Picf 是一款智能相册，由北航2020级电子信息工程学院的学生为完成计算机软件基础大作业而构建。
Picf 主要具有三大功能，均为老师所要求的功能：
- 人脸识别分类：把相册中的图片按人分类。
- 人脸搜索：把同一个人的图片全部筛选出来。
- 重复筛查：把相同的图片筛选出来，剔除重复的文件。
除了这些功能以外，Picf 具有一些额外特性：
- 因图片质量、模型性能等原因，难免会出现将图片分错的情况，Picf 支持用户手动修改图片的分类结果，并将分类结果存储起来。
- 在对图片进行识别分类的过程中，Picf 可以根据已分类的结果，将文件夹内新添加的图片合并到已有的人物下面。
-
借助
PHash与Hamming Distance的方法，Picf 可以将相似的图片筛选出来，并由用户决定删除哪些图片。 - 借助于开源项目，Picf 拥有相对美观、现代的GUI界面，使得分类、搜索、筛查的结果呈现更加直观。
为便于体验本项目，提供 Windows-x64 环境下使用 pyinstaller 打包的实验性版本，请前往 Release 下载
Picf-v1.6-windows-x64.zip并解压，运行main.exe。 若在运行该实验版本时遇到错误或完全无法运行，请参考下面的步骤进行环境配置并运行。
-
setup.bat主要用于自动创建 conda 环境、安装依赖包、完成imagededup包的编译。
conda activate Picf
python main.py
输入一组图片，对于其中的每张图片进行以下步骤：
- 人脸检测：找到图片中的人脸位置，以返回人脸的矩形坐标。
- 人脸对齐：将矩形内部的人脸进行水平、竖直对齐。
- 特征值提取：将对齐的人脸输入
facenet网络，得到该人脸的128维特征向量。
所有图片处理完毕后，对提取到的多张人脸的特征值，使用聚类算法 Chinese Whispers 进行聚类，得到分类好的人脸组，并将提取到的特征值和分类结果保存。
输入一张图片，依次进行以下步骤：
- 按照人脸识别分类的方法对图片中的人脸提取特征值。
- 将特征值与已有图片组的特征值一起使用
Chinese Whispers算法聚类。 - 根据已保存的分类结果，将输入图片中人物的所有图片输出。
输入一组图片，依次进行以下步骤：
- 获取每张图片的
PHash值。 - 计算图片间的
Hamming distance。 - 使用
BKTree按Hamming distance的大小对照片进行分组，输出分组结果。
在构建Picf的过程中，我们参考并使用了以下开源仓库的代码：
- 提供了人脸识别、分类的基本框架。
- 提供了高效、准确、轻量的人脸检测器。
- 提供了相似图片筛查的方案。
- 提供了GUI框架，对于完全没有GUI开发经验的我们而言，非常有帮助。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent