Skip to content

Latest commit

 

History

History
128 lines (92 loc) · 3.46 KB

README.md

File metadata and controls

128 lines (92 loc) · 3.46 KB
Raw

Gesichtserkennung Demo

Quick Start

In diesem Abschnitt finden Sie alle nötigen Informationen zum schnellen Deployen der Applikation.

Anforderungen

  • Python 3.x
  • pip (für Python 3)

Deployment

Bei einem Deployment unter Windows müssen die Visual Studio Build Tools für C/C++ installiert sein, um CMake und Dlib installieren zu können.

ohne CUDA

pip install -r requirements.txt
python run.py

mit CUDA

original stackOverflow Antwort: 
https://stackoverflow.com/questions/49731346/compile-dlib-with-cuda/57592670#57592670

Install Intel Performance Library: https://software.seek.intel.com/performance-libraries
Install cuDNN: https://developer.nvidia.com/cudnn

pip install cmake
git clone https://github.com/davisking/dlib.git
cd dlib
git submodule init
git submodule update
mkdir build
cd build
cmake  -D DLIB_USE_CUDA=1 -D USE_AVX_INSTRUCTIONS=1 ../
cmake --build . --config Release
cd ../
python setup.py install
cd ../

pip install -r requirements.txt
python run.py

Konfiguration

Die Konfigurationsdatei finden Sie im Ordner "application".
In ./application/config.py können Sie die relevanten Parameter konfigurieren.

# Database config
databaseFile    = "./test.sqlite"
echoDatabase    = False

# Web Server config
debug           = True
port            = '5001'

# Face recognition config
model           = "hog" # hog or cnn
tolerance       = 0.6
useCUDA         = True 
videoSource     = "http://192.168.178.56:8080/video" 
scaleInput      = 0.5

Video Source kann eine Videodatei, ein live stream oder eine Webcam sein:
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_gui/py_video_display/py_video_display.html#goal

Nach dem erfolgreichen Deployment sollte es wie folgt aussehen:

./images/1.png

Komponenten

Die Applikation nutzt Client seitiges rendern mit JS Templateing.
Serverseitig wird nur die Grundlegende Struktur, das Gerüst sozusagen gerendert.

Das Backend besteht aus 3 Komponenten:

  • Kamera
  • Server
  • Datenbank

Komponentendiagramm:

API

Die API ist RESTful, besitzt 2 Endpoints mit dem Präfix /api/v1.

Struktur:

/person/id?useFace
    POST:
        legt neues Person Objekt an
    GET:
        Parameter:
            id: URL Parameter, id des gesuchten Objektes, optional
            useFace: Query Parameter, letztes gespeicherte Bild wird zum identifizieren genutzt , optional

                Get: wenn nur id gesetzt ist
                Verifizierung: wenn id und useFace gesetzt sind 
                Identifizierung: wenn useFace gesetzt ist 

    PUT:
        disabled
    DELETE:
        Löscht Objekt per ID

/camera/type
    POST:
        speichert den aktuellen Frame
    GET:
        type - still (default): gibt letzten gespeicherten Frame
        type - stream: gibt einen mjpeg Video Stream aus, welcher als Bild eingebettet werden kann
        type - processed: mjpeg Video Stream mit umrandeten Gesichtern und eingezeichneten Namen
    PUT:
        disabled
    DELETE:
        disabled

Datenstruktur

Für den Datenbankzugriff wird der ORM SQLAlchemy genutzt.
Es existieren Personen und Fingerabdrücke mit einer 1:N Beziehung.
Fingerabdrücke werden momentan ignoriert.

Datenbankstruktur