失踪人员识别系统

在 LinkedIn 上认可 如果这个项目对您有帮助。

---

免责声明

本项目截图中出现的所有人物图像以及作为示例数据使用的图像，均来自互联网，仅用于在非商业性、教育性的背景下演示人脸识别流程。这些图像归各自所有者所有，我们不主张任何所有权。如果您是某张图像的权利人并希望将其删除，请提交一个问题，我们将立即处理。

本项目不会存储、分发或商业化任何个人图像。从示例图像中提取的人脸数据（特征点向量）仅在本地用于匹配演示，不会与任何第三方共享。

---

目录

• 问题背景
• 一个案例的完整流程
• 工作原理
• 功能特性
• 快速入门
• 配置登录凭证
• 填充演示数据
• 技术栈
• 常见问题

---

问题背景

在印度，每天都有数百人——其中大多数是儿童——失踪。当有人报告发现线索时，警官必须手动比对照片、翻阅文件，并跨部门协调。等到确认匹配时，往往已经错过了最佳时机。

---

一个案例的完整流程

步骤 1 — 家庭报案。警官登记案件。

哈里德瓦尔的一户家庭报称其孩子失踪。一名警官打开门户网站，上传一张照片，AI 立即检测到人脸并提取出 468 个特征点网格——无需手动标记。

---

步骤 2 — 仪表盘跟踪所有未结案件。

警官的主页面显示已找到和未找到案件的实时统计，以及一张地图，标明印度各地案件的集中分布情况。

---

步骤 3 — 公众提交线索。

有人认出了失踪者，并通过公众门户提交了一张照片（无需登录）。同样会提取并存储人脸网格数据。当管理员点击“匹配案件”时，KNN 模型会将所有线索与所有未结案件进行比对。如果人脸相似度足够高，案件状态会自动变为“已找到”，并向报案人发送电子邮件通知。

---

步骤 4 — 城市地图展示全局情况。

管理员可以看到哪些城市未结案件最多，并跟踪解决率随时间的变化。

---

工作原理

1. 警官登记案件 → 上传照片 → AI 提取 468 个特征点的人脸网格
2. 公众提交线索 → 上传照片或视频 → 同样提取特征点
3. 管理员点击刷新 → KNN 在两个数据集之间匹配人脸 → 匹配成功后向报案人发送邮件

无需人工比对照片，也无需堆积如山的纸质文件。

---

功能特性

功能	详情
人脸检测	MediaPipe Face Landmarker — 高亮显示检测到的人脸，可处理画面中的多人
AI 匹配	基于 1,404 维人脸向量的 KNN；显示置信度百分比
视频线索	上传视频 — 自动逐帧提取独特的人脸
实时地图	仪表盘上的地图显示印度各城市的案件密度
邮件提醒	匹配成功时自动通知报案人邮箱
基于角色的访问权限	管理员可匹配、编辑、删除；警官可登记和查看
公众门户	独立的移动端友好提交页面，无需登录

---

快速入门

git clone https://github.com/gaganmanku96/Finding-missing-person-using-AI.git
cd Finding-missing-person-using-AI
pip install -r requirements.txt

运行警官/管理员门户：

streamlit run Home.py

运行公众提交门户：

streamlit run mobile_app.py

SQLite 数据库和人脸特征点模型（约 30 MB，首次使用时自动下载）会自动生成。

可选：邮件通知

设置以下环境变量以启用匹配时的邮件提醒：

SMTP_HOST, SMTP_PORT, SMTP_USER, SMTP_PASSWORD

报案人在登记案件时输入的邮箱地址将用作收件人。

---

配置登录凭证

凭证存储在 login_config.yml 文件中。要添加或更改用户：

1. 生成 bcrypt 密码哈希值：

import bcrypt
print(bcrypt.hashpw(b"your_password", bcrypt.gensalt()).decode())

2. 编辑 login_config.yml：

credentials:
  usernames:
    your_username:               # 用作登录用户名
      name: 您的显示名称
      email: you@example.com
      city: 德里
      area: 第一区
      role: 管理员                # 管理员或警官
      password: '$2b$12$...'     # 粘贴第 1 步得到的哈希值

角色：

角色	权限
管理员	登记案件、查看所有案件、触发匹配、编辑/删除案件
警官	登记案件、查看自己登记的案件

login_config.yml 默认被 Git 忽略。切勿提交真实凭证。

---

流程：填充演示数据

scripts/ 文件夹包含两个实用工具，用于向数据库填充演示数据。

Schritt 1 — Herunterladen von Beispielbildern

# Laden Sie etwa 2 Bilder pro Prominenten in scripts/bulk_data/reported/ herunter.
uv run scripts/download_celebrity_images.py --dest reported

# 或者将图片同时存放在两个文件夹中（reported + publicly_seen）
uv run scripts/download_celebrity_images.py --dest both

此脚本使用 DuckDuckGo 图片搜索，无需 API 密钥。

你也可以直接将自己的图片放入以下目录：

scripts/bulk_data/reported/        ← 失踪人员案件
scripts/bulk_data/publicly_seen/   ← 公众目击提交

第 2 步 — 运行批量上传

python scripts/bulk_upload.py

此脚本会处理这两个文件夹中的每一张图片：

• 使用 MediaPipe 提取人脸网格（无法检测到人脸的图片将被跳过）
• 生成逼真的元数据（姓名、城市、Aadhaar 号码、最后一次出现地点）
• 将记录插入 SQLite 数据库
• 将图片复制到 resources/ 目录，以便应用程序可以显示这些图片

默认情况下，submitted_by 被设置为 gagan（即默认 login_config.yml 文件中的用户名）。如果你更改了用户名，请显式指定：

python scripts/bulk_upload.py --officer your_username

若要重置并从头开始重新填充数据：

sqlite3 sqlite_database.db "DELETE FROM registeredcases; DELETE FROM publicsubmissions;"
python scripts/bulk_upload.py

---

技术栈

• Streamlit — 两个门户的用户界面
• MediaPipe Tasks — 人脸网格特征点提取（468 个点 × 3D）
• scikit-learn KNN — 人脸识别匹配
• SQLModel + SQLite — 数据存储
• Folium — 交互式地图
• OpenCV — 视频帧提取

---

常见问题解答

问：我可以在没有互联网连接的情况下运行这个程序吗？ 人脸特征点检测模型（约 30 MB）会在首次运行时下载并缓存在本地。此后，两个门户都可以完全离线工作。

问：人脸识别的准确率如何？ 准确率高度依赖于照片的质量。正面、光线充足的图片效果最佳。每次匹配时显示的置信度分数反映了 KNN 的距离——数值越高，匹配度越强。

问：我可以添加多名警官吗？ 可以。在 login_config.yml 文件中添加所需的用户名即可。每位警官只能查看自己登记的案件；管理员则可以看到所有案件。

问：地图上没有显示我输入的城市。 地图使用内置的城市坐标查询功能。如果某个城市未被识别，请提交一个问题，或将该城市添加到 Home.py 文件中的 CITY_COORDS 字典中。

问：数据存储在哪里？ 所有数据都保存在项目根目录下的 sqlite_database.db 文件中（已加入 .gitignore）。图片以 JPG 格式存储在 resources/ 目录中（同样被忽略）。没有任何数据会被发送到外部服务器。

问：如何重置数据库？

sqlite3 sqlite_database.db "DELETE FROM registeredcases; DELETE FROM publicsubmissions;"

或者直接删除 sqlite_database.db 文件——下次运行时它会自动重新创建。

问：公众端能否与警官端分开部署？ 可以。它们是独立的 Streamlit 应用程序（Home.py 和 mobile_app.py），仅共享同一个 SQLite 数据库。只需将两者指向相同的数据库文件路径，它们就能协同工作。

---

感谢 MediaPipe 团队提供的开源人脸特征点检测模型。

Finding-missing-person-using-AI 快速上手指南

本项目是一个基于 AI 的失踪人员识别系统，利用 MediaPipe 提取面部特征点，并通过 KNN 算法进行人脸匹配。系统包含警官/管理员后台（Streamlit）和公众目击提交端（移动端友好）。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.8 - 3.10
• 前置依赖：
  • git：用于克隆代码仓库
  • pip 或 uv：用于安装 Python 依赖包
  • sqlite3：通常随 Python 或操作系统自带，用于本地数据存储

国内加速建议： 在安装 Python 依赖时，建议使用清华或阿里镜像源以提升下载速度：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目

git clone https://github.com/gaganmanku96/Finding-missing-person-using-AI.git
cd Finding-missing-person-using-AI

2. 安装依赖

使用 pip 安装所需库（首次运行会自动下载约 30MB 的 MediaPipe 面部模型）：

pip install -r requirements.txt

3. 配置登录凭证（可选但推荐）

默认配置文件 login_config.yml 已被 git 忽略。若需自定义用户或修改密码，请按以下步骤操作：

1. 生成密码哈希：

   import bcrypt
   print(bcrypt.hashpw(b"your_password", bcrypt.gensalt()).decode())
   

2. 编辑 login_config.yml： 将生成的哈希值填入配置文件：

   credentials:
     usernames:
       your_username:
         name: Your Display Name
         email: you@example.com
         city: Delhi
         area: Sector 1
         role: Admin                # 可选：Admin 或 Officer
         password: '$2b$12$...'     # 粘贴上面的哈希值
   

4. 导入演示数据（可选）

若希望立即体验完整流程，可运行脚本导入模拟数据（自动下载名人图片并生成虚假案情记录）：

# 下载示例图片到指定目录
uv run scripts/download_celebrity_images.py --dest both

# 执行批量上传，将图片转化为案件数据存入 SQLite
python scripts/bulk_upload.py
# 若修改了默认用户名，请指定：python scripts/bulk_upload.py --officer your_username

基本使用

本系统由两个独立的 Streamlit 应用组成，共享同一个 SQLite 数据库。

1. 启动警官/管理员后台

此端口用于注册失踪案件、查看仪表盘、触发匹配算法及管理数据。

streamlit run Home.py

• 功能：上传失踪者照片（自动提取 468 点面部网格）、查看案件分布地图、点击 "Match Cases" 进行比对。
• 访问：浏览器打开终端显示的本地地址（通常为 http://localhost:8501）。

2. 启动公众提交端口

此端口供公众上传目击照片或视频，无需登录即可使用。

streamlit run mobile_app.py

• 功能：上传目击现场的照片或视频，系统自动提取面部特征并入库。
• 访问：浏览器打开新终端显示的本地地址（通常为 http://localhost:8502）。

3. 测试流程

1. 在 Home.py 中注册一个“失踪案件”，上传一张清晰的人脸照片。
2. 在 mobile_app.py 中提交一张同一人的“目击照片”。
3. 回到 Home.py 仪表盘，点击 Match Cases。
4. 若匹配成功，案件状态将自动更新为 Found，并显示置信度百分比。

注意：若需启用邮件通知功能，请在运行前设置环境变量：SMTP_HOST, SMTP_PORT, SMTP_USER, SMTP_PASSWORD。