基于神经网络的人脸识别Rest API

功能介绍：

方便各类不懂caffe和图像处理的人群使用，将人脸识别中常用的功能封装成了Rest Api，部署后就可以直接调用。目前支持人脸相识度对比，人脸定位，年龄检测，性别检测，face id （可以拿来做人脸查找）。在未来，如果有空将持续更新，下一步将继续添加表情，心情状态检测等功能

需要环境：

opencv

caffe

django

.....

还有其他一堆库，懒得写了，你运行的时候缺哪个就装哪个吧，反正都是可以通过pip安装的

识别结果：

识别精度说明：

人脸对比功能还达不到用做Face ID的级别，如果用于一般精度要求不是很高的项目，判断是否是同一个人问题不大。性别检测功能基本完美，能达到人类的水平。年龄的话在大天朝美图神技面前无解，如果是没经过美图的照片基本上准确，如果经过美图.......人脸定位的话，使用OPENCV检测偶尔会把非人脸判断进去，使用MTCNN神经网络的话比较不错了

文件说明：

model 文件夹存放的是一些模型文件 RestServer是核心代码

项目将人脸识别与人脸定位的功能封装成了REST API，将RestServer运行起来以后就可以通过REST API的方式访问调用

运行方法：

环境搭建：

Ubuntu:

使用ubuntu17+的系统能保证你最快时间搭建出一套运行环境。

为了你最快搭建出这个项目的试用环境，所以我下面的项目都是最简安装，没考虑性能

ubuntu 17.10 +python3 环境搭建：

sudo apt-get install python3 pip3
sudo pip3 install django
sudo pip3 install sklearn
sudo apt-get install libopencv-dev python3-opencv
sudo apt-get install caffe-cpu

• 如需要使用GPU（运行更快，但并非所有电脑都能支持）请安装GPU版Caffe，CUDA须用apt安装

sudo apt-get install python3 pip3
sudo pip3 install django
sudo pip3 install sklearn
sudo apt-get install libopencv-dev python3-opencv
sudo apt-get install nvidia-cuda-toolkit
sudo apt-get install caffe-cuda

进入RestServer/config文件夹，打开config.py文件，修改成你本机的路径，然后在RestServer目录下运行python3 manage.py runserver 没有报错即可

然后打开项目目录下的test.html（任意浏览器打开）即可测试项目功能

Windows:

前提是你已经装好python3和pip

pip3 install django
pip3 install sklearn
pip3 install scikit-image
pip3 install opencv-python
pip3 install scipy
pip3 install matplotlib
pip3 install protobuf

去caffe windows下载编译好的（你自己编译当然没问题）Windows caffe二进制文件， 注意选择你机器对应的版本（如果你不知道怎么选，那就选 CPU only, Python 3.5: Caffe Release），下载下来后直接解压即可

进入RestServer/config文件夹，打开config.py文件，修改成你本机的路径，然后在RestServer目录下运行python3 manage.py runserver 没有报错即可

然后打开项目目录下的test.html（任意浏览器打开）即可测试项目功能

Other：

如果是线上使用或者你无法使用上面的环境，那么你需要自己搭建运行环境，项目主要需要的模块有3个caffe,opencv,django,可以参照caffe官网安装caffe，其他2个用pip安装就行了

API调用方法：

接口地址	方法	参数	说明	返回参数
http://你的ip/compared	POST	face1 和 face2 数据为你的两张人脸图片	人脸对比接口地址	JSON数组，status调用是否成功，data为两张人脸的相似度（大约78%可判断为同一个人），msg为说明，runtime为识别执行时间
http://你的ip/locate	POST	使用opencv进行人脸定位，速度快，效果略差，pic 数据为你需要定位人脸的图片	人脸定位接口地址	JSON数组，返回中每有一个数组就表示检测到一张人脸 X，Y表示人脸左上角坐标，height width表示高度和宽度
http://你的ip/locateMtcnn	POST	使用mtcnn进行人脸定位，速度慢，效果好一点，pic 数据为你需要定位人脸的图片	人脸定位接口地址	JSON数组，返回中每有一个数组就表示检测到一张人脸 X，Y表示人脸左上角坐标，height width表示高度和宽度
http://你的ip/gender	POST	pic 数据为你需要检测的人脸图片	性别检测接口	JSON数组，status调用是否成功，data为Female 或者male，msg为说明，runtime为识别执行时间
http://你的ip/age	POST	pic 数据为你需要检测的人脸图片	年龄检测接口	JSON数组，status调用是否成功，data 为一个年龄区间 ，runtime为识别执行时间
http://你的ip/faceid	POST	pic 数据为你需要检测的人脸图片	获取face id	JSON数组，status调用是否成功，data 为一个4096长度的矩阵（我知道这个长度很反人类，所以大哥您有什么算法压缩吗），2个face id求余弦值即可获得2个人脸的相似度
http://你的ip/comparedByFaceID	POST	faceID1,faceID2，2个需要对比的face id	通过face id对比人脸相似度（即求2个face id的余弦值）	JSON数组，status调用是否成功，data为百分数，大约78%以上即可判断为同一个人
http://你的ip/expression	表情检测，功能待实现。。。

部署说明：

如果你需要用于生产项目使用，该项目一定要用apache2或者ngnix发布，上面提供的运行方法仅供测试使用。具体部署访问请参考django项目部署

其他说明：

关于算法，人脸定位算法来自openCv2 ,以及MTCNN ;性别和年龄检测来自 Age and Gender Classification using Convolutional Neural Networks;人脸相识度对比来自VGG FACE

最后！！

欢迎提出意见，如果改进优化了这个项目请也push一份过来^_^