Face Liveness Detection Anti Spoofing Web App

Face Leneness Detection (Anti-Spoofing) Web App

Eine streamlite Webrtc -Web -App, die feststellen kann, ob ein Gesicht von einer realen Person oder einer gefälschten Person stammt, und verhindert, dass das System falsche Überprüfung durchführt.

Inspiration

https://github.com/jomariya23156/face-recognition-with-liveness-web-login

Ich würde Ihnen allen sehr empfehlen, sich dieses wundervolle Repo anzusehen, das als Inspiration für mein Projekt diente.

Nachteil des Ansatzes

Der Nachteil des Ansatzes von Jomariya23156 ist, dass er jedoch behauptet, dass es sich um eine Web-App handelt, die nicht in einem Server-Client-Szenario verwendet werden kann, da es keine grundlegenden WEBRTC-Funktionen gibt.

Weitere Informationen finden Sie in diesem Link: https://blog.streamlit.io/how-the-the-streamlit-webrtc-component/

---

App -Funktionen

• Berechnet reale und falsche Verhältnisse
• Verwendet die WebRTC -Funktionen von Streamlit

---

Schneller Start

Sich lokal entwickeln.

Schritt 1: Klonen Sie das Repo

Geben Sie das Repository auf. Dann klonen Sie das Repo vor Ort, indem Sie -

git clone https://github.com/birdowl21/Face-Liveness-Detection-Anti-Spoofing-Web-App.git

Schritt 2: Erstellen Sie eine virtuelle Umgebung und aktivieren Sie sie. (Hinweis: Ich habe PIP verwendet)

pip install virtualenv
python -m venv [env-name]
[env-name] S cripts a ctivate 

Schritt 3: CD in das Verzeichnis

 cd Face-Liveness-Detection-Anti-Spoofing-Web-App

Schritt 4: Abhängigkeiten installieren

pip install -r requirements.txt

Schritt 5: Und du bist gut zu gehen!

streamlit run app.py

Sie sollten jetzt die Anwendung ausführen und zugänglich unter http: // localhost: 8501.

Schritt 6 (optional): Bereitstellen und Genießen!

Sie können die App auf Cloud-Plattformen wie Streamlit Sharing und Heroku bereitstellen.

Bereitstellungslinks:

• https://blog.jcharistech.com/2019/10/24/how-to-deploy-your-streamlit-apps-to-heroku/#:~:Text=%20How%20to%20deploy%20Your%20streamlit%20 Apps%20 & Mat020
• https://towardsdatascience.com/deploying-a-basic-streamlit-app-peadae286fd0#:~:text=to%20deploy%20The%20A pp%20 bis%20StreamLit%20 Sharing%2C%20WE, der%20Screenshot%20of%20Die%20Deployment%20 -FAGE%20on%20streamlit.io.

Wenn Sie Probleme mit der Bereitstellung der App aus der Ferne haben, finden Sie diesen Link: https://docs.streamlit.io/knowledge-base/deploy/remote-start

Probenausgabe

Normal

Mit Bild

Mit Video

✌️ beitragen

Nach dem Klonen und Einrichten des lokalen Projekts können Sie die Änderungen an Ihrer Github -Gabel vorantreiben und eine Pull -Anfrage stellen.

Die Änderungen drücken

git add .
git commit -m " feat: added new stuff "
git push YOUR_REPO_URL develop

Projektbeschränkungen

• kann auf jeweils nur 3-4 Geräten ausgeführt werden.
• Funktioniert in hellem Hintergrund nicht gut.
• Die Leistung variiert vom Browser bis zum Browser: funktioniert schnell auf Chrome und Firefox, ist jedoch langsam am Rand.

Das sind alles Leute!