项目简介

这是一个基于 Flask 和深度学习的面部识别与图像处理 API 服务，主要用于面部识别、颜色检测、人脸检测及验证等功能。本项目集成了 MTCNN 和 InceptionResnetV1 模型进行人脸检测与特征提取，并利用 dlib 库进行嘴巴开合检测。该系统支持图片上传、人员识别、颜色匹配以及人脸验证等多种功能，适用于各种与面部识别相关的应用场景。

注意：此项目适用于教育或研究用途，如有部署和技术疑问请提交 issue。使用本代码时请尊重开源协议。

部署须知

1. Python 环境：需 Python 3.x 版本，推荐使用 Python 3.12 或以上。
2. 依赖库：
   • Flask
   • Flask-CORS
   • Pillow
   • NumPy
   • OpenCV
   • dlib
   • facenet-pytorch
   • uuid
3. 文件夹结构：
   • 上传的图片存储在 uploaded_images 文件夹中。
   • 训练人脸特征的数据库文件夹路径需要自定义。

结构

face_recognition_project
├── app.py  # 主程序入口，包含所有的 API 路由
├── uploaded_images  # 存储上传的图片
├── face_database  # 存储训练后的面部特征数据
└── requirements.txt  # 项目依赖列表

技术总结

后端

1. 技术栈

• Flask：轻量级的 Python Web 框架，提供了 RESTful API 服务。
• MTCNN：用于人脸检测和对齐。
• InceptionResnetV1：用于从对齐的人脸图像中提取特征向量，进行人脸识别。
• dlib：用于嘴巴开合检测，判断是否为真实人物。
• OpenCV：用于图像处理和颜色分析。
• Pillow：处理图像的基本操作（如加载和转换格式）。
• UUID：生成唯一的文件名，以确保每次上传的文件不会覆盖。

2. 功能模块

2.1 人脸识别

• 上传人脸并识别 (/find_name): 接收上传的图片，识别其中的人脸并返回匹配的身份。
• 加载人脸数据库：支持通过指定文件夹路径加载预先存储的人脸特征，进行比对识别。

2.2 颜色检测

• 检查颜色相似度 (/check_color): 接收颜色名称和图片，检测人脸区域的平均颜色并与指定颜色进行比对，判断是否相似。

2.3 人脸特征与验证

• 检查嘴巴是否张开 (/check_mouth_open): 检测上传图片中的嘴巴是否张开，用于判断是否为真实人物。

2.4 文件上传

• 文件上传 (/upload): 上传包含人脸的图像并保存到指定目录中，支持多种格式（如 JPG、PNG）。上传时会自动进行人脸检测，确保图像中只有一个人脸。

3. 安全性

• CORS：通过 Flask-CORS 库实现跨域资源共享，确保前端与后端能够顺利通信。
• 日志：使用 Python 的 logging 库记录重要操作，便于调试和追踪问题。

4. 数据存储

• 人脸数据库：通过加载存储在本地文件夹中的图像，提取特征向量并存储在字典中以供识别时进行比对。
• 上传图片：上传的图片保存在 uploaded_images 文件夹中，每个文件都以唯一的 UUID 命名，避免冲突。

前端

该项目目前主要提供 API 服务，前端开发可根据需求集成 API 接口。在前端集成时，可以使用 JavaScript 的 fetch 或 Axios 来与后端进行数据交互。

1. 请求示例

• 上传文件：

  const formData = new FormData();
  formData.append('file', fileInput.files[0]);
  formData.append('name', 'person_name');
  
  fetch('/upload', {
    method: 'POST',
    body: formData
  })
  .then(response => response.json())
  .then(data => console.log(data));

2. API 示例

• 识别人脸：

  POST /find_name
  Content-Type: multipart/form-data
  { "file": "image.jpg" }

• 检查颜色相似度：

  POST /check_color
  Content-Type: application/x-www-form-urlencoded
  { "color": "red", "image": "image.jpg" }

安装与配置

1. 克隆项目

git clone https://github.com/your-repo/face-recognition.git
cd face-recognition

2. 安装依赖

创建虚拟环境并安装所需的依赖：

python3 -m venv venv
source venv/bin/activate  # 在 Windows 上使用 venv\Scripts\activate
pip install -r requirements.txt

3. 配置人脸数据库

将用于训练的人脸图像放入指定目录，并修改 app.py 中的 folder_path 为该目录路径。

4. 运行服务

python app.py

服务默认运行在 http://localhost:27824，可以根据需要修改配置。

外链

这里是艺丞科技（北京）有限公司的官网。

交流

欢迎添加我的微信haiyi-three(商单可接，学校设计单可接。个人全栈开发，App、API、网站、小程序、算法均可做。