基于 reComputer R2135的智能人脸识别系统

视频 (data/*.mp4)
    │
    ▼
[VideoSampler] —— 每 1 秒采 1 帧 (1280×720)
    │
    ▼
[YOLOv8n] —— 行人检测 (640×640)
    │
    ▼
[IoUTracker] —— 行人跟踪 + 节流采脸 (可关)
    │
    ▼
[SCRFD-10G] —— 人脸检测 + 5 点 landmarks
    │
    ▼
[FaceAlign 5pt] —— 仿射对齐到 112×112
    │
    ▼
[ArcFace MobileFaceNet] —— 512-d L2-norm embedding
    │
    ▼
[AlbumCluster] —— pHash 优先 / Faiss HNSW 兜底 → 分配 person_id
    │
    ▼
[AlbumStorage] —— 写文件 + 双去重 + 更新 manifest.json
    │
    ▼
[Web Browser :8080] —— 浏览/检索产物

git clone https://github.com/doublelf/person_face_sign.git
cd person_face_sign

python3 -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip

pip install -r requirements.txt

# Debian / Ubuntu (含 reComputer)
sudo apt update
sudo apt install -y ffmpeg

# 验证
ffmpeg -version | head -n 1
ffprobe -version | head -n 1

person_face_sign/
└── models/
    ├── yolov8n.hef                    # ~4.3 MB
    ├── scrfd_10g.hef                  # ~10 MB
    └── arcface_mobilefacenet.hef      # ~5 MB

sudo apt install hailort
ls /usr/local/hailo/resources/models/hailo8/
# 应当能看到:
#   arcface_mobilefacenet.hef
#   scrfd_10g.hef
#   以及若干其他官方示例模型

# 拷贝到项目本地 models/ 目录
cp /usr/local/hailo/resources/models/hailo8/scrfd_10g.hef            models/
cp /usr/local/hailo/resources/models/hailo8/arcface_mobilefacenet.hef models/
ls -lh models/

mkdir -p models

# 1. 拉取官方镜像
docker pull ghcr.io/seeed-projects/recomputer-r20-cv/yolov8:latest

# 2. 用 create 起一个不运行的容器实例（只为了拿到文件）
docker create --name yolov8-temp ghcr.io/seeed-projects/recomputer-r20-cv/yolov8:latest

# 3. 从容器里把 yolov8n.hef 拷到项目 models/ 下
docker cp yolov8-temp:/app/model/yolov8n.hef models/yolov8n.hef

# 4. 清理临时容器
docker rm yolov8-temp

# 5. 验证
ls -lh models/yolov8n.hef

python apps/build_album.py \
  --video data/tex.mp4 \
  --out data/album \
  --no-tracker \
  --scrfd-score 0.6 \
  --cluster-thresh 0.85 \
  --skip-dedup

data/album/
├── manifest.json
├── thumbnails/
│   ├── person_0001.jpg
│   ├── person_0002.jpg
│   └── ...
├── person_0001/
│   ├── representative.jpg
│   ├── info.json
│   ├── embeddings.npz
│   └── img_0001_ts_2.00s_score_0.78.jpg
│   └── img_0002_ts_5.00s_score_0.74.jpg
│   └── ...
├── person_0002/
└── ...

python apps/web_browser.py --port 8080

data/album/
├── manifest.json                    # 全局统计 + 人员列表（Web UI 的数据源）
├── thumbnails/
│   └── person_<id>.jpg              # 缩略图（= representative.jpg 的副本）
└── person_<NNNN>/                   # 每个身份一个目录，NNNN 为 4 位 zero-padded id
    ├── info.json                    # 单个人元数据：count / first_ts / last_ts / best_score / source_videos
    ├── embeddings.npz               # 该 person 排名前 N 的 embedding（默认 N=5，按 score 排序）
    ├── representative.jpg           # 得分最高的「封面照」，同步写到 thumbnails/
    └── img_<NNNN>_ts_<ts>s_score_<score>.jpg  # 每张保留的人脸 (112×112 对齐后)

{
  "version": "1.0",
  "created_at": "2026-09-26T10:23:11",
  "updated_at": "2026-09-26T10:24:48",
  "total_persons": 6,
  "total_images": 142,
  "source_videos": ["tex"],
  "config": {
    "interval_s": 1.0,
    "cosine_distance_threshold": 0.85,
    "min_face_size": [40, 40],
    "min_face_score": 0.6,
    "best_n_embeddings": 5,
    "phash_max_dist": 4
  },
  "persons": [
    {
      "id": 1,
      "count": 28,
      "first_ts": 2.0,
      "last_ts": 82.0,
      "best_score": 0.85,
      "source_videos": ["tex"],
      "thumbnail": "thumbnails/person_0001.jpg"
    },
    ...
  ]
}