这个处理方案的次要特点是它运用了他们的 Python API 和二进制命令行工具。此外，他们的 github 上提供了一切次要平台的装置阐明，甚至是用于疾速设置的 docker 镜像。虽然它很受欢送，但该软件有一些缺陷。最初一次发布是在 2018 年，尔后没有严重改良。它运用了一个相当过时的人脸辨认模型，在 LFW 上只要 99.38% 的精确率，并且没有 REST API。4.InsightFaceInsightFace 是另一个开源 Python 库，它运用最新最精确的人脸辨认办法之一停止人脸检测 (RetinaFace) 和人脸辨认 (SubCenter-ArcFace)。该处理方案的精确率十分高——在 LFW 数据集上爲 99.86%。独一的缺陷是它不易于运用。5. FaceNetFaceNet 是一个盛行的开源 Python 库。这种办法的精确率相当高——在 LFW 数据集上爲 99.65%，这很棒但不是最高的。此处理方案的缺陷是它没有 REST API，并且不再支持存储库（最初一次更新是在 2018 年 4 月）。6.InsightFace-REST这是 2019 年创立的另一个有出路的存储库，并于 2020 年 10 月开端积极开发。与 CompreFace 一样，这是一个基于 docker 的处理方案，可提供方便的 REST API。最大的劣势是它的开发人员将 InsightFace 的辨认速度进步了三倍。这个处理方案的缺陷是它只提供人脸的嵌入，没有提供用于实践人脸辨认的 API，所以你需求有本人的分类器。该存储库依然没有答应证，因而需求讯问作者能否可以运用它。截至 2021 年终的最新版本是 v0.5.9.6。结论虽然当今 GitHub 上可用的最佳开源人脸辨认项目在功用上各不相反，但它们都有能够让你的开发进程更轻松。在选择开源人脸辨认处理方案时，我们建议编制与开发业务相关的规范列表，并选择优先思索所做的相反事情的选项。虽然能够有些功用对开发者来说比其他功用更重要，但我们在此处确定的每个收费开源项目都将提供高质量的实时人脸辨认体验。拓展阅读人脸辨认技术是一种高精度、易于运用、波动性高、难仿冒的生物辨认技术，具有极端宽广的市场使用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用平安控制等行业和部门存在着普遍的需求。我们TSINGSEE青犀视频的研发人员近期也在积极开发人脸检测、人脸辨认、人流量统计、平安帽检测等AI技术，并积极融入到现有的视频平台中。典型的示例如EasyCVR视频交融云效劳，具有AI人脸辨认、车牌辨认、语音对讲、云台控制、声光告警、监控视频剖析与数据汇总的才能，普遍使用在小区、楼宇的智能门禁，周界可疑人员彷徨检测、景区人流量统计等场景中。