來源頭條作者:Echa攻城獅

大家好，我是Echa。

最近有很多粉絲給小編私信留言說離春節(jié)越來越近了，關(guān)注小編有一段時(shí)間了，分享了大大小小開源項(xiàng)目干貨，牽涉到各行各業(yè)的，唯獨(dú)沒有多少黑科技開源項(xiàng)目呢？比如人臉識(shí)別，元宇宙，AI智能，智能車載系統(tǒng)，智能家居等等，說的小編一愣一愣的。感覺小編就是一個(gè)小機(jī)器人，你們下達(dá)指令，搜索黑科技開源項(xiàng)目.....省去2萬字。

今天小編給大家分享6個(gè)優(yōu)秀的人臉識(shí)別開源項(xiàng)目，希望粉絲們系統(tǒng)。

創(chuàng)作不易，喜歡的老鐵們加個(gè)關(guān)注，點(diǎn)個(gè)贊，打個(gè)賞，后面會(huì)不定期更新干貨和技術(shù)相關(guān)的資訊，速速收藏，謝謝！你們的一個(gè)小小舉動(dòng)就是對(duì)小編的認(rèn)可，更是創(chuàng)作的動(dòng)力。

關(guān)于實(shí)時(shí)人臉識(shí)別系統(tǒng)在計(jì)算機(jī)視覺領(lǐng)域仍然是一個(gè)非常熱門的話題，許多公司已經(jīng)開發(fā)了自己的解決方案來嘗試進(jìn)入不斷增長(zhǎng)的市場(chǎng)。與傳統(tǒng)的識(shí)別方法相比，實(shí)時(shí)人臉識(shí)別系統(tǒng)的優(yōu)點(diǎn)是在連續(xù)幀中使用同一個(gè)人的多個(gè)實(shí)例。

如果開發(fā)者希望利用實(shí)時(shí)人臉識(shí)別的優(yōu)勢(shì)，開源項(xiàng)目可能是一個(gè)很好的起點(diǎn)。由于源代碼已發(fā)布，你可以看到它是如何工作的，并確保它不會(huì)竊取數(shù)據(jù)。在本文中，我們將幫助初級(jí)的開發(fā)者了解最佳的開源人臉識(shí)別項(xiàng)目，并向大家展示為什么選擇開源軟件通常是最佳選擇。

人臉識(shí)別系統(tǒng)在功能和獨(dú)特功能方面各不相同。但一般來說，使用人臉識(shí)別軟件自動(dòng)化系統(tǒng)的過程需要相同的基本步驟。

首先，將攝像頭放置在所需的位置并開始流式傳輸視頻。攝像頭的放置方式應(yīng)使鏡頭獲得足夠的光線，并且拍攝對(duì)象將注視攝像頭。如果無法完整查看用戶的面部，則攝像頭應(yīng)具有盡可能清晰的分辨率。為了不使人臉識(shí)別服務(wù)器過載，最好先檢測(cè)運(yùn)動(dòng)。

小編研究了實(shí)時(shí)開源人臉識(shí)別軟件的 github 存儲(chǔ)庫，并準(zhǔn)備了一份最佳選擇列表：

全文大綱openface - OpenFace 作為用于人臉識(shí)別的通用庫，能夠?qū)崿F(xiàn)瞬態(tài)和移動(dòng)人臉識(shí)別。face_recognition - Face Recognition 是一個(gè)強(qiáng)大、簡(jiǎn)單、易上手的人臉識(shí)別開源項(xiàng)目，并且配備了完整的開發(fā)文檔和應(yīng)用案例。insightface - InsightFace 是一個(gè)開源的 2D&3D 深度人臉分析工具箱，主要基于 PyTorch 和 MXNet。facenet - FaceNet 是一個(gè)人臉識(shí)別系統(tǒng)，可用于判斷多幅圖是否為同一人、識(shí)別圖像中的人是誰、人臉聚類計(jì)算人臉相似度。deepface - Deepface 是一個(gè)用于 python 的輕量級(jí)人臉識(shí)別和人臉屬性分析（年齡、性別、情感和種族）框架。它是一個(gè)混合人臉識(shí)別框架，包含最先進(jìn)的模型：VGG-Face、Google FaceNet、OpenFace、Facebook DeepFace、DeepID、ArcFace 和 Dlib。CompreFace - Exadel CompreFace 是一項(xiàng)免費(fèi)的開源人臉識(shí)別服務(wù)，無需事先具備機(jī)器學(xué)習(xí)技能即可輕松集成到任何系統(tǒng)中。CompreFace 提供 REST API 用于人臉識(shí)別、人臉驗(yàn)證、人臉檢測(cè)、地標(biāo)檢測(cè)、年齡和性別識(shí)別，并且可以通過 docker 輕松部署，并支持在 CPU 和 GPU 上工作的不同模型。openface官方網(wǎng)址：http://cmusatyalab.github.io/openface/

Github：https://github.com/cmusatyalab/openface

OpenFace 作為用于人臉識(shí)別的通用庫，能夠?qū)崿F(xiàn)瞬態(tài)和移動(dòng)人臉識(shí)別。

OpenFace 是神經(jīng)網(wǎng)絡(luò)人臉識(shí)別工具包，基于 Python 和Torch 實(shí)現(xiàn)，理論來自facenet。

特點(diǎn)

使用來自dlib 或 OpenCV的預(yù)訓(xùn)練模型檢測(cè)人臉 。臉轉(zhuǎn)換。這個(gè)存儲(chǔ)庫使用 dlib 的 實(shí)時(shí)姿態(tài)估計(jì) 和 OpenCV 的 仿射變換 來嘗試使眼睛和下唇出現(xiàn)在每張圖像上的相同位置。使用深度神經(jīng)網(wǎng)絡(luò)在 128 維單位超球面上表示（或嵌入）人臉。嵌入是任何人臉的通用表示。與其他人臉表示不同，這種嵌入具有很好的特性，即兩個(gè)人臉嵌入之間的較大距離意味著這些人臉可能不是同一個(gè)人。與其他特征之間的歐幾里德距離沒有意義的人臉識(shí)別技術(shù)相比，此屬性使聚類、相似性檢測(cè)和分類任務(wù)更容易。如下圖：

face_recognitionGithub：https://github.com/ageitgey/face_recognition

face_recognition 是一個(gè)強(qiáng)大、簡(jiǎn)單、易上手的人臉識(shí)別開源項(xiàng)目，并且配備了完整的開發(fā)文檔和應(yīng)用案例，特別是兼容樹莓派系統(tǒng)。本項(xiàng)目是世界上最簡(jiǎn)潔的人臉識(shí)別庫，你可以使用 Python 和命令行工具提取、識(shí)別、操作人臉。本項(xiàng)目的人臉識(shí)別是基于業(yè)內(nèi)領(lǐng)先的 C++ 開源庫 dlib 中的深度學(xué)習(xí)模型，用 Labeled Faces in the Wild 人臉數(shù)據(jù)集進(jìn)行測(cè)試，有高達(dá) 99.38% 的準(zhǔn)確率。但對(duì)小孩和亞洲人臉的識(shí)別準(zhǔn)確率尚待提升。

如下圖：

insightface官方網(wǎng)址：https://insightface.ai/

Github：https://github.com/deepinsight/insightface

最近人臉識(shí)別等機(jī)器學(xué)習(xí)的項(xiàng)目很火，偶然間發(fā)現(xiàn)了一個(gè)開源的人臉識(shí)別的開源項(xiàng)目insightface。

人臉識(shí)別技術(shù)可以準(zhǔn)確識(shí)別出圖像中的人臉和身份，具有豐富的應(yīng)用場(chǎng)景，譬如金融場(chǎng)景下的刷臉支付、安防場(chǎng)景下的罪犯識(shí)別和醫(yī)學(xué)場(chǎng)景下的新冠流行病學(xué)調(diào)查等等。人臉識(shí)別的算法演變經(jīng)歷了以 PCA 為代表的早期階段，再到以“人工特征+分類器”為主的統(tǒng)計(jì)學(xué)習(xí)方法階段，近幾年，隨著大數(shù)據(jù)及 GPU 算力的爆發(fā)，人臉識(shí)別進(jìn)入到深度學(xué)習(xí)算法為絕對(duì)主角的階段。

InsightFace 是基于 MXNet 框架實(shí)現(xiàn)的業(yè)界主流人臉識(shí)別解決方案。相較MXNet的實(shí)現(xiàn)方案，基于OneFlow的實(shí)現(xiàn)方案在性能方面更是十分優(yōu)秀，OneFlow在數(shù)據(jù)并行時(shí)速度是其2.82倍；模型并行時(shí)速度是其2.45倍；混合并行+Partial fc時(shí)速度是其1.38倍。基于OneFlow實(shí)現(xiàn)的代碼已合并至 insightface的官方倉庫，其中包含了數(shù)據(jù)集制作教程、訓(xùn)練和驗(yàn)證腳本、預(yù)訓(xùn)練模型以及和MXNet模型的轉(zhuǎn)換工具。

如下圖：

facenetGithub：https://github.com/davidsandberg/facenet

facenet是谷歌于[CVPR2015.02](FaceNet: A Unified Embedding for Face Recognition and Clustering)發(fā)表，提出了一個(gè)對(duì)識(shí)別（這是誰？）、驗(yàn)證（這是用一個(gè)人嗎？）、聚類（在這些面孔中找到同一個(gè)人）等問題的統(tǒng)一解決框架，即它們都可以放到特征空間里統(tǒng)一處理，只需要專注于解決的僅僅是如何將人臉更好的映射到特征空間。

其本質(zhì)是通過卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)人臉圖像到128維歐幾里得空間的映射，該映射將人臉圖像映射為128維的特征向量，聯(lián)想到二維空間的相關(guān)系數(shù)的定義，使用特征向量之間的距離的倒數(shù)來表征人臉圖像之間的"相關(guān)系數(shù)"（為了方便理解，后文稱之為相似度），對(duì)于相同個(gè)體的不同圖片，其特征向量之間的距離較小（即相似度較大），對(duì)于不同個(gè)體的圖像，其特征向量之間的距離較大（即相似度較小）。最后基于特征向量之間的相似度來解決人臉圖像的識(shí)別、驗(yàn)證和聚類等問題，

FaceNet算法的流程如下圖所示：

總體流程

將圖像通過深度卷積神經(jīng)網(wǎng)絡(luò)映射到128維的特征空間（歐幾里得空間）中，得到對(duì)應(yīng)的128維特征向量；對(duì)特征向量進(jìn)行L2正則化，篩選出有效特征；使用正則化后的特征向量，計(jì)算Triplets Loss；如下圖：

deepfaceGithub：https://github.com/serengil/deepface

deepface是python的輕量級(jí)面部識(shí)別和面部屬性分析（年齡，性別，情感和種族）框架。您只需幾行代碼就可以應(yīng)用面部分析。它彌合了軟件工程和機(jī)器學(xué)習(xí)研究之間的鴻溝，非常適合想開車但不會(huì)造車的你。

deepface主要提供以下人臉識(shí)別算法，具體對(duì)應(yīng)接口為：

DeepFace.verify：人臉驗(yàn)證DeepFace.find：人臉識(shí)別DeepFace.analyze：人臉屬性分析DeepFace.detectFace：人臉檢測(cè)DeepFace.represent：人臉特征提取DeepFace.stream：人臉實(shí)時(shí)分析總體而言，這個(gè)項(xiàng)目的人臉識(shí)別模型識(shí)別效果還行，但是離工程應(yīng)用還是有一定的距離，不過還是非常推薦學(xué)習(xí)該庫內(nèi)部代碼。

如下圖：

CompreFace官方網(wǎng)址：https://exadel.com/solutions/compreface/

Github：https://github.com/exadel-inc/CompreFace

Exadel CompreFace是一個(gè)免費(fèi)的open-source人臉識(shí)別GitHub項(xiàng)目。本質(zhì)上，它是一個(gè)docker-based應(yīng)用程序，可以用作獨(dú)立服務(wù)器或部署在云中。您不需要事先掌握機(jī)器學(xué)習(xí)技能來設(shè)置和使用CompreFace。

該系統(tǒng)為人臉識(shí)別、人臉驗(yàn)證、人臉檢測(cè)、里程碑檢測(cè)、年齡和性別識(shí)別提供REST API。該解決方案還具有一個(gè)角色管理系統(tǒng)，允許您輕松控制誰可以訪問您的人臉識(shí)別服務(wù)。

壓縮以docker-compose配置的形式提供，支持在CPU和GPU上工作的不同模型。我們的解決方案基于state-of-the-art方法和庫，如FaceNet和InsightFace。

CompreFace是一款十分具有前景的人臉識(shí)別產(chǎn)品，無需預(yù)裝機(jī)器學(xué)習(xí)技能就能夠輕松集成到任一系統(tǒng)中。它可以用于跟蹤員工的生產(chǎn)力，控制對(duì)敏感數(shù)據(jù)和安全環(huán)境的訪問權(quán)限，以及快速識(shí)別來訪者以提供一流的客戶服務(wù)。CompreFace被列入最佳人臉識(shí)別軟件產(chǎn)品榜單的原因如下：

它開放源代碼且完全免費(fèi)無需成為機(jī)器語言專家即可安裝和使用服務(wù)CompreFace使用了最流行的高精度人臉識(shí)別模式之一此產(chǎn)品的特點(diǎn)在于具備訪問權(quán)限控制功能的用戶界面面板只需一個(gè)docker的指令即可快速啟動(dòng)如下圖：