import os import cv2 import numpy as np import insightface from insightface.app import FaceAnalysis class FaceRecognizer: """ 封装InsightFace人脸识别功能，支持从文件夹加载已知人脸。 """ def __init__(self, known_faces_dir: str): self.known_faces_dir = known_faces_dir self.app = self._initialize_insightface() self.known_faces_embeddings = {} self.known_faces_names = [] self._load_known_faces() def _initialize_insightface(self): """ 初始化InsightFace FaceAnalysis应用。 默认使用CPU，如果检测到CUDA，会自动使用GPU。 """ print("正在初始化InsightFace人脸识别引擎...") try: # 默认模型是 'buffalo_l'，包含检测、对齐、识别功能 # 如果需要更小的模型，可以尝试 'buffalo_s' 或 'buffalo_m' # ctx_id=0 表示使用GPU，ctx_id=-1 表示使用CPU # InsightFace会自动检测CUDA并选择GPU，所以通常不需要手动设置ctx_id app = FaceAnalysis(name='buffalo_l', root='~/.insightface') # 模型下载到用户目录 app.prepare(ctx_id=0, det_size=(640, 640)) # det_size影响检测性能和精度 print("InsightFace人脸识别引擎初始化成功。") return app except Exception as e: print(f"InsightFace人脸识别引擎初始化失败: {e}") print("请确保已安装insightface和onnxruntime，并且模型文件已下载或可访问。") return None def _load_known_faces(self): """ 扫描已知人脸目录，加载每个人的照片并计算人脸特征。 """ if not os.path.exists(self.known_faces_dir): print(f"警告: 已知人脸目录 '{self.known_faces_dir}' 不存在。请创建并放入照片。") os.makedirs(self.known_faces_dir, exist_ok=True) return print(f"正在加载已知人脸特征从: '{self.known_faces_dir}'...") for person_name in os.listdir(self.known_faces_dir): person_dir = os.path.join(self.known_faces_dir, person_name) if os.path.isdir(person_dir): print(f" 加载人物: {person_name}") embeddings = [] for filename in os.listdir(person_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg')): image_path = os.path.join(person_dir, filename) try: img = cv2.imread(image_path) if img is None: print(f" 警告: 无法读取图片 '{image_path}'，已跳过。") continue # 查找人脸并提取特征 faces = self.app.get(img) if faces: # 通常一张照片只有一个人脸，取第一个 embeddings.append(faces[0].embedding) print(f" 成功提取 '{filename}' 的人脸特征。") else: print(f" 警告: 在图片 '{filename}' 中未检测到人脸，已跳过。") except Exception as e: print(f" 处理图片 '{image_path}' 时发生错误: {e}") if embeddings: # 将多张照片的特征取平均，作为该人物的最终特征 self.known_faces_embeddings[person_name] = np.array(embeddings).mean(axis=0) self.known_faces_names.append(person_name) print(f" 人物 '{person_name}' 加载完成，共 {len(embeddings)} 张照片。") else: print(f" 警告: 人物 '{person_name}' 没有有效的人脸特征，已跳过。") print(f"已知人脸加载完成。共 {len(self.known_faces_names)} 个人物。") def recognize(self, frame, threshold=0.4): """ 在视频帧中识别人脸。 Args: frame: 输入的图像帧 (NumPy数组, BGR格式)。 threshold (float): 识别相似度阈值。0.0到1.0，越高越严格。 Returns: tuple[bool, str|None, float|None]: 是否检测到已知人脸，检测到的人名，以及相似度。 """ if not self.app or not self.known_faces_names: return False, None, None faces = self.app.get(frame) # 在帧中检测并提取所有人的脸 if not faces: return False, None, None for face in faces: # 遍历已知人脸，进行比对 for known_name in self.known_faces_names: known_embedding = self.known_faces_embeddings[known_name] # --- 关键修改：手动计算余弦相似度 --- # 确保embedding是float32类型，避免潜在的类型不匹配问题 embedding1 = face.embedding.astype(np.float32) embedding2 = known_embedding.astype(np.float32) # 计算点积 dot_product = np.dot(embedding1, embedding2) # 计算L2范数（向量长度） norm_embedding1 = np.linalg.norm(embedding1) norm_embedding2 = np.linalg.norm(embedding2) # 避免除以零 if norm_embedding1 == 0 or norm_embedding2 == 0: similarity = 0.0 else: similarity = dot_product / (norm_embedding1 * norm_embedding2) # ------------------------------------- if similarity >= threshold: print(f"!!! 人脸识别检测到已知人物: '{known_name}' (相似度: {similarity:.4f}) !!!") return True, known_name, similarity # 只要检测到一个就立即返回 return False, None, None # 没有检测到已知人脸 # def test_single_image(self, image_path: str, threshold=0.4): # """ # 测试单张图片的人脸识别效果 # # Args: # image_path: 图片路径 # threshold: 识别阈值 # # Returns: # tuple[bool, str|None, float|None]: 是否检测到已知人脸，检测到的人名，以及相似度 # """ # if not os.path.exists(image_path): # print(f"错误: 图片 '{image_path}' 不存在") # return False, None, None # # # 读取图片 # frame = cv2.imread(image_path) # if frame is None: # print(f"错误: 无法读取图片 '{image_path}'") # return False, None, None # # # 调用识别方法 # result, name, similarity = self.recognize(frame, threshold) # # # 显示结果 # if result: # print(f"测试结果: 在图片中识别到 {name}，相似度: {similarity:.4f}") # # # 绘制识别结果并显示图片 # faces = self.app.get(frame) # for face in faces: # bbox = face.bbox.astype(int) # # 绘制 bounding box # cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (0, 255, 0), 2) # # 绘制姓名和相似度 # text = f"{name}: {similarity:.2f}" # cv2.putText(frame, text, (bbox[0], bbox[1] - 10), # cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2) # # # 显示图片 # cv2.imshow('Recognition Result', frame) # print("按任意键关闭图片窗口...") # cv2.waitKey(0) # cv2.destroyAllWindows() # else: # print("测试结果: 未在图片中识别到已知人脸") # # return result, name, similarity # if __name__ == "__main__": # # 初始化人脸识别器，指定已知人脸目录 # recognizer = FaceRecognizer(known_faces_dir="known_faces") # # # 测试单张图片 # test_image_path = r"F:\OCR\RapidOCR-main\known_faces\B\14sino-qiu02-master1050.jpg" # 替换为你的测试图片路径 # recognizer.test_single_image(test_image_path, threshold=0.4)