MT Photos非官方人脸识别API

• 仅供非商业测试
• fork自MT-Photos/mt-photos-deepface, 删除了deepface相关，添加基于deepinsight/insightface实现的人脸识别API

模型选择

insightface提供了3种模型可供选择，从上到下精度逐渐下降，可获得更快的识别速度，默认使用buffalo_l模型

可通过环境变量 RECOGNITION_MODEL来自定义特征提取模型；

models = [
    "antelopev2",
    "buffalo_l",
    "buffalo_s",
]
recognition_model = os.getenv("RECOGNITION_MODEL", "buffalo_l")

初始化时会自动下载指定模型，根据连接速度可能需要等待数分钟时间

所有模型向量长度均为默认512即可

安装方法

• 下载镜像

docker pull kqstone/mt-photos-insightface-unofficial:latest

• 创建及运行容器

docker run -i -p 8066:8066 -e API_AUTH_KEY=mt_photos_ai_extra --name mt-photos-insightface-unofficial --restart="unless-stopped" kqstone/mt-photos-insightface-unofficial:latest

打包docker镜像

可以自行编译打包镜像

docker build  . -t mt-photos-insightface-unofficial:latest

下载源码本地运行

• 安装python 3.8版本
• 在文件夹下执行pip install -r requirements.txt
• 复制.env.example生成.env文件，然后修改.env文件内的API_AUTH_KEY
• 执行 python server.py ，启动服务

看到以下日志，则说明服务已经启动成功

INFO:     Started server process [27336]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8066 (Press CTRL+C to quit)

API

/check

检测服务是否可用，及api-key是否正确

curl --location --request POST 'http://127.0.0.1:8000/check' \
--header 'api-key: api_key'

response:

{
  "result": "pass"
}

/represent

curl --location --request POST 'http://127.0.0.1:8000/represent' \
--header 'api-key: api_key' \
--form 'file=@"/path_to_file/test.jpg"'

response:

• detector_backend : "insightface",
• recognition_model : 识别模型
• result : 识别到的结果

返回数据示例

{
  "detector_backend": "insightface",
  "recognition_model": 识别模型,
  "result": [
    {
      "embedding": [ 0.5760641694068909,... 512位向量 ],
      "facial_area": {
        "x": 212,
        "y": 112,
        "w": 179,
        "h": 250,
      },
      "face_confidence": 1.0
    }
  ]
}