Lao document version | English document version

face_recon

face_recon ຄື restful api ທີ່ implement face recognition system ພັດທະນາໂດຍໃຊ້ Python ແລະ Flask http framework ສາມາດເຊື່ອຕໍ່ Ip camera ທີ່ suport protocol rtsp

Note: ຍັງຢູ່ໃນຊ່ວງພັດທະນາ ອາດມີຂໍ້ຜິດພາດຫຼາຍຈຸດ

Concept

face_recon ເປັນ restful api ທີ່ມີການຈັດການຂໍ້ມູນທີ່ຈະນຳໄປໃຊ້ໃນການລະບຸຕົວຕົນຈາກໃບໜ້າ. ເຊັ່ນ ຮູບພາບທີ່ມີໃບໜ້າເປັນຕົ້ນ. face_recon ຈະໃຊ້ຫຼັກການ face verification ເພື່ອລະບຸຕົວຕົນ ໝາຍເຖິງການເອົາຮູບໃບໜ້າທີ່ມີຢູ່ໃນຖານຂໍ້ມຸນແລ້ວມາປຽບທຽບກັບຮູບໃບໜ້າທີ່ເຮົາຕ້ອງການກວດສອບ ໂດຍການປຽບທຽບນັ້ນຈະໃຊ້ວິທີຫາໄລຍະຫ່າງລະຫວ່າງ face embedding vector ຖ້າຫາກໄລຍະຫ່າງມີຄ່ານ້ອຍຊຳໃດກໍ່ສະແດງວ່າໃບໜ້ານັ້ນມີຄວາມຄືກັນຫຼາຍຊຳນັ້ນ

Deshboard

face_recon ມີ Web UI ໃຫ້ໃຊ້ງານງ່າຍໆ ສາມາດຕິດຕັ້ງ ແລະ ໃຊ້ງານໄດ້ທີ່ facerecon_dashboard

Installation

requirements

ກ່ອນທີ່ຈະ run project ຕ້ອງໄດ້ຕິດຕັ້ງ environment ແລະ library ລຸ່ມນີ້ເສຍກ່ອນ

• python3
• tensorflow v2 install tensorflow
• dlib How to install dlib from source on macOS or Ubuntu
• face_recognition face recognition library how to install face_recognition
• mtcnn deep learning face detection install mtcnn
• opencv for python install opencv for python

ການຕິດຕັ້ງແມ່ນໃຊ້ pip3 ຫຼັງຈາກນັ້ນ clone project ແລະ ເຂົ້າໄປທີ່ rootຂອງ project ແລ້ວໃຊ້ຄຳສັ່ງ

$ pip3 install -r requirements.txt

Usage

start web server ໂດຍໃຊ້ຄຳສັ່ງ

$ python3 app.py

ສາມາດເຂົ້າໃຊ້ງານ API ຈາກ URL http://localhost:8080/api/v1

API router face_recon api router in json formate

Test with webcame

ສຳລັບຄົນທີ່ບໍ່ມີ IP camera ຕ້ອງການທົດສອບຜ່ານ webcame ສາມາດເຮັດໄດ້ໂດຍໄປແກ້ໄຂ file core/IpcameraStream.py ໂດຍປ່ຽນຈາກ url ເປັນ number ຫຼື io path ຂອງ camera ນັ້ນ ຕົວຢ່າງເຊັ່ນ ຕ້ອງການໃຊ້ built-in camera ຂອງ notebook ສາມາດລະບຸເປັນເລກ 0 ຫຼື /dev/video0 ສຳລັບ linux/macos

class IpcameraStream:
    def __init__(self, uri):
        self.stream = cv2.VideoCapture(0) # ແກ້ໄຂທີ່ນີ້
        self.stream.set(cv2.CAP_PROP_FRAME_WIDTH, 640)
        self.stream.set(cv2.CAP_PROP_FRAME_HEIGHT, 480)
        self.stream.set(cv2.CAP_PROP_BUFFERSIZE, 3)
        ....

TODO

• change face reognition model to VGGFACE2
• optimize stream camera
• create production setup
• create Docker setup
• add english readme
• write test
• add support usb camera
• support store and calurate distance face embedding in database