大家好，今天给大家分享一个基于深度学习技术的面部分析工具库DeepFace，旨在为用户提供高效、易于使用的平台，帮助他们快速实现与面部相关的AI应用。

项目介绍

DeepFace是一个基于Python的轻量级面部识别及面部属性分析（包括年龄、性别、情绪和种族）框架。

它是一个混合面部识别框架，集成了多种最先进的模型，如VGG-Face、FaceNet、OpenFace、DeepFace、DeepID、ArcFace、Dlib、SFace和GhostFaceNet。

技术特点

1.集成多种先进模型

DeepFace集成了包括VGG-Face、Google FaceNet、OpenFace、Facebook DeepFace、DeepID、ArcFace、Dlib和SFace等在内的多种先进的人脸识别模型。

不同模型在精度上有所差异，例如 FaceNet-512d 测量精度为 98.4%，VGG-Face 为 96.7% 等。

用户可以根据自己的需求选择不同的模型，或者自己训练一个新的模型。

2.高效性

DeepFace使用滑动窗口策略训练二分类网络，再转化为全卷积网络进行检测，提高了检测效率。

在输入大尺寸图像时，通过热力图实现精准定位，进一步提升了检测效果。

3.多功能性

DeepFace不仅支持面部检测、关键点定位、人脸识别等基础功能，还支持面部属性分析，如年龄、性别、情感和种族等。

该项目还提供了实时面部检测与验证功能，可用于安全门禁系统、社交媒体分析、虚拟现实等领域。

4.易用性

DeepFace提供了详细的文档和教程，方便用户快速上手。

用户可以通过简单的Python代码调用DeepFace的功能，实现面部识别和属性分析。

DeepFace提供了一个API，可以通过HTTP POST方法调用面部识别、面部属性分析和向量表示功能。

可以通过Docker在本地主机上运行DeepFace服务，并消费其服务。

高级功能

1.实时分析（Real Time Analysis）

可对实时视频进行人脸识别和面部属性分析。

示例：

DeepFace.stream(db_path="C:/User/Sefik/Desktop/database")

当连续 5 帧能聚焦到人脸时开始分析一帧，并在 5 秒后显示结果。

2.抗欺骗分析（Face Anti Spoofing）

可判断给定图像是真实还是伪造。

通过将anti_spoofing参数设置为 True 激活此功能，可在人脸检测、实时分析等任务中使用。

应用场景

1.安全监控

实时面部检测与验证功能可用于安全门禁系统，提高安全性和便利性。

2.社交媒体

自动标记照片中的人物，提高用户体验。

分析用户上传的照片，自动识别面部表情和年龄，提供个性化的内容推荐。

3.虚拟现实

精准的人脸追踪功能可提升VR环境的真实感。

4.医疗诊断

辅助分析面部疾病，如眼疾或肌肉异常。

安装使用

安装

使用pip命令直接安装：

$ pip install deepface

从源代码安装：

$ git clone https://github.com/serengil/deepface.git
$ cd deepface
$ pip install -e .

安装库后，您将能够导入它并使用它的功能。

from deepface import DeepFace

使用

1.人脸验证（Face Verification）

  • 功能：验证两张人脸图片是否属于同一人。
  • 输入：接受图片的准确路径，也可传入 numpy 或 base64 编码的图像。
  • 示例：
    result = DeepFace.verify(
    img1_path="img1.jpg",
    img2_path="img2.jpg"
)
  • 返回值：一个字典，可检查verified键的值判断是否为同一人，还包含距离、最大验证阈值、模型和相似度度量等信息。

2.人脸识别（Face Recognition）

  • 功能：在数据库中查找输入图像的身份。
  • 输入：图片路径和数据库路径。
  • 示例：
    dfs = DeepFace.find(
    img_path="img1.jpg",
    db_path="C:/workspace/my_db"
)
  • 返回值：一个 pandas 数据框列表，包含数据库中与输入图像匹配的人脸信息。

3.获取嵌入向量（Embeddings）

  • 功能：返回人脸图像的嵌入向量。
  • 输入：图片路径。
  • 示例：
    embedding_objs = DeepFace.represent(
    img_path="img.jpg"
)
  • 返回值：一个包含嵌入向量的列表，向量维度因模型而异，如 VGG - Face 模型默认将人脸图像表示为 4096 维向量。

4.面部属性分析（Facial Attribute Analysis）

  • 功能：分析人脸的多种属性。
  • 输入：图片路径和要分析的属性列表（如[‘age’, ‘gender’, ‘race’, ‘emotion’]）。
  • 示例：
    objs = DeepFace.analyze(
    img_path="img4.jpg",
    actions=['age', 'gender', 'race', 'emotion']
)
  • 返回值：包含分析结果的字典，结果数量与输入图像中的人脸数量相同。

项目地址

https://github.com/serengil/deepface