本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于Facenet与Retinaface双网络架构实现的人脸检测与识别系统智能人脸识别Web系统基于Facenet与Retinaface双网络架构实现在PyTorch中的端到端人脸检测与身份识别。用户通过浏览器上传图片即可完成人脸定位、关键点标注、特征编码比对与身份匹配同时支持在线动态维护人脸库。登录网址 本地部署后访问 http://127.0.0.1:5000 或局域网地址 http://192.168.0.196:5000 无需账号密码直接进入主界面二、项目功能图片上传识别支持点击选择或拖拽上传图片JPG/PNG/WEBP≤16MB一键进行人脸检测与识别结果以弹框形式呈现包含原图与检测结果对比图、检测到人脸列表姓名、置信度、特征距离、框坐标可下载标注结果图。示例图片加载一键随机内置张学友或Obama示例图片便于快速验证。FPS性能统计记录累计识别次数、人脸库人数与平均识别耗时。人脸库动态管理点击添加人脸按钮弹出表单填写姓名并上传人脸照后自动保存至face_dataset目录并重新编码特征库实时刷新识别模型无需重启鼠标悬停人脸头像可删除指定人员全量样例并重建特征。多人脸与未知身份识别同一张图支持多人同时检测超出阈值匹配范围的人脸标注为Unknown。三、运行环境运行环境 Windows 操作系统Python 3.13PyTorch 2.x CPU版本Chrome/Edge等现代浏览器访问Web界面建议内存4GB以上首次推理因模型加载耗时较短CPU单图识别约0.25秒FPS约4。四、项目技术后端采用Python Flask框架承载HTTP服务与API路由人脸检测主干为基于MobileNet0.25的Retinaface网络完成候选框生成、解码、非极大值抑制及5个人脸关键点定位人脸识别主干为MobileNet版Facenet网络将矫正后人脸映射为128维特征向量通过欧氏距离与已知人脸库比对阈值0.9完成身份判定前端使用原生HTML/CSS/JavaScript实现深色渐变风格UI响应式布局、动画弹框、拖拽上传、Toast提示与动态渲染通过numpy存储/加载编码后的人脸特征npy文件与姓名列表实现模型热刷新。以上系统源码经过技术整理与调试确保能正常运行五、项目截图
本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于Facenet与Retinaface双网络架构实现的人脸检测与识别系统智能人脸识别Web系统基于Facenet与Retinaface双网络架构实现在PyTorch中的端到端人脸检测与身份识别。用户通过浏览器上传图片即可完成人脸定位、关键点标注、特征编码比对与身份匹配同时支持在线动态维护人脸库。登录网址 本地部署后访问 http://127.0.0.1:5000 或局域网地址 http://192.168.0.196:5000 无需账号密码直接进入主界面二、项目功能图片上传识别支持点击选择或拖拽上传图片JPG/PNG/WEBP≤16MB一键进行人脸检测与识别结果以弹框形式呈现包含原图与检测结果对比图、检测到人脸列表姓名、置信度、特征距离、框坐标可下载标注结果图。示例图片加载一键随机内置张学友或Obama示例图片便于快速验证。FPS性能统计记录累计识别次数、人脸库人数与平均识别耗时。人脸库动态管理点击添加人脸按钮弹出表单填写姓名并上传人脸照后自动保存至face_dataset目录并重新编码特征库实时刷新识别模型无需重启鼠标悬停人脸头像可删除指定人员全量样例并重建特征。多人脸与未知身份识别同一张图支持多人同时检测超出阈值匹配范围的人脸标注为Unknown。三、运行环境运行环境 Windows 操作系统Python 3.13PyTorch 2.x CPU版本Chrome/Edge等现代浏览器访问Web界面建议内存4GB以上首次推理因模型加载耗时较短CPU单图识别约0.25秒FPS约4。四、项目技术后端采用Python Flask框架承载HTTP服务与API路由人脸检测主干为基于MobileNet0.25的Retinaface网络完成候选框生成、解码、非极大值抑制及5个人脸关键点定位人脸识别主干为MobileNet版Facenet网络将矫正后人脸映射为128维特征向量通过欧氏距离与已知人脸库比对阈值0.9完成身份判定前端使用原生HTML/CSS/JavaScript实现深色渐变风格UI响应式布局、动画弹框、拖拽上传、Toast提示与动态渲染通过numpy存储/加载编码后的人脸特征npy文件与姓名列表实现模型热刷新。以上系统源码经过技术整理与调试确保能正常运行五、项目截图
