一个面向学术研究与算法实验的人脸识别框架，支持 YOLO 系列目标检测器、OpenCV 图像处理模块与 ONNX 跨平台模型部署。框架采用模块化设计，便于快速集成与对比各类特征提取与识别算法，适合用于学术论文复现、人脸识别算法测试与可视化分析。
VisageX 人脸识别系统实际运行效果图
点击展开支持的检测算法
| 算法 | 特点 | 适用场景 |
|---|---|---|
| MTCNN | 高精度 | 通用场景 |
| RetinaFace | 快速准确 | 实时检测 |
| OpenCV | 轻量级 | 简单场景 |
| SSD | 高性能 | 大规模处理 |
| DLIB | 稳定可靠 | 精确检测 |
| MediaPipe | 实时性强 | 视频流处理 |
| YOLOv8 | 最新技术 | 复杂场景 |
| CenterFace | 平衡型 | 移动端 |
点击展开支持的识别模型
| 模型 | 精度 | 特点 |
|---|---|---|
| SFace | ⭐⭐⭐⭐⭐ | 最新技术 |
| Facenet | ⭐⭐⭐⭐ | 经典可靠 |
| ArcFace | ⭐⭐⭐⭐⭐ | 高精度 |
| VGG-Face | ⭐⭐⭐ | 稳定 |
| Facenet512 | ⭐⭐⭐⭐ | 高维特征 |
| OpenFace | ⭐⭐⭐ | 开源友好 |
| DeepFace | ⭐⭐⭐⭐ | 深度学习 |
| DeepID | ⭐⭐⭐ | 经典架构 |
| Dlib | ⭐⭐⭐ | 传统稳定 |
| GhostFaceNet | ⭐⭐⭐⭐⭐ | 轻量高效 |
-
🖥️ 直观界面
- 简洁现代的GUI设计
- 实时可视化反馈
- 操作流程优化
- 人性化交互体验
-
🚀 高性能
- 快速响应
- 并行处理
- 内存优化
- 高效算法
-
🛡️ 可靠性
- 稳定运行
- 错误处理
- 异常恢复
- 数据备份
Python 3.xdeepface # 核心识别框架
tkinter # GUI界面
PIL # 图像处理
numpy # 数值计算
opencv-python # 计算机视觉VisageX/
├── 📜 CommonFunctions.py # 通用函数库
├── 🎯 face.py # 主程序
├── 📝 FaceDataBaseDialog.py # 人脸录入对话框
├── 🔍 FaceFindialog.py # 人脸查找对话框
├── 📊 faceDB/ # 人脸数据库目录
├── 📸 InputImages/ # 输入图像目录
├── 🧠 models/ # 模型文件目录
└── ⚙️ installDepends/ # 依赖安装脚本
1️⃣ 克隆项目
git clone https://github.com/yourusername/VisageX.git2️⃣ 安装依赖
cd installDepends
./install.cmd # Windowspython face.py展开详细步骤
- 点击 "人脸录入" 按钮
- 选择需要录入的图像文件
- 选择人脸检测算法
- 系统自动检测人脸并显示
- 输入姓名后点击 "入库" 保存
💡 提示：建议使用清晰的正面照片，光线充足
展开详细步骤
- 点击 "人脸识别" 按钮
- 选择需要识别的图像文件
- 选择人脸检测算法和匹配模型
- 系统自动进行人脸匹配
- 查看识别结果和相似度
💡 提示：首次使用会自动下载模型文件
- 📸 使用清晰的单人正面照
- 🔍 推荐使用MTCNN检测算法
- 📄 支持jpg和jpeg格式
- ⚙️ 首次使用需下载模型
| 成员 | 职责 | 学术机构 |
|---|---|---|
| rufatkiu | 核心开发 | 中国矿业大学（北京） |
| clingy | 系统架构设计 | 中国矿业大学（北京） |
| 天官将星 | 算法优化 | 昆明理工大学 |
| WXOOXXM | 前端界面设计 | 河海大学 |
| Qorle | 数据管理与分析 | 云南农业大学 |
| Destined | 部署与测试 | 西南林业大学 |
常见问题解决方案
- ✓ 检查Python版本
- ✓ 确认依赖完整性
- ✓ 查看安装日志
- ✓ 验证图像格式
- ✓ 确认模型下载
- ✓ 检查内存占用
- ✓ 确保光线充足
- ✓ 使用正面照片
- ✓ 调整算法参数
本项目仅供学习和研究使用。
VisageX - 让人脸识别变得简单而强大