Open-Source-Face-Recognition-Ultimate — ローカルで動く顔認識Python SDK
nataphong-lab/Open-Source-Face-Recognition-Ultimate
★ 489 ・ Python
概要
Open-Source-Face-Recognition-Ultimateは、ディープラーニングモデルを活用した顔検出・特徴量抽出・顔照合の機能を提供するPython向けの顔認識ソフトウェア開発キット(SDK)です。WindowsおよびLinux環境に対応しており、シンプルなインターフェースを介して各種画像処理を実装できます。
本プロジェクトの大きな設計思想としてプライバシー保護が掲げられており、すべての顔画像および生体データ処理がローカル環境内(オンプレミス)で完結します。外部サーバーやクラウドサービスへ画像や特徴量データを送信することなく動作するため、生体情報を取り扱うにあたってセキュリティ要件やプライバシー要件が厳しいシステムを構築したい開発者に向いています。また、ベースとしてFacePluginのオープンソースモデルを採用し、追加のトレーニングと最適化を行うことで認識精度の向上が図られているとされています。
主な特徴
-
完全ローカル(オンプレミス)での処理 顔検出や特徴量抽出などの処理がすべて端末内で実行されるため、生体認証データを外部ネットワークへ送信せずに運用できます。
-
広範な顔分析機能の提供 画像内の顔検出、バウンディングボックスの取得、顔のランドマーク(特徴点)検出、特徴埋め込みベクトル(Embedding)の抽出、および2つの顔の類似度比較を一貫して実行可能です。
-
複数顔検出と主要画像フォーマットへの対応 1枚の画像内から複数の顔を同時に検出する機能に対応しています。また、入力形式としてJPG、PNG、BMP、TIFFといった一般的な画像フォーマットをサポートしています。
-
CPUおよびGPU環境のサポート CPUのみが搭載されたマシンでの動作に加え、GPU環境が利用可能な場合にはアクセラレーションを活用した高速処理に対応しています。
-
クロスプラットフォーム対応とシンプルなAPI設計 WindowsとLinuxの双方で動作し、わずか数行のPythonスクリプトから顔認識処理を呼び出せる分かりやすいAPIが用意されています。
使い方
READMEに記載されている環境構築および基本的な利用手順は以下の通りです。実行にはPython 3.9以上が必要です。
環境のセットアップ
リポジトリをクローンし、必要な依存関係をインストールします。READMEではConda環境の利用が推奨されています。
# リポジトリのクローン
git clone https://github.com/nataphong-lab/Open-Source-Face-Recognition-Ultimate.git
cd Open-Source-Face-Recognition-Ultimate
# Conda環境の作成と有効化
conda create -n facesdk python=3.9 -y
conda activate facesdk
# 依存パッケージのインストール
pip install -r requirements.txt
なお、Windows環境向けには以下のようにwingetと付属のPowerShellスクリプトを使用したセットアップコマンドも例示されています。
winget install --id Python.Python.3.9 -e --source winget
powershell -Ep Bypass ./install.ps1
依存関係の準備完了後、以下のコマンドでサンプルの実行確認が可能です。
python run.py
基本的な顔検出と情報取得
画像から顔を検出し、バウンディングボックス、ランドマーク、特徴埋め込みベクトルを取得するコード例です。
from face_recognition_sdk import FaceRecognition
# SDKの初期化
face_sdk = FaceRecognition()
# 画像の処理(最大検出数を指定)
image_path = "path/to/your/image.jpg"
face_info = face_sdk.GetImageInfo(image_path, faceMaxCount=10)
# 検出結果の表示
if face_info:
print(f"Detected {len(face_info)} face(s)")
for face in face_info:
print("Bounding Box:", face["bbox"])
print("Landmarks:", face["landmarks"])
print("Embedding:", face["embedding"])
else:
print("No faces detected.")
2枚の画像の類似度比較
2つの画像からそれぞれ顔の特徴量ベクトルを抽出し、類似度スコアを算出するコード例です。
from face_recognition_sdk import FaceRecognition
# SDKの初期化
face_sdk = FaceRecognition()
# 比較対象の画像パス
image1 = "test/1.jpg"
image2 = "test/2.png"
# 各画像から顔情報を抽出
faces1 = face_sdk.GetImageInfo(image1, faceMaxCount=1)
faces2 = face_sdk.GetImageInfo(image2, faceMaxCount=1)
# 特徴ベクトル同士を比較
if faces1 and faces2:
feature1 = faces1[0]["embedding"]
feature2 = faces2[0]["embedding"]
# 類似度スコア(0〜100)を取得
similarity = face_sdk.get_similarity(feature1, feature2)
print(f"Similarity: {similarity}%")
# しきい値(例: 75)に基づく判定
is_same_person = similarity >= 75
print(f"Same Person: {is_same_person}")
else:
print("Unable to detect a face in one or both images.")
技術的なポイント
クラス設計とAPI構成
SDKは face_recognition_sdk モジュールの FaceRecognition クラスを中心に構成されています。初期化後は GetImageInfo メソッドを呼び出すだけで、顔検出、ランドマーク推定、特徴抽出が一括で行われ、辞書形式のリストとしてデータが返却されます。返却される各データには以下のキーが含まれます。
bbox: 検出された顔の矩形領域座標landmarks: 顔の主要な特徴点の座標情報embedding: 照合に利用される顔特徴量ベクトル
特徴量同士の比較には get_similarity(feature1, feature2) メソッドが用意されており、0から100の類似度スコアが出力されます。
ベンチマーク結果の公表
READMEには、オープンソースの標準的な顔認識ベンチマークデータセットを用いた比較評価結果が掲載されています。比較対象とされているFacePluginのモデルに対し、追加学習と最適化を施した本リポジトリのモデルがより高いスコアを記録したと報告されています。
| ベンチマーク | nataphong-lab | FacePlugin | 差分 |
|---|---|---|---|
| LFW | 98.5 | 89.2 | +9.3 |
| CFP-FP | 99.1 | 90.1 | +9.0 |
| AgeDB-30 | 99.2 | 76.8 | +22.4 |
| CALFW | 98.1 | 80.3 | +17.8 |
| CPLFW | 96.5 | 78.9 | +17.6 |
| 平均 | 98.28 | 83.06 | +15.22 |
加齢変化を対象とするAgeDB-30やCALFW、姿勢変化を含むCPLFWなどのデータセットにおいても高い精度改善が示されている点が特徴です。
注意点
-
ライセンスの明示状況 READMEには「Completely Free: Open source with no SDK licensing fees」との記述がありますが、GitHubのメタデータ上はライセンスが「不明」となっており、具体的なオープンソースライセンス(MIT、Apache 2.0等)の種別については明記されていません。商用利用や再配布を検討する場合は、リポジトリ内の最新のライセンス状況を確認する必要があります。
-
判定しきい値の調整 コード例で使われている類似度判定のしきい値(75)はあくまで一例です。READMEにも記載がある通り、照明条件やカメラの画質、用途(厳格なセキュリティ認証か、緩やかなグルーピングか)に応じて、利用環境下で検証とチューニングを行う必要があります。
-
動作要件とスクリプト Python 3.9以上が前提条件となっています。Windows向けに用意されているセットアップスクリプト(install.ps1)を実行する際は、実行ポリシーのバイパス設定が含まれているため、自組織のセキュリティポリシーに適合しているか確認した上で実行することが推奨されます。
まとめ
Open-Source-Face-Recognition-Ultimateは、ローカル環境で完結して顔検出から類似度比較まで行えるPython製SDKです。外部サービスに依存せず生体認証や顔認識機能を組み込みたいプロジェクトにおいて、実装候補のひとつとなります。





