SecureFace

本仓库提供两层能力：

1. 人脸认证引擎（Python）：faceauth_engine/
2. Linux 集成组件（Rust/C）：faceauthd、pam_faceauth.so、faceauth-polkit-agent、faceauth-settings

---

目录说明

• faceauth_engine/：模块化引擎
• face_recognition_enhanced.py：完整参考实现（含 GUI 演示流程）
• faceauthd/：D-Bus daemon（Rust）
• pam/：PAM 模块（C）
• faceauth-polkit-agent/：GTK polkit agent（Rust）
• faceauth-settings/：GTK 设置界面（Rust）
• deploy/：systemd / D-Bus / desktop 部署文件
• models/：模型目录（已创建，可直接放模型）
• data/：数据库/运行数据目录

---

模型放置（你现在可以直接复制模型）

由于 GitHub 不适合上传大模型压缩包，仓库内已预留 models/ 目录。

请把模型放到以下固定路径（与默认配置一致）：

• models/w600k_mbf.onnx（MobileFaceNet embedding）
• models/liveness.onnx（活体模型）
• models/deploy.prototxt（DNN 人脸检测）
• models/res10_300x300_ssd_iter_140000.caffemodel（DNN 人脸检测）

默认配置见：faceauth_engine/config.py。

---

Python 引擎使用

1) 安装依赖

python -m venv .venv
source .venv/bin/activate
pip install opencv-python numpy onnxruntime

2) 直接调用引擎 API

from faceauth_engine import FaceAuthEngine

engine = FaceAuthEngine()
ok = engine.enroll("alice")
result = engine.authenticate()  # PASS / UNKNOWN / NOT_LIVE / ERROR
print(ok, result)

3) CLI 使用

python -m faceauth_engine --enroll alice
python -m faceauth_engine

---

编译 Linux 集成组件

1) Rust 组件

cargo build --workspace

会构建：

• faceauthd
• faceauth-polkit-agent
• faceauth-settings

2) PAM 模块

make -C pam

生成：pam/pam_faceauth.so

若报缺少 dbus-1 或 pam 头文件，请先安装开发包（如 libdbus-1-dev、libpam0g-dev）。

---

运行示例

1) 启动 daemon（开发环境）

cargo run -p faceauthd

2) 调用引擎（开发验证）

python -m faceauth_engine

3) 部署到系统（生产）

将 deploy/ 中的文件安装到系统路径：

• deploy/faceauthd.service
• deploy/io.secureface.FaceAuth.service
• deploy/secureface-polkit-agent.desktop

并按你的发行版规范安装二进制到对应目录（例如 /usr/libexec/secureface/）。

---

认证流程（引擎固定）

1. detect face
2. select largest face
3. align to 112x112
4. normalize [-1,1]
5. run embedding model
6. run liveness model
7. compare with database (dot product)
8. apply threshold logic

返回值严格为：

• PASS
• UNKNOWN
• NOT_LIVE
• ERROR