这是一枚草案性质的基于机器学习的智慧人脸门禁系统。为2018年Hackathon虹软任务编写。

本系统的依赖项如下所示：

• dlib
• Python 3.5 + (不支持Python2)
• Node.js (可选的)

本系统服务端程序在Linux与macOS上测试通过，但不保证在Windows系统上也能正常工作。

在保证系统要求达到的前提下，按如下步骤进行：

1. 拷贝项目源码库使用git clone
2. cd 进入项目主目录app 目录下
3. 使用pip3 install -r requirement.txt安装全部项目依赖
4. python3 app.py启动项目

项目借助dlib机器学习库与flask框架，实现出了一个高可用，开发友好的智能人脸识别系统。后端服务端使用核心人脸识别模块分析场景中的人脸信息，如：图片是否包含人脸，人脸特征点提取，人脸特征向量的提取与比对。具体见下图：

另一核心技术问题是，如何从视频流中提取人脸信息（包括视频流转化序列帧与序列帧传输分析）。本项目使用WebRTC捕捉来自目标地址的视频流（使用Web Socketws://）。浏览器端使用HTML5 Canvas API捕捉并转换视频流中的每一帧，XHR发往后端服务器，服务器分析后返回包含分析结果的JSON。

在实现人脸识别模块与视频处理模块后，就可以搭建基于AI的智慧人脸门禁系统了。门禁系统使用内存键值对数据库存储人脸信息，这保证了系统人脸识别的效率与速度。

用户信息数据库采用传统关系型数据库Mariadb存储，与内存中的人脸数据库使用UID进行关联，具备高灵活性与可扩展性。

系统还实现了一个增量式日志模块，该模块可以准确记录下用户/访客/陌生人通过门禁的具体信息，也为数据分析服务提供数据支持。

系统前端管理界面使用Bootstrap搭建，加入了很多好用的前端插件。得益于响应式的网页设计，整个客户端具备可移植性，管理人员在手机端或桌面端均可使用后台管理系统。

下图展示了，本系统可正常识别出摄像头视频流中的人脸信息，并处理。

MIT