Реализовать систему идентификации сотрудников по лицу при помощи общеизвестных библиотек (dlib, face-recognition, opencv, etc.) Система должна быть реализована на языке python и представлять из себя веб-сервис, принимающий на вход:
- текущее фото сотрудника (например с веб-камеры);
- идентификационный номер сотрудника.
По идентификационному номеру, система осуществляет поиск эталонной фотографию в базе данных и проводит сравнение с заданным порогом точности. В качестве выходных параметров система должна предоставлять json с информацией о:
- наличии или отсутствии ошибки идентификации,
- при наличии ошибки, информировать о ее причинах;
- уверенность системы в схожести фотографий;
- количество лиц в кадре;
- имя сотрудника;
- должность;
- идентификатор должности;
- порог точности.
Система должна обладать временем нечувствительности (5 секунд) к единичным ошибочным идентификациям. В качестве базы данных должна выступать директория с набором изображений. Система должна сохранять фото успешной и неуспешной идентификаций в отдельную директорию, предоставляя идентификатор файла в ответе при запросе идентификации.
Варианты ошибок идентификации
- "другой человек в кадре";
- "больше одного лица в кадре";
- "нет лиц в кадре";
- "идентификационный номер отсутствует в БД";
- MAX_FACES - максимально допустимое одновременное количество лиц в кадре
- IM_HEIGHT - высота, до которой производится ресайз изображения
- LANDMARKS_COUNT - количество точек-лендмарок
- ACCURACY_THRESHOLD - трешхолд по степени уверенности
- LANDMARKS_COLOR - цвет ограничивающего лицо прямоугольника
- faces_bboxes - обнаруженные на изображении рамки лиц
- image - rgb исходное изображение
- image_gray - исходное изображение в оттенках серого
- image_clone - копия исходного изображения
- authorized_staff_path - путь до изображений сотрудников (для формирования БД, единовременная необходимость)
- database - словарь с "базой данных" сотрудников
- database_path - путь до базы данных сотрудников (authorized_staff_db.pickle)
- successful_recognitions_path - путь сохранения изображений сотрудников, которым успешно юыд предоставлен доступам
- unsuccessful_recognitions_path - путь сохранения изображений сотрудников, которым не был предоставлен доступ
- image_as_text - закодированное в текст изображение для отображения веб-формой
- identification_error_info - текущая ошибка идентификации
- all_identification_errors - перечень всех ошибок идентификации
- recognition_error - наличие или отсутствие ошибок идентификации
- recognition_confidence - степень уверенности в схожести лиц
- faces_count - количество лиц
- image_uuid - уникальный UUID для сохранения всех поступающих изображений
- Поставить все библиотеки из requirements.txt в виртуальное окружение, запустить app.py
mkdir Personnel-Faces-Identification && cd Personnel-Faces-Identification
python3 -m venv env
source env/bin/activate
pip install -r requirements.txt
python3 ./api/app.py- Запуск из докера:
docker-compose up -d- Через простой веб-интерфейс, загрузка файла и указание идентификационного номера сотрудника
а также в header указать параметр person_id
- Добавить асинхронщину в выполнение функций предикта
- Сделать профайлинг функций
- Разбить файл face_recognition_service.py на функции, вынести в подмодуль
- Добавить базу данных PostgreSQL
- Вынести файлы моделей в git lfs
- Улучшить пользовательский интерфейс
- Рассмотреть другие модели, обучить свою модель детекции, распознавания лица (WiderFace или подобный датасет)
- Рефакторинг кода