Python毕业设计基于Django++BaiduAPI人脸识别的在线家谱查询录入系统设计与实现+详细文档+全部资料（高分项目）

# 家·谱——智能人脸家谱系统 家·谱——智能家谱录入查询是一款基于人脸识别与图像标签的在线家谱查询录入系统，提供从人脸录入、识别到家谱构建展示的一站式服务。使用django+python+paddlehub+BaiduAPI。 支持使用paddlehub或者face_recognition两种本地库路线。 目前的功能有： - 人脸录入、人脸识别 - 社交关系展示 - 自动家谱构建与展示 - 地图标点展示 - 家族合照分析联想 示例部署DEMO：http://124.221.104.193/ github链接：[家·谱——智能人脸家谱系统](https://github.com/KirigiriSuzumiya/familytree-paddle)    ## 环境 python3.6及以上 #### windows 配置 ```python pip install django pip install xlwt pip install pypinpyin pip install pyecharts pip install paddlepaddle pip install paddlehub 安装 Graphviz ``` #### linux 配置 ``` sudo apt-get install graphviz pip install pandas pip install face_recognition pip install django pip install xlwt pip install pypinpyin pip install pyecharts pip install paddlepaddle pip install paddlehub ``` > 因为是web服务，不保证在能AIstudio上跑通，可以到github克隆后运行 ## 初始化 首先需要去百度智能开放平台申请人脸的api-key ### 1. 领取免费测试资源 前往[百度智能云-管理中心 (baidu.com)](https://console.bce.baidu.com/ai/#/ai/face/overview/resource/getFree)点击`基础服务`->`全部`免费领取人脸识别测试资源 ### 2. 创建应用 前往[百度智能云-管理中心 (baidu.com)](https://console.bce.baidu.com/ai/#/ai/face/app/create)按引导创建应用，之后在应用列表中获取`api-key`和`secret-key`  ### 3. 替换api-key和secret-key 在`cv/cv/codes/FaceExtractor.py` `cv/cv/codes/FaceRecognition.py` `cv/cv/views.py` 这三个文件的头部有 ``` # client_id 为官网获取的AK， client_secret 为官网获取的SK api_key = "你的api_key" secret_key = "你的secret_key" ``` 将他们替换成你之前申请的api-key和secret-key。大功告成！ ## 运行 ``` cd cv python manage.py runserver 0.0.0.0:80 ``` **repo中的数据库已经创建了一个超级用户：用户名 `admin` 密码 `passwd` ## 功能展示与实现 #### 1. **人员录入** 作为系统的入口，通过web服务接口实现数据平台的访问，由管理人员/访客上传需要数字化的资源并经由服务端实时处理进行初步的自动化筛选。该功能一共分为三个步骤——上传相片、录入姓名、补充信息。 - 上传相片 可以在此处上传需要录入人员的照片，可以是多人合照也可以是单人照，之后系统会找出相片中的可识别人脸并进入下一步。 - 录入姓名 格式化展示从上一步所上传图片中识别出的人脸，并为每一个人脸提供一个输入框以录入姓名，提交后人脸将会被编码成128维数组并存入服务端。之后可以在人脸列表中查询与添加更多信息。 - 补充信息 这是完成录入姓名后的一个跳转页面，能够方便的跳转到人员的详情页面以编辑和补全信息并使用地图标点与自动家谱构建等功能。 <img src="README.assets/image-20220730213624753.png" alt="image-20220730213624753" style="zoom: 25%;" /> #### 2. **人员识别** 上传一张相片，可以是单人或者多人合照。随后返回与已存储人人脸的比对结果，并提供详情跳转。 - 上传相片 可以在此处上传需要识别人员的照片，可以是多人合照也可以是单人照，之后系统会找出相片中的人脸并与已录入的人脸进行比对。 - 查看结果 返回上一步识别的结果，提供识别结果详情页的跳转与识别数据的下载（包括识别结果的可视化图层叠加相片和EXCEL表格）。 <img src="README.assets/image-20220730213656426.png" alt="image-20220730213656426" style="zoom:25%;" /> #### 3. **人员列表** 为所有已经录入的人员提供一个统一查询与编辑的入口，同时提供更多详细资料的上传与展示功能。包括人员一览、人员概述、地图标点、家谱展示、图像列表、编辑信息等功能 - 人员一览 作为人员列表功能的入口，列表展示录入人员的姓名与大头照 - 人员详情页 集中提供人员概述、地图标点、家谱展示、图像列表、编辑信息等功能 - 人员概述 展示人员的大头贴及人物简述 - 地图标点 提供地图标点的展示与详情功能 - 家谱展示 根据所填资料自动生成家谱，并提供家族成员详情页面的跳转 - 图像列表 提供所有已上传人脸的展示，也可以跳转到来源图片查看合照信息。 - 编辑信息 提供所有相关信息的编辑与展示功能，包括生卒年月，家族信息，经纬度标记，概述等。  #### 4. 其他支持功能 - 用户登录注册 - 后台数据管理 - 合照重识与分析 - …… ## 部分功能代码 ### 1. 人脸分割后处理 源代码位置`cv/cv/codes/FaceExtractor.py` 使用`Paddlehub`中`pyramidbox_lite_mobile`模型快速分割相片中的的人脸后分割出每一张人脸大头贴。之后将合照与大头贴分别存储进数据库。提供两种预测方式：`paddlehub`推理或者`baiduAPI`接口推理。 ```python from PIL import Image,ImageDraw,ImageFont import glob import os from pathlib import Path from dbmodel.models import FaceImage, People from dbmodel.models import Image as image_db import requests import paddlehub as hub import cv2 # client_id 为官网获取的AK， client_secret 为官网获取的SK api_key = "你的api_key" secret_key = "你的secret_key" face_detector = hub.Module(name="pyramidbox_lite_mobile") def face_locations(path): results = face_detector.face_detection(images=[cv2.imread(path)]) print(results) locations = [] for result in results[0]["data"]: locations.append([result["top"], result["right"], result["bottom"], result["left"]]) return locations def extractor(img_path): BASE_DIR = Path(__file__).resolve().parent.parent.parent origin = Image.open(img_path) locations = face_locations(img_path) # 保存合照人头画框 pil_image = Image.open(img_path) draw = ImageDraw.Draw(pil_image) font_size = pil_image.size[0] // 30 ft = ImageFont.truetype(os.path.join(BASE_DIR, 'cv', 'files', 'arialuni.ttf'), font_size) face_list = locations for i in range(len(face_list)): box = (face_list[i][3], face_list[i][0], face_list[i][1], face_list[i][2]) draw.rectangle(box, None, 'yellow') draw.text((box[0:2]), str(i+1), "red", ft) img_path = os.path.join(BASE_DIR, 'cv', 'model_image', os.path.split(img_path)[-1]) pil_image.save(img_path) img_path = os.path.join(BASE_DIR, 'statics', 'temp_image', os.path.split(img_path)[-1]) image = image_db(path=os.path.split(img_path)[-1], count=len(face_list)) image.save() # 保存各个人头大头贴 count = 1 for location in locations: box = (location[3], location[0], location[1], location[2]) face = origin.crop(box) save_path = img_path[0:img_path.rfind('.')]+'-'+str(count)+img_path[img_path.rfind("."):] face.save(save_path) #print(save_path+" saved!") count += 1 return count-1 def baidu_extractor(img_path): BASE_DIR = Path(__file__).resolve().parent.parent.parent url = 'http://124.221.104.193/static/'+img_path print("地址：", url) img_path = os.path.join(BASE_DIR, "upload",img_path) # 获取access_token host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credent