免费开源人脸识别系统 —— CompreFace
本文最后更新于 2025-03-11，文章超过7天没更新，应该是已完结了~
CompreFace 是一个强大的开源人脸识别系统，提供了灵活的 API 接口和多种人脸识别功能。你可以在 GitHub 上找到项目源码：
GitHub 地址：https://github.com/exadel-inc/CompreFace
在 Linux 环境下部署
1. 安装必要环境
确保已安装 Docker 和 Docker Compose。
2. 下载 CompreFace
3. 解压存档
解压下载的文件，进入解压后的文件夹。
4. 启动服务
在文件夹中打开终端，运行以下命令启动服务：
docker-compose up -d5. 访问服务
打开浏览器，访问以下地址进入管理界面：
http://localhost:8000/login
在 Windows 环境下部署
部署流程与 Linux 基本相同，唯一的区别是需要通过 cmd 进入解压后的文件夹，然后运行以下命令启动服务：
docker-compose up -d配置人脸识别功能
1. 创建应用
进入管理界面后，点击 “创建应用”，填写应用名称完成创建。
2. 创建功能
进入应用后，点击 “创建功能”，可以选择以下功能之一：
人脸检测（Detection）
人脸识别（Recognition）
人脸验证（Verification）
这里我们选择 人脸识别（Recognition） 功能。
3. 配置人员库
（1）添加主题
填写主题名称，创建一个人员分类。
（2）上传人脸照片
点击虚线框区域，选择包含人脸照片的文件夹上传。
支持批量上传图片。
可通过 bulk select 批量删除已上传图片。
4. 测试功能
点击左侧菜单的 “Test”，上传一张测试图片。
系统会自动识别照片中的人脸，给出所属分类及相似度结果。
此外，CompreFace 还可以识别性别和年龄信息。
应用场景
CompreFace 的人脸识别功能可以应用于多个场景，例如：
判断某人是否属于特定组织。
验证某人是否为指定身份。
如何调用摄像头结合接口？
调用流程
通过 Python 结合 OpenCV 和 CompreFace 的 API，可以实现实时摄像头人脸识别。具体步骤如下：
安装依赖：
pip install opencv-python requests使用代码进行调用：
捕获摄像头每一帧画面并截图。
使用
requests模块将截图发送到 CompreFace 的 API 接口进行识别。
以下是示例代码：
import cv2
import requests
# CompreFace API的URL和认证信息
COMPREFACE_API_URL = "http://192.168.1.59:8000/api/v1/recognition/recognize?face_plugins=landmarks,gender,age,pose"
API_KEY = "5d8abd38-fbe8-46a8-b158-xxxxxxxxxx"
# 启动摄像头捕获
cap = cv2.VideoCapture(0) # 0代表笔记本的内建摄像头
if not cap.isOpened():
print("无法打开摄像头")
exit()
while True:
# 捕获视频流中的一帧图像
ret, frame = cap.read()
if not ret:
print("无法从摄像头获取图像")
break
# 显示当前捕获的图像
cv2.imshow('Video Stream', frame)
# 将图像保存为临时文件
image_path = 'temp_image.jpg'
cv2.imwrite(image_path, frame)
# 准备上传文件
with open(image_path, 'rb') as img_file:
files = {'file': img_file}
headers = {'x-api-key': API_KEY}
# 发送POST请求到CompreFace API进行人脸识别
response = requests.post(COMPREFACE_API_URL, headers=headers, files=files)
if response.status_code == 200:
result = response.json()
print("识别到人脸:", result)
else:
print(f"请求失败，状态码: {response.status_code}")
print("错误信息:", response.text)
# 按 'q' 键退出监控
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放摄像头并关闭所有OpenCV窗口
cap.release()
cv2.destroyAllWindows()
效果如下：
