Finding-missing-person-using-AI新手指南：如何注册第一起失踪人员案件？多脸检测与照片上传实战-平芜编程栈

人工智能
计算机视觉
机器学习
后端

【免费下载链接】Finding-missing-person-using-AI

The project focuses on Tracking missing people. We are using Image processing and Machine learning along with Postgres Database.

项目地址：https://gitcode.com/gh_mirrors/fi/Finding-missing-person-using-AI

点击查看免费下载

Finding-missing-person-using-AI 是一个基于 Streamlit + MediaPipe 人脸检测 + KNN 机器学习的失踪人员追踪系统：上传一张照片，AI 自动提取 468 点面部网格，后续公众提交的目击照片会被自动比对，匹配成功后案件自动标记为 Found 并邮件通知报案人。本文手把手带你跑通系统，完成第一起失踪人员案件的注册，重点讲解多脸检测与照片上传的实战细节。

系统能做什么？

在进入实操之前，先了解这个失踪人员追踪系统的核心能力：

能力	说明
🧠 AI 人脸检测	MediaPipe Face Landmarker，支持同一张照片多张人脸检测（最多 5 张）
🎯 自动匹配	基于 1,404 维面部向量的 KNN 算法，显示匹配置信度百分比
📱 公众上报门户	独立的移动端页面，无需登录即可提交目击照片或视频
🗺️ 城市地图	Folium 交互地图，按城市统计案件密度与解决率
📧 邮件告警	匹配确认后自动邮件通知报案人
🔐 角色权限	Admin 可匹配/编辑/删除；Officer 可注册和查看自己登记的案件

技术栈包括 Streamlit（界面）、MediaPipe（人脸网格）、scikit-learn（KNN 匹配）、SQLModel + SQLite（数据存储）、Folium（地图）。

快速安装：3 条命令跑起系统

git clone https://gitcode.com/gh_mirrors/fi/Finding-missing-person-using-AI.git cd Finding-missing-person-using-AI pip install -r requirements.txt

依赖清单见 requirements.txt。然后分别启动两个门户：

# 警察/管理员门户（案件注册在这里进行） streamlit run Home.py # 公众目击上报门户（可选，另开一个终端） streamlit run mobile_app.py

💡 首次运行时会自动下载约 30 MB 的 face landmarker 模型并缓存到本地，之后即可完全离线使用。SQLite 数据库sqlite_database.db也会自动创建，无需手动建库。

配置登录账号（一次性设置）

案件注册页需要登录后才能访问。账号配置在login_config.yml（仓库默认 git-ignored）：

1. 生成 bcrypt 密码哈希：

import bcrypt print(bcrypt.hashpw(b"你的密码", bcrypt.gensalt()).decode())

2. 编辑login_config.yml：

credentials: usernames: your_username: name: Your Display Name email: you@example.com city: Delhi area: Sector 1 role: Admin # Admin 或 Officer password: '$2b$12$...' # 粘贴第 1 步生成的哈希

两种角色的权限差异：

角色	权限
Admin	注册案件、查看全部案件、触发人脸匹配、编辑/删除案件
Officer	注册案件、查看自己登记的案件

注册第一起失踪案件：分步实战

第 1 步：登录，查看案件看板

启动后输入账号登录，首页（Home.py）会显示你的姓名、所属区域、角色徽章，以及已找到 / 未找到案件计数和按城市分布的地图：

第 2 步：上传照片，见证多脸检测

进入侧边栏的Register New Case页面（源码：pages/1_Register New Case.py），点击Upload Photo拖入照片（支持 JPG / JPEG / PNG，单文件上限 200MB）。上传后系统立刻自动检测人脸，界面效果如下：

系统最多检测5 张人脸，有三种结果：

未检测到人脸：提示 "No face detected"，请换一张光照充足、正脸清晰的照片；
检测到 1 张脸：绿色方框自动框住并标注 "Face detected"，自动选中，无需任何操作；
检测到多张脸：每张脸用不同颜色编号（Face 1、Face 2…），页面出现 "Select face" 单选按钮，点击选中要登记的那个人，被选中的脸会变为绿色高亮（标注 "Face N (selected)"），其余变灰。

⚠️ 多人合影中一定确认选中的是失踪者本人——只有你选中的那张脸的 468 点网格会被入库。

第 3 步：填写案件信息表单

照片就绪后，右侧表单解锁。带*的为必填项，其余选填：

字段	说明	校验规则
Name *	失踪者姓名	不能为空
Father's Name	父亲姓名	选填
Age	年龄（数字，1–120）	默认 10
Mobile Number	手机号	如填写必须恰好 10 位数字
Aadhaar Card	Aadhaar 卡号	如填写必须恰好 12 位数字
Address / Birth Marks	住址 / 胎记特征	选填
City *	所在城市	不能为空（用于地图统计）
Last Seen *	最后出现地点	不能为空
Description	补充描述	选填

下方还有报案人信息（Complainant Details）：Complainant Name *、Complainant Phone *（恰好 10 位数字）、Complainant Email（用于匹配成功后接收邮件通知，强烈建议填写）。

第 4 步：提交并验证

点击Save Case。所有校验通过后，案件以初始状态NF（Not Found）写入 SQLite，页面显示 "✅ Case registered successfully."。

此时去All Cases页面（源码：pages/2_All Cases.py）即可看到新登记的案件卡片：照片、姓名、年龄、状态、最后出现地点，支持按状态/姓名/日期过滤和导出 CSV：

多脸检测背后的原理（进阶阅读）

人脸检测的核心逻辑在 pages/helper/utils.py：

detect_all_faces()调用 MediaPipe Face Landmarker，对每张照片最多返回 5 个脸的468 个 3D 关键点（展平后为 1,404 维向量）；
draw_face_boxes()为每张脸绘制带编号的彩色检测框，选中脸用绿色高亮；
提交时只取你选中的那张脸的 landmarks 序列化为 JSON，存入face_mesh字段（数据模型见 pages/helper/data_models.py）。

后续公众在 mobile_app.py 门户提交目击照片（或视频，视频会自动抽帧提取去重后的独立人脸）后，Admin 在Match Cases页面（pages/3_Match Cases.py）点击🔄 Refresh触发 KNN 比对，距离越近置信度越高，超过阈值即自动将案件翻转为Found并给报案人发邮件。