Face2V SDK适用于需要人脸检测、人脸特征点和特征向量提取的应用，提供Web API和原生API。官方下载地址：Face2V SDK 。
1、目录组织
Face2V SDK开发包的目录组织说明如下：
face2v_sdk | - core # 核心代码目录| - face_detector.py # 人脸检测器实现类| - landmark_regressor.py # 人脸特征点回归器实现类| - embedding_extractor.py # 人脸特征向量提取器实现类| - models # 预训练模型目录| - samples # 测试图片目录| - serve.py # Web UI/API 启动代码 | - web_api_test.py # Web API测试代码 | - native_api_test.py # Native API测试代码 | - requirements.txt # 依赖包描述文件
在第一次使用之前，首先安装依赖文件：
pip install -r requirements.txt
2、使用Web UI
执行如下命令启动Web UI：
python serve.py
然后使用浏览器访问 http://127.0.0.1:7860，即可打开Web UI。
在Web UI中打开一个图像文件，然后点击[Submit]按钮，就可以进行检测，如下图所示：
选中 提取人脸特征点 ，然后点击[Submit]按钮，可以提取人脸特征点（68点），如下图所示：
选中 提取人脸特征向量 ，然后点击[Submit]按钮，可以提取人脸特征向量（512维），如下图所示：
3、使用Web API
访问端点: /predict
输入参数：
input：输入图像extract_landmark：是否提取人脸特征点extract_embedding：是否提取人脸特征向量
输出结果：
[0]：输出图像文件路径[1]：人脸特征点数组[2]：人脸特征向量数组
Python调用示例如下：
from gradio_client import Client, handle_fileclient = Client("http://127.0.0.1:7860/")
result = client.predict(input=handle_file('./samples/test-1.jpg'),extract_landmark=True,extract_embedding=True,api_name="/predict"
)
print(result)
执行结果如下：
4、使用原生API
除了Web API，Face2V SDK也提供了Python原生API。
4.1 人脸检测器
FaceDetector是人脸检测器类，使用其 process()方法对传入的图片进行处理，并返回检测结果数据。
FaceDetector实例的 process()调用示例代码如下：
from core import FaceDetector # 导入FaceDetector
import cv2fd = FaceDetector() # 实例化FaceDetectorinput = cv2.imread('samples/selfie-1.jpg') # 读取输入的包含人脸的图片boxes, probs = fd.process(input) # 返回检测到的人脸包围盒及对应的概率
for box in boxes: # 遍历所有包围盒x1, y1, x2, y2 = boxprint(f'face in rect => {(x1,y1)}, {(x2,y2)}') # 输出包围盒的两个顶点坐标
4.2 特征点回归器
LandmarkRegressor是人脸特征点回归器，使用其 process()方法提取传入人脸图片的68个特征点：
LandmarkRegressor实例的 process()调用示例代码如下：
from core import LandmarkRegressor # 导入LandmarkRegressor
import cv2lr = LandmarkRegressor() # 实例化LandmarkRegressorinput = cv2.imread('samples/f0.jpg') # 读取输入的人脸图片landmark = lr.process(input) # 提取输入人脸图片的特征点
for i, xy in enumerate(landmark): # 遍历所有特征点 print(f'{i}: {xy}') # 输出每个特征点的序号和x, y坐标
4.3 特征向量提取器
EmbeddingExtractor是人脸特征向量提取器，使用其 process()方法提取传入人脸图片的512维向量， 可用于人脸搜索等应用。
EmbeddingExtractor实例的 process()调用示例代码如下：
from core import EmbeddingExtractor # 导入EmbeddingExtractor
import cv2ee = EmbeddingExtractor() # 实例化EmbeddingExtractorinput = cv2.imread('samples/f0.jpg') # 读取输入的人脸图像embedding = ee.process(input) # 返回对应的512维特征向量
print(f'embedding => {embedding}') # 打印输出特征向量y原文链接：Face2V人脸向量开发包 - 汇智网
