ArcFace 2.2 人脸识别 SDK Python 版本的 Demo。
lib/ # 存放 ArcFace SDK 库
linux_64/
windows_32/
windows_64/
arcface/ # 用 Python 对 ArcFace SDK 封装的模块
arcface.py # ArcFace SDK 的 Python 接口
arcsoft_face_func.py # ArcFace SDK 里提供的函数
arcsoft_face_struct.py # ArcFace SDK 里有的结构体
tools.py # 内包含一些辅助工具
module/ # 整个 Demo 依赖的关键模块
face_process.py # 调用 ArcFace，集成人脸识别、活体检测等异步操作
image_source.py # 提供视频帧
text_renderer.py # 渲染中文
profile.yml # Demo 的配置文件
demo.py # Demo 的主程序入口
- 安装 Python 3.7。
- 安装模块 opencv-python、freetype、PyYAML。可通过
python -m pip install opencv-python freetype-py PyYAML安装需要的全部依赖。 - 从 ArcSoft 官网授权申请 SDK，下载相应版本的 SDK 并解压。
- 将
lib中的所有动态库拷贝到lib目录中对应的平台目录下。 - 准备好人脸数据库，即一张或者多张包含人脸的图片（最好一张图片仅包含一张清晰的人脸）。将这些图片一起放在同一个目录下，目录的路径最好没有中文也没有空格。
- 准备一个摄像头或者一个视频，图片也行。
- 在 profile.yml 中配置你的
APP ID和SDK KEY。 - 通过
python demo.py --faces <人脸数据库路径> --source <图片或者视频路径>运行 Demo。 - 按下
Esc或q或Q来退出程序。程序是不会主动退出的，即使视频播放完成后也不会退出。
需要将上面的 <> 中的内容及 <> 自身替换成满足 <> 中说明的实际内容。
图片（不包括 GIF）和视频的格式需要能被 OpenCV 支持的格式。
当检测到人脸时会用一个红色的矩形框圈出人脸，如果后续识别到这个人脸在人脸数据库中，人脸框会由红变蓝。
人脸框上面有五个信息，分别用 , 隔开。这五个信息分别是 姓名, 相似度, 活体结果, 性别, 年龄。一开始这五个信息都没有，所有会有四个 ','，在识别出对应的信息后，会陆续更新出来。
| 参数 | 说明 |
|---|---|
| --faces | 指定包含人脸数据库人脸的文件或者文件夹路径。 |
| 如果是文件路径，则假设文件是图片，将采用图片中所有人脸作为人脸数据库。 | |
| 如果是文件夹路径，将递归遍历文件夹下所有图片文件进行处理，遍历过程中忽略 '.' 开头的文件夹和文件。 | |
对于图片中的人脸，如果只有一张人脸将以文件名命名，如果有多张人脸将以文件名-数字编号 命名。编号来自识别人脸的顺序，可以认为是没有规律的。 |
|
| --faces-data | 指定已经缓存好的人脸数据库文件路径。 |
| --source | 指定视频路径或者图片路径，如果没有这个参数将打开默认的摄像头。 |
| --single | 以 1:n 模式运行，默认 m:n。 |
- 如果是第一次运行，先运行
python demo.py --faces <人脸数据库文件路径> --faces-data <缓存人脸数据库文件的路径>来生成人脸数据库的缓存，加快下次启动的速度。 - 生成缓存后可以使用
python demo.py --faces-data <已缓存人脸数据库文件的路径> --source <图片或者视频路径>来运行。
直接运行
python demo.py --faces <人脸数据库路径> --source <图片或者视频路径>，这会在提取所有人脸特征组成人脸数据库后直接启动。但因为提取人脸特征比较慢（约 130 秒每千张），如果人脸数据库较大，每次启动都需要漫长的等待。
- 将图片传给 SDK 时，可以通过
bytes(image)来将 np.ndarray 类型转为 bytes 类型，从而可以传给 SDK。这样做存在不足的地方是bytes(image)会对内存数据进行复制，而很多时候这个复制是不必要的。使用image.ctypes.data可以直接得到底层的数据地址，将这个地址传给 SDK 可以避免不必要的内存复制。这样做也存在不足，因为能这样做的前提是 image 底层数据所占的内存连续。如果底层数据所占的内存不连续，就会出现用cv.imshow("", image)显示正常，SDK 却不能像预期那样工作。一种常见的导致内存不连续的情况是在对图片使用image[:720, :1280]这种方式进行裁剪，通过这种方法裁剪得到的图片底层内存就是不连续的。可通过image.flags.c_contiguous来判断内存是否连续，通过numpy.ascontiguousarray(image)来得到内部数据一定连续的图片。