优化代码风格

util/face_util.py

@@ -27,7 +27,7 @@ def init_insightface():
 
 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
+    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）
@@ -39,11 +39,11 @@ def add_binary_data(binary_data):
     global _insightface_app, _feature_list
 
     if not _insightface_app:
-        print("引擎未初始化，无法处理")
+        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
+        # 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)
 
@@ -70,15 +70,15 @@ 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
+        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
+        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
+    # 如果未提供features参数、则使用全局特征列表
     if features is None:
         features = _feature_list
 
@@ -105,7 +105,7 @@ def get_average_feature(features=None):
                     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")
+                    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}")
@@ -118,12 +118,12 @@ def get_average_feature(features=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}")
+            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]}")
+        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