/FaceRetrieve

Face retrieving with numpy/cupy, feature extracting by facenet-pytorch

Primary LanguagePython

基于facenet-pytorch实现的人脸检索

需要安装的软件

python（推荐3.7+版本）

mongodb

CUDA（推荐、非必须）

Pytorch（推荐GPU版本）

具体使用说明

  1. clone本仓库到本地
  2. clone facenet-pytorch仓库到本仓库根目录下
  3. 下载人脸图片数据集和人脸特征数据库到本地仓库目录（特征数据库 提取码36q2 人脸数据集 提取码zbq8）
  4. 解压下载的两个压缩文件（保持文件夹原名）
  5. 下载安装mongodb，并把mongodb的bin目录置于环境变量中
  6. 安装CUDA（可选）
  7. 安装本项目所需要的第三方库，如使用anaconda，其自带库包含大部分所需
  8. 运行本地目录下start_mongodb.bat，启动特征数据库
  9. 运行项目的perf_test.py，程序会自动从人脸数据集中随机选择20张人脸并通过特征匹配得到这20张人脸的近似人脸

实现效果

image-20210929185753399

图中Original表示要比对的人脸，1、2、3分别表示第一、二、三接近的人脸。

实测数据库中一共136719张人脸特征向量，从硬盘中读取到内存并组建为特征矩阵所需的时间大概为11秒（测试环境R7-4800H 64G内存 RTX2060和海力士512G固态硬盘），在PyTorch模型加载完成且特征矩阵移至显存中后，比对一张人脸特征逐一计算欧氏距离的时间不超过3毫秒，人脸特征提取时间平均时间在80ms。

注意事项

如果运行设备无NVIDIA GPU或未安装CUDA，需要在程序运行时把所有的cuda=True改为False

矩阵运算一部分使用cupy库进行，如果通过pip编译安装失败，可以直接安装对应CUDA版本的二进制文件

解压的特征数据库与人脸数据集的文件夹名称不要改动，并置于该项目文件夹下

若运行facenet代码部分出现问题，请移步https://github.com/timesler/facenet-pytorch

参考项目

face_recognition

facenet-pytorch