如何用AI人脸识别快速找到失踪者?Finding-missing-person-using-AI完整入门指南
如何用AI人脸识别快速找到失踪者?Finding-missing-person-using-AI完整入门指南
Finding-missing-person-using-AI 是一款基于 AI 人脸识别的失踪者追踪系统:通过 MediaPipe 提取人脸 468 点特征网格,再用 KNN 算法自动比对警方登记的失踪案与公众提交的目击照片,一旦匹配成功立即将案件标记为"已找到"并邮件通知报案人。全程无需人工翻照片,新手也能十分钟跑起来。
为什么需要AI人脸识别找失踪者?
传统失踪案件的处理方式效率很低:目击者报出线索后,办案人员要手动一张张比对照片、翻阅纸质卷宗、跨部门协调,等确认匹配时线索往往已经断了。
这个项目用三步自动化流程解决这个问题:
- 警方登记案件 → 上传照片 → AI 自动提取 468 点人脸网格
- 公众提交目击 → 上传图片或视频 → 系统自动提取人脸特征
- 管理员一键匹配 → KNN 模型比对全部人脸 → 匹配成功自动发邮件通知
💡 项目数据完全本地存储(SQLite),不发送到任何外部服务器,适合学习和演示场景。
核心功能一览
| 功能 | 说明 |
|---|---|
| 🔍 人脸检测 | MediaPipe Face Landmarker,支持一帧中多人脸识别 |
| 🤖 AI 匹配 | 基于 1404 维人脸向量的 KNN 匹配,显示置信度百分比 |
| 🎬 视频目击 | 上传视频后自动逐帧提取唯一人脸 |
| 🗺️ 实时地图 | 首页地图展示各城市案件密度 |
| 📧 邮件提醒 | 匹配成功后自动通知报案人邮箱 |
| 🔐 角色权限 | 管理员可匹配/编辑/删除,警官可登记/查看 |
| 📱 公众门户 | 独立的移动端友好提交页面,无需登录 |
如何快速搭建运行环境
项目依赖极简,一条命令即可装齐所有 AI 依赖:
git clone https://gitcode.com/gh_mirrors/fi/Finding-missing-person-using-AI
cd Finding-missing-person-using-AI
pip install -r requirements.txt
依赖清单在 requirements.txt 中,核心组件包括 Streamlit(界面)、MediaPipe(人脸网格提取)、scikit-learn(KNN 匹配)、SQLModel + SQLite(数据存储)和 Folium(地图)。
一键启动两个门户
# 警方/管理员门户
streamlit run Home.py
# 公众目击提交门户(无需登录)
streamlit run mobile_app.py
SQLite 数据库和人脸模型(约 30 MB,首次运行自动下载)都会自动创建,无需额外配置。
⚡ 提示:人脸模型下载一次后会被缓存,之后完全离线可用。
如何配置登录账号?
系统通过 login_config.yml 管理登录用户,支持两种角色:
| 角色 | 权限 |
|---|---|
| Admin | 登记案件、查看全部案件、触发匹配、编辑/删除案件 |
| Officer | 登记案件、查看自己登记的案件 |
配置只需两步:
- 用
bcrypt生成密码哈希并粘贴进配置文件 - 在
login_config.yml中添加用户名、姓名、城市、角色和哈希值
🔒 注意:
login_config.yml默认被 git 忽略,切勿提交真实账号密码到仓库。
完整工作流程演示
第一步:登记失踪案件
警官登录 Home.py 后进入门户首页,可以看到已找到/未找到案件的实时统计和全国案件分布地图。在"Register New Case"页面上传照片后,AI 会立即用绿色边框标出检测到的人脸——多人脸照片还可以点击选择目标人物。
相关代码:pages/1_Register New Case.py
第二步:公众提交目击线索
任何人在无需登录的移动页面 mobile_app.py 上传照片或视频。视频模式下,系统会用 OpenCV 逐帧提取唯一人脸并显示缩略图确认。
第三步:一键 AI 匹配
管理员在 "Match Cases" 页面点击 Refresh,KNN 模型立即比对所有目击提交与所有未结案件。距离足够近的会被判定为匹配,案件自动翻转为 Found,报案人同时收到邮件通知。
核心匹配逻辑在 pages/3_Match Cases.py 和 pages/helper/match_algo.py(默认距离阈值 3.0,越小越可靠)。
第四步:地图洞察全局
管理员通过 pages/5_Map.py 查看哪个城市未结案件最多、跟踪各地区解决率,辅助警力调度。
技术栈与项目结构
Home.py # 警方/管理员门户入口
mobile_app.py # 公众提交门户入口
pages/ # 功能页面(登记、案件、匹配、地图、帮助)
pages/helper/ # 核心逻辑
├── data_models.py # 数据库表结构定义
├── utils.py # 人脸检测与网格提取
├── match_algo.py # KNN 人脸匹配算法
└── db_queries.py # SQLite 查询
scripts/ # 批量演示数据脚本
├── bulk_upload.py # 批量上传演示图片
└── download_celebrity_images.py # 自动下载示例图
数据模型定义在 pages/helper/data_models.py:RegisteredCases(登记案件表)和 PublicSubmissions(公众提交表),人脸网格以 JSON 字符串形式存入 face_mesh 字段。
如何灌入演示数据?
想让地图和匹配效果"有东西可看"?项目自带演示数据工具:
# 1. 每个示例人物下载约2张图片到 scripts/bulk_data/reported/
uv run scripts/download_celebrity_images.py --dest both
# 2. 批量处理:提取人脸网格 + 生成元数据 + 写入数据库
python scripts/bulk_upload.py
批量上传逻辑在 scripts/bulk_upload.py:自动跳过检测不到人脸的图片,生成姓名、城市、最后出现地点等模拟元数据,并将图片复制到 resources/ 供页面展示。
想清空重来?
sqlite3 sqlite_database.db "DELETE FROM registeredcases; DELETE FROM publicsubmissions;"
python scripts/bulk_upload.py
常见问题(FAQ)
Q:不联网能运行吗? 人脸模型(约 30 MB)只会在首次运行时下载并缓存,之后两个门户均可完全离线使用。
Q:人脸识别匹配有多准? 准确度很依赖照片质量:正面、光线充足的照片效果最好。界面上每个匹配都会显示置信度百分比,分数越高匹配越可靠。
Q:如何开启邮件通知?
配置四个环境变量即可:SMTP_HOST、SMTP_PORT、SMTP_USER、SMTP_PASSWORD。收件人就是登记案件时填写的报案人邮箱。
Q:数据存在哪里?
全部在项目根目录的 sqlite_database.db(已被 git 忽略),图片以 JPG 形式存在 resources/,不会发送到任何外部服务器。
Q:两个门户能分开部署吗?
可以。Home.py 和 mobile_app.py 是独立的 Streamlit 应用,只要指向同一个数据库文件即可协同工作。
写在最后
Finding-missing-person-using-AI 用不到 2000 行代码演示了"人脸网格提取 + KNN 匹配 + Web 应用"的完整 AI 工程链路,是学习人脸识别应用的优秀起点。建议你按上面步骤跑起来后,重点阅读 pages/helper/match_algo.py 和 pages/helper/utils.py,理解 1404 维特征向量是如何参与比对的。
⚠️ 免责声明:项目截图与示例数据中的人物图片均来自互联网,仅用于非商业、教育目的的识别流程演示。若你是图片版权持有者并希望移除,可提交 issue,项目方会及时处理。



