当前位置：首页 > news >正文

本地部署 GitHub 上的 Python 人脸识别项目

news 来源：原创 2025/5/23 14:47:31

要在本地部署 GitHub 上的 Python 人脸识别项目，一般可以按照以下步骤进行操作（不同项目可能会有一些细节差异）：

克隆项目代码：
首先，在本地打开命令行终端（如 Windows 的命令提示符或 Linux 的终端），进入你想要存放项目代码的目录，然后使用 git clone 命令克隆项目仓库。例如：
```
git clone <项目的 GitHub 仓库地址>
```
比如某个项目仓库地址是 https://github.com/yourusername/face_recognition_project.git，则运行：
```
git clone https://github.com/yourusername/face_recognition_project.git
```
创建并激活虚拟环境（可选但推荐）：
为了避免项目依赖之间的冲突，建议创建一个虚拟环境。
- 在 Windows 上：
```
python -m venv myenv
myenv\Scripts\activate
```
- 在 Linux 或 macOS 上：
```
python3 -m venv myenv
source myenv/bin/activate
```
安装项目依赖：
进入克隆下来的项目目录，查看项目的 requirements.txt 文件（如果有），里面列出了项目运行所需的依赖包。使用 pip 安装这些依赖：
```
pip install -r requirements.txt
```
如果没有 requirements.txt 文件，你可能需要查看项目的 README 文件，按照其中的说明手动安装所需的库，常见的人脸识别相关库有 face_recognition、opencv-python 等。
配置项目（如果需要）：
有些项目可能需要配置一些参数，比如 API 密钥、数据路径等。查看项目的 README 文件或相关文档，按照要求进行配置。例如，可能需要在项目目录下创建一个配置文件，设置一些环境变量等。
运行项目：
一般来说，项目的 README 文件会说明如何运行项目。常见的运行命令可能是 python main.py 或其他指定的 Python 脚本文件名。在命令行中进入项目目录，运行相应的命令启动项目。

以下是一个简单的示例代码，假设项目的主文件是 main.py，并且使用 face_recognition 库进行人脸识别：

import face_recognition
import cv2

# 加载已知人物的图像
obama_image = face_recognition.load_image_file("obama.jpg")
obama_face_encoding = face_recognition.face_encodings(obama_image)[0]

# 已知人物的名字
known_face_encodings = [
    obama_face_encoding
]
known_face_names = [
    "Barack Obama"
]

# 初始化一些变量
face_locations = []
face_encodings = []
face_names = []
process_this_frame = True

# 打开摄像头
video_capture = cv2.VideoCapture(0)

while True:
    # 读取一帧视频
    ret, frame = video_capture.read()

    # 调整视频帧的大小，加快人脸识别速度
    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)

    # 将图像从 BGR 颜色转换为 RGB 颜色（face_recognition 使用 RGB 颜色）
    rgb_small_frame = small_frame[:, :, ::-1]

    # 仅处理每隔一帧的图像以节省时间
    if process_this_frame:
        # 找到当前帧中所有的人脸和人脸编码
        face_locations = face_recognition.face_locations(rgb_small_frame)
        face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)

        face_names = []
        for face_encoding in face_encodings:
            # 查看人脸是否与已知的人脸匹配
            matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
            name = "Unknown"

            # 如果有匹配的人脸，使用第一个匹配的名字
            if True in matches:
                first_match_index = matches.index(True)
                name = known_face_names[first_match_index]

            face_names.append(name)

    process_this_frame = not process_this_frame

    # 显示结果
    for (top, right, bottom, left), name in zip(face_locations, face_names):
        # 由于我们检测的是缩小后的图像，所以需要将坐标放大回来
        top *= 4
        right *= 4
        bottom *= 4
        left *= 4

        # 绘制一个矩形框在人脸周围
        cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)

        # 在人脸下方绘制一个标签，显示名字
        cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
        font = cv2.FONT_HERSHEY_DUPLEX
        cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)

    # 显示结果图像
    cv2.imshow('Video', frame)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放摄像头并关闭所有窗口
video_capture.release()
cv2.destroyAllWindows()