insightface实现人脸批量注册，人脸搜索等功能

insightface介绍

InsightFace是一个开源的人脸识别、检测和对齐工具箱，使用PyTorch和MXNet实现。它支持各种最先进的方法，如ArcFace、SubCenter ArcFace、PartialFC和VPL，并提供训练数据、模型和评估管道。InsightFace有效地实现了各种最先进的人脸识别、人脸检测和人脸对齐算法，并针对训练和部署进行了优化。它支持多种主干架构，包括IResNet、RetinaNet、MobileFaceNet、InceptionResNet_v2和DenseNet2。InsightFace是一个优秀的开源工具箱，涵盖了多种2D和3D深度人脸分析算法，其中包括高效的人脸识别、人脸检测和人脸对齐算法。该工具箱针对训练和部署进行了优化，获得了多项算法测评和比赛的优异成绩。

人脸注册

人脸图像命名为人员姓名或人员编号
例

import pickle
import os
import cv2
from insightface.app import FaceAnalysis

app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))
faces_embedding = []
images_folder = "new"
for filename in os.listdir(images_folder):
    filepath = os.path.join(images_folder, filename)
    if os.path.isfile(filepath):
        # 读取图像
        img = cv2.imread(filepath)
        # 进行人脸检测和特征提取
        faces = app.get(img)
        if faces:
            # 提取人脸嵌入并添加到列表中
            for face in faces:
                username = filename.split('.')[0]  # 获取文件名作为用户名
                faces_embedding.append({"userName": username, "embedding": face.normed_embedding})

# 将提取的人脸嵌入数据和用户名保存到文件中
with open('face_db/face_ai_db', 'wb') as f:
    pickle.dump(faces_embedding, f)

人脸识别

import pickle
import cv2
import numpy as np
from insightface.app import FaceAnalysis

# 初始化 FaceAnalysis
app = FaceAnalysis(providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
app.prepare(ctx_id=0, det_size=(640, 640))

# 使用本地保存的人脸数据
f = open('face_db/face_ai_db', 'rb')
# 加载之前存储的人脸数据
faces_embedding = pickle.load(f)

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 在每一帧图像中进行人脸检测
    faces = app.get(frame)

    best_match = {"userName": "Unknown", "score": 0}  # 记录最高置信度的匹配结果

    # 用每张检测到的人脸与已注册的人脸数据比对
    for face in faces:
        feat1 = face.normed_embedding
        for t in faces_embedding:
            feat2 = t["embedding"]
            # 计算余弦相似度
            sim = np.dot(feat1, feat2) / (np.linalg.norm(feat1) * np.linalg.norm(feat2))
            sim = sim * 100
            if sim > 40 and sim > best_match["score"]:
                best_match["userName"] = t['userName']
                best_match["score"] = sim

    # 在图像上显示最高置信度的匹配结果
    cv2.putText(frame, f"Name: {best_match['userName']}, Score: {best_match['score']:.2f}", (50, 50),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv2.LINE_AA)

    # 显示结果
    cv2.imshow('Face Recognition', frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 关闭摄像头和窗口
cap.release()
cv2.destroyAllWindows()