这个SDK设计为完全本地运行（On-Premise），所有数据处理都在你自己的设备上完成，以确保隐私安全。

下面是针对其核心 Python SDK 的部署步骤，适用于Windows和Linux系统。

1. 环境准备

部署的核心是创建一个干净且独立的Python环境，推荐使用Anaconda进行管理。

  • 下载并安装Anaconda：访问 Anaconda官网 下载并安装，它是管理Python环境和依赖包的推荐工具。

  • 创建并激活Conda环境：打开终端或命令行，执行以下命令，创建一个名为 facesdk 的环境并指定Python版本为3.9：

    1
    2
    conda create -n facesdk python=3.9
    conda activate facesdk

    请确保Python版本为3.9或更高，这是SDK运行的基础。

2. 获取代码并安装依赖

  • 克隆或下载仓库：将你提供的GitHub仓库克隆到本地，或直接下载ZIP压缩包并解压。

  • 安装核心依赖：进入项目根目录（即包含 requirements.txt 文件的文件夹），运行以下命令来安装所有必需的Python库：

    1
    pip install -r requirements.txt

3. 测试安装 (可选)

在开始编写代码前，可以先运行一个简单的测试脚本来验证安装是否成功：

1
python run.py

这个脚本会执行一个基础的示例，如果环境配置正确，它应该能正常运行而不会报错。

4. 编写你的第一个识别程序

安装完成后，你可以按照以下步骤，在你的Python代码中调用SDK。

第一步：导入SDK并初始化
在你的Python文件开头，导入 FaceRecognition 类并创建其实例。

1
2
3
4
from face_recognition_sdk import FaceRecognition

# 初始化SDK
face_sdk = FaceRecognition()

第二步：提取人脸特征
使用 GetImageInfo 方法处理一张包含人脸的图片，它将返回检测到的人脸信息，其中最重要的就是用于比较的 embedding（特征向量）。

1
2
3
4
5
6
7
8
9
# 获取图像中的人脸信息
image_path = "path/to/your/image.jpg"
# faceMaxCount参数可控制最多检测的人脸数量
faces_info = face_sdk.GetImageInfo(image_path, faceMaxCount=1)

if faces_info:
    # 提取第一张人脸的特征向量
    feature1 = faces_info[0]['embedding']
    print("人脸特征提取成功！")

第三步：比较两张人脸
要判断两张照片是否为同一个人，可以分别提取它们的特征向量，然后使用 get_similarity 方法计算相似度。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 假设你有两张图片 person1.jpg 和 person2.jpg
faces1 = face_sdk.GetImageInfo("person1.jpg", faceMaxCount=1)
faces2 = face_sdk.GetImageInfo("person2.jpg", faceMaxCount=1)

if faces1 and faces2:
    feature1 = faces1[0]['embedding']
    feature2 = faces2[0]['embedding']

    # 计算相似度，返回值范围是0-100
    similarity = face_sdk.get_similarity(feature1, feature2)
    print(f"两张人脸的相似度为: {similarity}%")

    # 根据阈值（默认75）判断是否为同一人
    is_same_person = similarity >= 75
    print(f"是否为同一人: {is_same_person}")

5. 其他部署场景与注意事项

除了这个Python版本，Faceplugin还提供了面向其他平台的SDK，部署方式略有不同，你可以根据需求参考：

  • Web前端 (JavaScript/React)：通过npm安装，例如 npm install faceplugin，并需要在项目中复制预训练的权重文件。
  • 移动端 (Android)：需要将 libfacesdk 文件夹复制到项目根目录，并在 settings.gradle 和 build.gradle 文件中添加相应的依赖配置。
  • 核心文件路径：在Linux环境下部署时，你或许需要手动修改 face_util/faceutil.py 文件，确保它正确加载了 libFaceUtil.so 文件。

如果你需要部署到其他平台（如Web、Android、iOS），或者想了解活体检测、人脸属性分析等高级功能，随时可以告诉我，我会继续为你提供更详细的指导。