ArcFace 人脸识别

ArcFace人脸识别算法的实现。它包括一个基于ResNet50的预训练模型。

该代码基于peteryuX 的实现。该模型没有使用完整的 Tensorflow 进行推理，而是转换为 Tensorflow lite 模型，使用tf.lite.TFLiteConverter该模型将推理速度提高了约 2.27 倍。

安装

您可以通过 pip 安装该软件包：

pip install arcface

快速开始

以下示例说明了此包的易用性：

>>> from arcface import ArcFace
>>> face_rec = ArcFace.ArcFace()
>>> emb1 = face_rec.calc_emb("~/Downloads/test.jpg")
>>> print(emb1)
array([-1.70827676e-02, -2.69084200e-02, -5.85994311e-02,  3.33652040e-03,
        9.58345132e-04,  1.21807214e-02, -6.81217164e-02, -1.33364811e-03,
       -2.12905575e-02,  1.67165045e-02,  3.52908894e-02, -5.26051633e-02,
	   ...
       -2.11241804e-02,  2.22553015e-02, -5.71946353e-02, -2.33468022e-02],
      dtype=float32)
>>> emb2 = face_rec.calc_emb("~/Downloads/test2.jpg")
>>> face_rec.get_distance_embeddings(emb1, emb2)
0.78542

您可以为calc_emb函数提供单个图像或图像数组。此外，您可以将图像作为（绝对或相对）路径或 cv2-image 提供。为了更清楚，听听四种可能性：

1. 单个图像的（绝对或相对）路径：face_rec.calc_emb("test.jpg")
2. 图像数组：face_rec.calc_emb(["test1.jpg", "test2.png"])
3. 单个 cv2 图像：face_rec.calc_emb(cv2.imread("test.png"))
4. cv2 图像数组：face_rec.calc_emb([cv2.imread("test1.jpg"), cv2.imread("test2.png")])

人脸识别工具将 512 维嵌入的（数组）作为 numpy 数组返回。

注意！这个包既不执行人脸检测也不执行人脸对齐！它假定图像已经过预处理！

基准

* 在 CPU 上执行：Intel i7-10510U

执照

根据 EUPL 1.2 版获得许可，或者——一旦获得欧盟委员会的批准——EUPL 的后续版本（“许可”）。除非遵守许可，否则您不得使用本作品。

许可证：欧盟公共许可证 v1.2