tae898/face-detection-recognition-cuda

人脸检测与识别（CUDA加速版）

本镜像基于InsightFace项目开发，是支持CUDA加速的人脸检测与识别服务。它采用RetinaFace模型进行人脸检测，ArcFace模型进行人脸识别，并通过轻量级Flask服务器提供REST API接口，方便集成到各类应用中。

核心功能

• CUDA加速：利用GPU资源提升检测和识别的处理速度。
• 人脸检测：输出人脸的 bounding box、检测置信度及5个面部关键点。
• 人脸识别：生成512维人脸特征向量（embedding）用于身份比对。
• REST API：通过HTTP POST接口接收图像数据，返回结构化的人脸信息结果。

使用场景

• 访问控制系统中的人脸验证环节。
• 企业考勤系统的人脸打卡功能。
• 智能监控场景中的实时人脸检测与追踪。
• 需要GPU加速的高并发人脸处理应用。

配置说明

Docker容器运行（推荐）

GPU版本运行

1. 拉取镜像并启动容器：

   bash
   docker run -it --rm -p 10002:10002 --gpus all docker.xuanyuan.run/tae898/face-detection-recognition-cuda
   

2. 手动构建镜像（可选）：
   • 确保当前目录为项目根目录。
   • 下载并解压模型文件：

     bash
     wget https://github.com/tae898/face-detection-recognition/releases/download/models/models.zip
     unzip models.zip
     

   • 执行构建命令：

     bash
     docker build -f Dockerfile-cuda -t face-detection-recognition-cuda .
     

REST API调用示例

通过POST请求发送图像数据（采用jsonpickle编码）：

python
import jsonpickle
import requests
import pickle

with open('/path/to/image', 'rb') as stream:
    frame_bytestring = stream.read()
data = {'image': frame_bytestring}
data = jsonpickle.encode(data)
response = requests.post('http://127.0.0.1:10002/', json=data)
response = jsonpickle.decode(response.text)
face_results = response['face_detection_recognition']

# 保存结果到文件
with open('/path/to/save/results', 'wb') as stream:
    pickle.dump(face_results, stream)

返回结果为字典列表，每个字典包含以下字段：

• bbox：人脸边界框（4个浮点数，格式为[x1, y1, x2, y2]）。
• det_score：检测置信度（0~1之间的浮点数）。
• landmark：5个面部关键点（5×2的浮点数数组）。
• normed_embedding：512维人脸特征向量。

故障排除

建议优先查看项目GitHub的Issues页面寻找解决方案，若未找到相关问题可提交新Issue反馈。

贡献指南

1. Fork本项目到个人仓库。
2. 创建特性分支：git checkout -b feature/YourFeature。
3. 提交代码更改：git commit -m 'Add some YourFeature'。
4. 推送分支到远程仓库：git push origin feature/YourFeature。
5. 提交Pull Request等待审核。

作者

• Taewoon Kim