# 基于DLIB的人脸识别服务-手工部署说明

## 1. 简介

DLIB是一个现代C++工具包，包含机器学习算法和工具，用于创建复杂的软件以解决现实世界中的问题。它在计算机视觉领域尤为出色，尤其是在面部识别任务中表现优异。DLIB的人脸识别功能基于深度学习技术，能够高效地检测和识别人脸。
本程序利用DLIB的强大功能，提供一个基于Python的简单人脸识别服务。用户可以通过HTTP请求上传图像，服务将返回图像中检测到的人脸信息。

## 2. 环境准备
在开始之前，请确保您的系统满足以下要求：

- 操作系统：Linux（推荐使用Ubuntu）
- Python版本：3.10及以上
- 必要的Python库：dlib, Flask, numpy, opencv-python
- CMake（用于编译dlib）
- 编译工具链（如g++）

## 3. 安装步骤

### 3.1 安装依赖项
首先，确保系统包是最新的：

```bash
sudo apt-get update
sudo apt-get upgrade
```
安装必要的依赖项：

```bash
sudo apt-get install build-essential cmake libboost-all-dev libx11-dev libopenblas-dev liblapack-dev python3.12-venv
```
### 3.2 创建Python虚拟环境

创建并激活一个新的Python虚拟环境：名称为face-dt
```bash
python3 -m venv face-dt
source face-dt/bin/activate
```
### 3.3 安装Python库

先在项目根目录创建一个`requirements.txt`文件，内容如下：

```plaintext
dlib>=19.22.0
numpy>=1.19.0
opencv-python>=4.5.0
Pillow>=8.0.0
scikit-image>=0.18.0
pandas>=1.2.0
simplejson>=3.17.0
fastapi>=0.104.0
uvicorn>=0.24.0
python-multipart>=0.0.6
```
然后运行以下命令安装这些库：
```bash
pip install -r requirements.txt
```
系统会自安装程序所需要的所有依赖库，其中，dlib的安装可能需要一些时间，请耐心等待，不要中途终止。
根据计算机的配置不同，dlib的安装时间可能会有所不同，通常在几分钟到十几分钟不等。
![](https://qncdn.tairongkj.com/docs/images/20250929103043.png)
安装完成后如下图所示:
![](https://qncdn.tairongkj.com/docs/images/20250929103931.png)

### 3.4 下载项目所需要的库与文件

先创项目所需要的目录,在项目的根目录下运行:
```bash
mkdir -p data/data_dlib
mkdir -p data/db
mkdir -p data/data_faces_from_camera

sudo chmod -R 777 ./**

```
然后下载所需要的文件:
```bash

cd data/data_dlib
# 下载人脸关键点预测模型
wget https://datacdn.data-it.tech/faceRec/face-dt/shape_predictor_68_face_landmarks.dat
# 下载人脸识别模型
wget https://datacdn.data-it.tech/faceRec/face-dt/dlib_face_recognition_resnet_model_v1.dat

```

然后，回到项目根目录内,下载本项目的代码文件：：

```bash
# 回到项目根目录
cd ../../
wget https://datacdn.data-it.tech/faceRec/face-dt/FaceRecognitionServer_fastapi.py
 

```
### 3.5 运行服务
在项目根目录下，运行以下命令启动人脸识别服务：
```bash
uvicorn FaceRecognitionServer_fastapi:app --host 0.0.0.0 --port 12316 --workers 1
```

去行以上命令，人脸识别服务就启动成功了，默认监听12316端口。

### 3.6 以服务方式运行
可以使用`nohup`命令让服务在后台运行，即使关闭终端，服务也不会停止：

```bash
nohup uvicorn FaceRecognitionServer_fastapi:app --host 0.0.0.0 --port 12316 --workers 1 &
``` 
这样，服务将继续在后台运行，日志信息将被写入`nohup.out`文件中。
### 3.7 停止服务
如果需要停止服务，可以使用`ps`命令找到服务的进程ID，然后使用`kill`命令终止它：

```bash         
ps aux | grep uvicorn
kill <PID>
```     
将`<PID>`替换为实际的进程ID。

### 3.8 以services方式运行
也可以将人脸识别服务配置为系统服务，以便更方便地管理它
创建一个新的服务文件，例如`/etc/systemd/system/facerec.service`，内容如下：

```ini
[Unit]
Description=Face Recognition Service
After=network.target
[Service]
User=your_username
WorkingDirectory=/path/to/your/project
ExecStart=/path/to/your/project/face-dt/bin/uvicorn FaceRecognitionServer_fastapi:app --host 0.0.0.0 --port 12316 --workers 1
[Install]
WantedBy=multi-user.target

```
将`your_username`替换为运行服务的用户，将`/path/to/your
/project`替换为项目的实际路径。
然后，重新加载systemd以识别新的服务文件：

```bash
sudo systemctl daemon-reload
```
启动服务：

```bash
sudo systemctl start facerec.service
```
启用服务，使其在系统启动时自动运行：
```bash
sudo systemctl enable facerec.service
```
检查服务状态：
```bash
sudo systemctl status facerec.service
```
停止服务：
```bash
sudo systemctl stop facerec.service
``` 
重启服务：
```bash
sudo systemctl restart facerec.service
```
### 3.9 防火墙配置
如果服务器启用了防火墙，请确保允许12316端口的流量：
```bash
sudo ufw allow 12316
sudo ufw reload
```
### 3.10 访问服务
现在，您可以通过浏览器或API客户端访问人脸识别服务：
```http://<your_server_ip>:12316
```
将`<your_server_ip>`替换为服务器的实际IP地址。      

## 4. 总结
通过以上步骤，您已经成功手动部署了基于DLIB的人脸识别服务。您可以根据需要进一步扩展和优化该服务，以满足特定的应用需求。