---

Face, Emotion, Gender, Age, Race Detection with DeepFace and Streamlit

Детектор эмоций, пола, возраста и расы на фото и видео на основе библиотеки DeepFace и с веб-интрефейсом на Streamlit

В Google Colab ноутбуке находится код демонстрации возможностей библиотеки DeepFace, демонстрация функционала приложения и отрисовка графиков результатов детекции видео

Скриншот страницы детекции изображений

Скриншот страницы детекции видео

Скриншот страницы отображения графиков результатов детекции видео

---

📋 Содержание

• 🚀 Функционал
• 🛠️ Стек
• 🐍 Установка и запуск на Linux через Python
• 🐳 Установка и запуск через Docker
  • 🏃‍ Запуск контейнера из образа Docker HUB
  • 🏗️ Сборка своего образа и запуск контейнера

---

🚀 Функционал

• Детекция лиц и распознавание эмоций, пола, возраста и расы с отрисовкой результата на фото/видео
• Отображение прогресс-бара детекции видео
• Регулировка порога уверенности модели в том что на изображении есть лицо
• Возможность указать параметр дополнительного выравнивания (align) перед детекцией для улучшения качества
• Сохранение результатов детекции видео в файл csv с последующей отрисовкой графиков для анализа видео
• Возможность скачать результаты детекции (фото / видео / файл csv с аннотациями)
• Детекция фото с веб-камеры и отрисовка результата

---

🛠 Стек

• 3.8 <= python <= 3.11
• deepface для детекции лиц и распознавания эмоций, пола, возраста и расы
• Streamlit для написания веб-интерфейса
• ffmpeg для конвертации видео в отображаемый в браузере формат
• seaborn для отрисовки графиков результатов детекции видео

Работоспособность приложения проверялась на Ubuntu 22.04 (python 3.10)
Документация с командами установки TensorFlow для Windows

---

🐍 Установка и запуск на Linux через Python

1) Клонирование репозитория

git clone https://github.com/sergey21000/face-detector-deepface.git
cd face-detector-deepface

2) Создание и активация виртуального окружения (опционально)

python3 -m venv env
source env/bin/activate

3) Установка зависимостей

• С поддержкой CPU

  pip install -r requirements-cpu.txt
  

• С поддержкой CUDA

  pip install -r requirements.txt
  

4) Запуск сервера Streamlit

streamlit run Image_Detection.py

После запуска сервера перейти в браузере по адресу http://localhost:8501/

---

🐳 Установка и запуск через Docker

Для запуска приложения с поддержкой GPU CUDA необходима установка NVIDIA Container Toolkit.

🏃‍ Запуск контейнера из образа Docker HUB

С поддержкой CPU и CUDA

docker run -it -p 8501:8501 -v ./models:/app/models sergey21000/face-detector-deepface

Данный образ собран на основе образа tensorflow/tensorflow:2.15.0-gpu

🏗 Сборка своего образа и запуск контейнера

1) Клонирование репозитория

git clone https://github.com/sergey21000/face-detector-deepface.git
cd face-detector-deepface

2) Сборка образа и запуск контейнера

Сборка образа

docker build -t face-detector -f Dockerfile .

Запуск контейнера

• С поддержкой CPU

docker run -it -p 8501:8501 -v ./models:/app/models face-detector

• С поддержкой CUDA

  docker run -it --gpus all -p 8501:8501 -v ./models:/app/models face-detector
  

После запуска сервера перейти в браузере по адресу http://localhost:8501/

---

Приложение написано для демонстрационных и образовательных целей как любительский проект, оно не предназначалось / не тестировалось для промышленного использования

Лицензия

Этот проект лицензирован на условиях лицензии MIT.