tes-face

Demo: http://face.needkk.com/
(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

参考仓库

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）

构建自己的opencv+go+dlib golang后端应用镜像

sh build-tes-face.sh

构建自己的前端镜像

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

TODO :

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