基于YOLO+InsightFace(ArcFace)的人脸识别检测系统

项目简介

本项目是一个基于 YOLO 人脸检测 + InsightFace(ArcFace) 人脸识别 + MySQL 数据库 + PyQt6 桌面端界面 的本地应急管理系统。系统面向工厂、工地、园区、医疗看护等场景，支持人员注册、实时识别、陌生人告警、识别记录查询、人员信息管理、告警中心、日志审计和系统参数配置。

系统识别流程如下：

摄像头 / 视频 / 图片

YOLO 人脸检测

InsightFace 人脸对齐

ArcFace 特征提取

MySQL 特征库余弦相似度比对

界面展示识别结果

识别日志 / 告警日志 / 审计日志入库

核心功能

• 登录注册：系统启动先进入登录/注册窗口，首次使用可注册管理员账号。

• 数据概览：作为登录后的默认首页，展示注册人员、今日识别、已识别、陌生人脸、未处理告警、近 7 天趋势、今日识别占比、来源分布和最近告警。

• 实时监控：支持摄像头、视频文件、图片文件识别。

• 人脸检测：使用 YOLO 权重定位人脸区域。

• 人脸识别：使用 InsightFace 的 ArcFace 模型提取人脸特征并进行身份比对。

• 人员注册：支持图片注册和摄像头当前帧注册，注册图片保存到本地相对路径。

• 人员信息：展示已注册人员信息，支持关键字筛选和删除。

• 记录查询：查询识别时间、姓名、编号、相似度、来源和摄像头。

• 告警中心：展示陌生人脸告警，支持未处理筛选和告警处理。

• 日志审计：记录登录、注册、人员删除、告警处理、系统设置保存和引擎重载等操作。

• 系统设置：维护 MySQL、YOLO 权重、InsightFace 目录、设备模式和识别阈值。

• 实时性能优化：摄像头显示帧和模型识别帧分离，画面保持较高频率刷新，识别频率由系统设置控制，默认 2 FPS。

• GPU 优先：推理层优先使用 GPU，失败时自动退回 CPU。

• 中文路径兼容：图像读写和 PyTorch 权重加载兼容 Windows 中文路径。

技术栈

• Python 3.9

• PyQt6

• Ultralytics YOLO

• InsightFace

• ArcFace

• OpenCV

• NumPy

• PyMySQL

• MySQL 8.x

• PyTorch

• ONNX Runtime

目录结构与文件作用

以下说明按当前项目结构整理，__pycache__、.pyc 等运行缓存文件不属于项目源码，已省略。

.
├── main.py
├── train_yolo.py
├── requirements.txt
├── README.md
├── yolov8n.pt
├── app/
│   ├── __init__.py
│   ├── core/
│   │   ├── __init__.py
│   │   ├── config.py
│   │   ├── face_engine.py
│   │   ├── io_utils.py
│   │   ├── local_config.py
│   │   ├── paths.py
│   │   └── types.py
│   ├── db/
│   │   ├── __init__.py
│   │   └── mysql_store.py
│   ├── services/
│   │   ├── __init__.py
│   │   ├── auth_service.py
│   │   └── recognition_service.py
│   └── ui/
│       ├── __init__.py
│       ├── auth_dialog.py
│       ├── dashboard_widgets.py
│       ├── main_window.py
│       ├── styles.py
│       └── workers.py
├── data/
│   ├── app_config.json
│   └── insightface/
│       └── models/
│           ├── buffalo_l.zip
│           └── buffalo_l/
│               ├── 1k3d68.onnx
│               ├── 2d106det.onnx
│               ├── det_10g.onnx
│               ├── genderage.onnx
│               └── w600k_r50.onnx
└── train_result/
  ├── 数据集说明.md
  ├── face_dataset.yaml
  ├── splits/
  │   ├── train.txt
  │   └── val.txt
  └── yolo_face/
      ├── args.yaml
      ├── results.csv
      ├── results.png
      ├── labels.jpg
      ├── confusion_matrix.png
      ├── confusion_matrix_normalized.png
      ├── BoxF1_curve.png
      ├── BoxP_curve.png
      ├── BoxPR_curve.png
      ├── BoxR_curve.png
      ├── train_batch0.jpg
      ├── train_batch1.jpg
      ├── train_batch2.jpg
      ├── train_batch65250.jpg
      ├── train_batch65251.jpg
      ├── train_batch65252.jpg
      ├── val_batch0_labels.jpg
      ├── val_batch0_pred.jpg
      ├── val_batch1_labels.jpg
      ├── val_batch1_pred.jpg
      ├── val_batch2_labels.jpg
      ├── val_batch2_pred.jpg
      ├── metric_charts/
      │   ├── map50_95_curve.png
      │   ├── map50_curve.png
      │   ├── precision_curve.png
      │   ├── recall_curve.png
      │   ├── train_box_loss_curve.png
      │   ├── train_cls_loss_curve.png
      │   ├── train_dfl_loss_curve.png
      │   ├── val_box_loss_curve.png
      │   ├── val_cls_loss_curve.png
      │   └── val_dfl_loss_curve.png
      └── weights/
          ├── best.pt
          └── last.pt

根目录文件

app/ 应用源码

app/core/ 核心算法与配置层

app/db/ 数据库层

app/services/ 业务服务层

app/ui/ 界面层

data/ 运行数据目录

train_result/ 训练产物目录

运行环境

• Windows 10 / Windows 11

• Python 3.9

• MySQL 8.x

• 已训练好的人脸检测 YOLO 权重

依赖安装

项目依赖已写入 requirements.txt：

numpy
opencv-python
PyQt6
pymysql
torch
ultralytics
insightface
onnxruntime
Pillow

如目标电脑需要 InsightFace 也走 GPU，可根据显卡和 CUDA 环境自行替换为合适的 onnxruntime-gpu。如果 GPU 或 GPU 推理库不可用，系统会自动使用 CPU 兜底。

MySQL 配置

系统支持两种数据库配置方式。

方式一：修改本地配置文件

可直接修改：

app/core/local_config.py

示例：

MYSQL_HOST = "127.0.0.1"
MYSQL_PORT = 3306
MYSQL_USER = "root"
MYSQL_PASSWORD = "root"
MYSQL_DATABASE = "face_emergency_management"

local_config.py 的优先级高于 data/app_config.json，适合部署到别人电脑时直接设置数据库密码。

方式二：在系统设置界面修改

启动后进入“系统设置”页面，可修改：

• MySQL 主机

• MySQL 端口

• MySQL 用户名

• MySQL 密码

• 数据库名

• YOLO 权重路径

• InsightFace 模型目录

• GPU/CPU 设备模式

• 检测阈值和识别阈值

数据库表说明

程序连接 MySQL 后会自动创建数据库和表结构。

图片文件不直接存入数据库，数据库中保存项目相对路径，便于项目移动和迁移。

默认模型路径

YOLO 人脸检测权重默认路径：

train_result/yolo_face/weights/best.pt

InsightFace 默认模型目录：

data/insightface

系统中人脸检测使用 YOLO，身份识别使用 InsightFace 的 ArcFace 特征模型 w600k_r50.onnx。

启动方式

python main.py

启动流程：

使用流程

1. 登录注册

首次启动时，如果数据库中没有系统用户，会默认进入注册管理员页面。注册成功后自动登录。后续启动需要输入账号密码进入主界面。

2. 数据概览

登录后默认进入“数据概览”页面，页面展示：

• 注册人员、今日识别、已识别人数、陌生人脸和未处理告警。

• 近 7 天识别趋势，包含总识别、陌生人和告警数量。

• 今日识别占比，展示已识别与陌生人脸比例。

• 今日识别来源分布，例如摄像头、视频和图片。

• 最近告警列表。

数据概览基于 MySQL 中已有的 persons、recognition_logs、alarm_logs 和 audit_logs 聚合统计，不新增业务表。页面提供刷新按钮，并会按固定间隔自动刷新。

3. 人员注册

进入“人员注册”页面：

4. 实时监控

进入“实时监控”页面，可选择：

• 摄像头

• 视频文件

• 图片文件

系统会在画面上绘制检测框和识别结果。已知人员显示姓名和相似度，未匹配人员显示为陌生人脸并写入告警。

实时监控采用显示帧和识别帧分离机制：

• 摄像头画面以较高频率刷新显示，提升预览流畅度。

• YOLO + ArcFace 完整识别按 video_fps_limit 控制，默认 2 FPS。

• 两次识别之间复用最近一次识别框和标签。

• 复用帧只刷新画面和统计，不重复写数据库、不重复追加事件表、不重复触发告警。

5. 人员信息

进入“人员信息”页面，可查看已注册人员，并按人员编号、姓名、部门筛选。删除人员时会同步删除对应特征，并写入审计日志。

6. 记录查询

进入“记录查询”页面，可按关键字查询识别日志，也可只查看陌生人记录。页面展示时间、姓名、编号、相似度、阈值、类型、来源和摄像头。

7. 告警中心

进入“告警中心”页面，可查看陌生人脸告警，支持：

• 关键字搜索

• 仅未处理筛选

• 处理选中告警

告警处理会更新 alarm_logs 状态，并写入 audit_logs。

8. 日志审计

进入“日志审计”页面，可查看系统关键操作，包括：

• 用户登录

• 管理员注册

• 人员注册

• 人员删除

• 告警处理

• 系统设置保存

• 识别引擎重载

9. 系统设置

进入“系统设置”页面，可维护数据库、模型和推理参数。保存后配置会同步到 data/app_config.json 和 system_config 表。

识别原理

配置字段说明

data/app_config.json 常用字段：