(单核服务器,上传视频资源时请选择小于10M或小于20s的视频文件,否则会超时!!!)
通过Ubuntu作为基础镜像构建拥有opencv+golang+dlib环境,通过golang调用opencv和dlib进行人脸识别。 golang基础包 go-face + gocv-go 通过两个开源包分别处理人脸识别图片打码和视频打码。
基础构件仓库地址: https://github.com/NeeDKK/face-open-base
https://github.com/Kagami/go-face (go-face仓库)
https://github.com/Kagami/go-face-testdata (图片模型仓库)
https://gocv.io/ (gocv-go官方地址)
https://github.com/opencv/opencv/tree/master/data/haarcascades (opencv模型仓库)
sh build-tes-face.sh
cd test-face-web docker login -u xxxx -p xxxx docker build -f Dockerfile -t tes-face-web:latest . docker tag tes-face-web:latest xxxx/tes-face-web:latest docker push xxxx/tes-face-web:latest
1.优化人脸识别单图片识别的模型,提高识别率(目前脸部有遮挡或全侧脸有概率无法识别)
2.优化视频打码的运行效率,通过协程多帧视频并发处理