最新可用

util/face_util.py

@@ -0,0 +1,145 @@
+import cv2
+import numpy as np
+import insightface
+from insightface.app import FaceAnalysis
+from io import BytesIO
+from PIL import Image
+
+# 全局变量存储InsightFace引擎和特征列表
+_insightface_app = None
+_feature_list = []
+
+
+def init_insightface():
+    """初始化InsightFace引擎"""
+    global _insightface_app
+    try:
+        print("正在初始化InsightFace引擎...")
+        app = FaceAnalysis(name='buffalo_l', root='~/.insightface')
+        app.prepare(ctx_id=0, det_size=(640, 640))
+        print("InsightFace引擎初始化完成")
+        _insightface_app = app
+        return app
+    except Exception as e:
+        print(f"InsightFace初始化失败: {e}")
+        return None
+
+
+def add_binary_data(binary_data):
+    """
+    接收单张图片的二进制数据，提取特征并保存
+
+    参数:
+        binary_data: 图片的二进制数据（bytes类型）
+
+    返回:
+        成功提取特征时返回 (True, 特征值numpy数组)
+        失败时返回 (False, None)
+    """
+    global _insightface_app, _feature_list
+
+    if not _insightface_app:
+        print("引擎未初始化，无法处理")
+        return False, None
+
+    try:
+        # 直接处理二进制数据：转换为图像格式
+        img = Image.open(BytesIO(binary_data))
+        frame = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
+
+        # 提取特征
+        faces = _insightface_app.get(frame)
+        if faces:
+            # 获取当前提取的特征值
+            current_feature = faces[0].embedding
+            # 添加到特征列表
+            _feature_list.append(current_feature)
+            print(f"已累计 {len(_feature_list)} 个特征")
+            # 返回成功标志和当前特征值
+            return True, current_feature
+        else:
+            print("二进制数据中未检测到人脸")
+            return False, None
+    except Exception as e:
+        print(f"处理二进制数据出错: {e}")
+        return False, None
+
+
+def get_average_feature(features=None):
+    """
+    计算多个特征向量的平均值
+
+    参数:
+        features: 可选，特征值列表。如果未提供，则使用全局存储的_feature_list
+                  每个元素可以是字符串格式或numpy数组
+
+    返回:
+        单一平均特征向量的numpy数组，若无可计算数据则返回None
+    """
+    global _feature_list
+
+    # 如果未提供features参数，则使用全局特征列表
+    if features is None:
+        features = _feature_list
+
+    try:
+        # 验证输入是否为列表且不为空
+        if not isinstance(features, list) or len(features) == 0:
+            print("输入必须是包含至少一个特征值的列表")
+            return None
+
+        # 处理每个特征值
+        processed_features = []
+        for i, embedding in enumerate(features):
+            try:
+                if isinstance(embedding, str):
+                    # 处理包含括号和逗号的字符串格式
+                    embedding_str = embedding.replace('[', '').replace(']', '').replace(',', ' ').strip()
+                    embedding_list = [float(num) for num in embedding_str.split() if num.strip()]
+                    embedding_np = np.array(embedding_list, dtype=np.float32)
+                else:
+                    embedding_np = np.array(embedding, dtype=np.float32)
+
+                # 验证特征值格式
+                if len(embedding_np.shape) == 1:
+                    processed_features.append(embedding_np)
+                    print(f"已添加第 {i + 1} 个特征值用于计算平均值")
+                else:
+                    print(f"跳过第 {i + 1} 个特征值，不是一维数组")
+
+            except Exception as e:
+                print(f"处理第 {i + 1} 个特征值时出错: {e}")
+
+        # 确保有有效的特征值
+        if not processed_features:
+            print("没有有效的特征值用于计算平均值")
+            return None
+
+        # 检查所有特征向量维度是否相同
+        dims = {feat.shape[0] for feat in processed_features}
+        if len(dims) > 1:
+            print(f"特征值维度不一致，无法计算平均值。检测到的维度: {dims}")
+            return None
+
+        # 计算平均值
+        avg_feature = np.mean(processed_features, axis=0)
+        print(f"成功计算 {len(processed_features)} 个特征值的平均特征向量，维度: {avg_feature.shape[0]}")
+
+        return avg_feature
+
+    except Exception as e:
+        print(f"计算平均特征值时出错: {e}")
+        return None
+
+
+def clear_features():
+    """清空已存储的特征数据"""
+    global _feature_list
+    _feature_list = []
+    print("已清空所有特征数据")
+
+
+def get_feature_list():
+    """获取当前存储的特征列表"""
+    global _feature_list
+    return _feature_list.copy()  # 返回副本防止外部直接修改