人脸识别insightface库环境搭建

基础环境

        1、该实验是在Anaconda或Miniconda独立环境中测试部署的，由于Anaconda或Miniconda环境部署网上资料较多，这里就不在赘述。

        2、由于InsightFace是一个开源的人脸识别框架，它基于深度学习技术，能够提供高精度的人脸识别服务，因此需要支持所需的GPU环境，这个在之前博客有详细教程：https://blog.youkuaiyun.com/ddazz0621/article/details/149071101这里不在赘述。基础环境截图如下：

环境搭建

        1、创建python独立环境命令：

conda create -n insightface_env python=3.8 -y

        2、进入新创建的python独立环境命令：

conda activate insightface_env

        查看当前python独立环境的相关库如下：

        3、conda install 安装所需依赖库命令如下：

conda install numpy scipy matplotlib pandas scikit-learn -y

        上述命令安装成功后，conda list 查看安装库部分截图如下：

        4、pip 安装所需依赖库命令如下：

pip install mxnet-cu112  onnxruntime-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

        安装成功截图如下：

        5、安装insightface库命令如下：

pip install insightface -i https://pypi.tuna.tsinghua.edu.cn/simple

        执行上述命令在我的环境中报错，这是因为我的基础环境中g++版本过低，两种方案：1、升级系统g++版本；2、conda 环境安装高版本g++。我选的是方案2:，命令如下：

conda install gxx_linux-64=11.2.0

        执行成功截图如下：

        后续再安装insightface库执行成功截图如下：

        测试库调用成功截图如下：

案例测试

        测试insightface库的简单代码如下：

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

# 初始化人脸识别模型
app = FaceAnalysis(name="buffalo_l",providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
print("----------------111------------------")
app.prepare(ctx_id=0, det_size=(640, 640))



def load_and_detect_face(image_path):
    if not os.path.exists(image_path):
        print(f"错误: 找不到图像: {image_path}")
        return None, None

    image = cv2.imread(image_path)
    if image is None:
        print(f"错误: 无法读取图像: {image_path}")
        return None, None

    faces = app.get(image)

    if len(faces) == 0:
        print(f"未能在图像中检测到人脸: {image_path}")
        return None, None
    else:
        return image, faces[0].embedding

def compare_faces(embedding1, embedding2):
    if embedding1 is None or embedding2 is None:
        return None

    cosine_similarity = np.dot(embedding1, embedding2) / (np.linalg.norm(embedding1) * np.linalg.norm(embedding2))
    return cosine_similarity

if __name__ == "__main__":
    # 替换为你的图片路径
    image1_path = r'./pic/bao1.png'  # 第一个人的图像路径
    image2_path = r'./pic/bao2.png'  # 第二个人的图像路径

    # 加载并检测第一张图像
    image1, embedding1 = load_and_detect_face(image1_path)
    
    # 加载并检测第二张图像
    image2, embedding2 = load_and_detect_face(image2_path)

    # 比较两张人脸
    similarity = compare_faces(embedding1, embedding2)

    if similarity is not None:
        print(f"两张人脸的相似度: {similarity:.4f}")

        # 设置阈值以判断是否为同一人
        threshold = 0.5  # 根据需要调整阈值
        if similarity > threshold:
            print("这两张人脸是同一个人。")
        else:
            print("这两张人脸不是同一个人。")

        执行截图如下：

        由于第一次执行会下载模型，因此相对较慢。上述代码案例用的两张识别图片如下：

 

        上述两张图片用face_recognition库识别时出错（出错的原因是第一张图没发现有人脸），但用insightface库检测通过。通过多次比对测试，笔者觉得insightface库人脸识别能力比较准确。