版本问题引起 def draw_on(self, img, faces):import cv2dimg img.copy()for i in range(len(faces)):face faces[i]box face.bbox.astype(int) # 《看这里color (0, 0, 255)cv2.rectangle(dimg, (box[0], box[1]), (box[2], box[3]), color, 2)if face.kps is not None:kps face.kps.astype(int) # 《看这里#print(landmark.shape)for l in range(kps.shape[0]):color (0, 0, 255)if l 0 or l 3:color (0, 255, 0)cv2.circle(dimg, (kps[l][0], kps[l][1]), 1, color,2)if face.gender is not None and face.age is not None:cv2.putText(dimg,%s,%d%(face.sex,face.age), (box[0]-1, box[1]-4),cv2.FONT_HERSHEY_COMPLEX,0.7,(0,255,0),1)#for key, value in face.items():# if key.startswith(landmark_3d):# print(key, value.shape)# print(value[0:10,:])# lmk np.round(value).astype(np.int)# for l in range(lmk.shape[0]):# color (255, 0, 0)# cv2.circle(dimg, (lmk[l][0], lmk[l][1]), 1, color,# 2)return dimg
四、代码实战
examples/demo_analysis.py已经给出了使用示例下面对部分代码进行解释并给出测试结果。
1、人脸检测
使用如下代码即可得到人脸检测的结果
import cv2
import numpy as np
from insightface.app import FaceAnalysisapp FaceAnalysis(namebuffalo_sc) # 使用的检测模型名为buffalo_sc
app.prepare(ctx_id-1, det_size(640, 640)) # ctx_id小于0表示用cpu预测det_size表示resize后的图片分辨率 img cv2.imread(multi_people.webp) # 读取图片
faces app.get(img) # 得到人脸信息
rimg app.draw_on(img, faces) # 将人脸框绘制到图片上
cv2.imwrite(multi_people_output.jpg, rimg) # 保存图片
结果如下 2、人脸识别
检测到人脸之后通常将人脸编码为特征向量再通过特征向量的相似度对比判断2个人脸是否为一个人下面给出从图片中识别指定人脸的代码以上图为例目标人脸为最左侧的人脸如下图 识别的代码如下
import cv2
import numpy as np
from insightface.app import FaceAnalysisapp FaceAnalysis(namebuffalo_sc) # 使用的检测模型名为buffalo_sc
app.prepare(ctx_id-1, det_size(640, 640)) # ctx_id小于0表示用cpu预测det_size表示resize后的图片分辨率 img cv2.imread(multi_people.webp) # 读取图片
faces app.get(img) # 得到人脸信息# 将人脸特征向量转换为矩阵
feats []
for face in faces:feats.append(face.normed_embedding)
feats np.array(feats, dtypenp.float32)# 提取目标人脸向量
target cv2.imread(target.png)
target_faces app.get(target) # 得到人脸信息
target_feat np.array(target_faces[0].normed_embedding, dtypenp.float32)# 人脸向量相似度对比
sims np.dot(feats, target_feat)
target_index int(sims.argmax())rimg app.draw_on(img, [faces[target_index]]) # 将人脸框绘制到图片上
cv2.imwrite(multi_people_output_target.jpg, rimg) # 保存图片最后的效果如下 五、代码及示例图片链接
代码及示例图片链接
