需求分析与设计文档：群聊小朋友照片提取功能
1. 需求概述
开发一个基于 deepface 的人脸识别与分析功能，通过权限管理系统控制该功能在群聊中的启用状态。该功能可以自动识别群聊中分享的图片，提取包含小朋友人脸的照片，并按照人脸进行分类整理。
2. 功能需求
2.1 基本功能
- 通过群权限管理系统控制功能的开启与关闭
- 处理指定目录下的图片文件
- 分析图片中的人脸，识别小朋友的人脸
- 将包含小朋友人脸的图片进行分类存储
- 支持通过指令触发人脸分组功能
- 记录每个群的最后分析时间
- 分析完成后输出详细的分析结果统计
2.2 详细需求
-
权限管理：
- 使用现有的
GroupBotManager管理该功能的权限 - 通过指令启用/关闭该功能
- 使用现有的
-
图片处理：
- 处理指定目录下的图片文件（不需要处理微信消息）
- 根据指令处理对应群聊的图片目录
- 支持常见图片格式（jpg, png, jpeg等）
- 图片预处理（调整大小、格式转换等）
-
人脸识别：
- 识别图片中的所有人脸
- 判断人脸是否为小朋友（儿童）
- 提取小朋友人脸特征用于分组
-
照片分类：
- 为每个识别出的小朋友创建独立文件夹
- 将包含同一小朋友的照片复制到对应文件夹
- 处理一张图片中多个小朋友的情况
-
指令控制：
- 提供开始分析的指令
- 提供查看分析结果的指令
- 提供清理分析数据的指令
- 提供查询最后分析时间的指令
-
分析记录：
- 记录每个群的最后分析时间
- 记录每次分析的统计结果（处理图片数、识别人脸数、分类结果等）
- 支持查询历史分析记录
-
结果输出：
- 分析完成后自动输出详细的分析结果
- 包括处理图片总数、识别出的小朋友数量、每个小朋友的照片数量
- 提供分类后的文件夹路径信息
3. 技术方案
3.1 技术栈
- deepface：用于人脸检测、年龄估计和人脸识别
- Python：核心开发语言
- Redis：存储权限配置和人脸特征数据
- OpenCV：辅助图像处理
3.2 系统架构
+------------------+ +------------------+ +------------------+
| | | | | |
| 权限管理模块 |---->| 图片处理模块 |---->| 人脸识别模块 |
| (GroupBotManager)| | (ImageProcessor) | | (FaceAnalyzer) |
| | | | | |
+------------------+ +------------------+ +------------------+
|
v
+------------------+ +------------------+ +------------------+
| | | | | |
| 指令处理模块 |<----| 照片分类模块 |<----| 人脸分组模块 |
| (CommandHandler) | | (PhotoClassifier)| | (FaceGrouper) |
| | | | | |
+------------------+ +------------------+ +------------------+
3.3 模块设计
3.3.1 权限管理模块
- 使用现有的
GroupBotManager类 - 添加
KID_PHOTO_EXTRACT功能权限（已存在） - 提供权限检查方法
3.3.2 图片处理模块
- 扫描指定目录下的图片
- 图片预处理（调整大小、格式转换等）
- 支持批量处理多张图片
3.3.3 人脸识别模块
- 使用 deepface 进行人脸检测
- 年龄估计，识别小朋友（例如年龄 < 14 岁）
- 提取人脸特征向量
3.3.4 人脸分组模块
- 基于人脸特征向量进行聚类
- 为每个聚类分配唯一 ID
- 维护人脸 ID 与照片的映射关系
3.3.5 照片分类模块
- 创建分类目录结构
- 将照片复制到对应的分类目录
- 处理一张照片中多个小朋友的情况
3.3.6 指令处理模块
- 解析用户指令
- 触发相应的功能模块
- 返回操作结果消息
4. 数据结构设计
4.1 Redis 数据结构
-
权限配置：
group:{group_id}:permissions- 哈希表，存储群组的功能权限配置
- 包含 KID_PHOTO_EXTRACT 的启用状态
-
人脸特征数据：
group:{group_id}:kid_faces- 哈希表，存储识别出的小朋友人脸特征
- 键为人脸 ID，值为特征向量的序列化数据
-
照片映射：
group:{group_id}:kid_photos:{face_id}- 集合，存储包含特定小朋友的照片路径
-
分析记录：
group:{group_id}:photo_analysis:last_time- 字符串，存储最后一次分析的时间戳
-
分析结果：
group:{group_id}:photo_analysis:results- 列表，存储历史分析结果的JSON数据
- 每次分析后将结果添加到列表头部
4.2 文件目录结构
/群聊文件目录/
├── 原始图片/ # 已下载好的图片目录
│ ├── image1.jpg
│ ├── image2.png
│ └── ...
└── kid_photos/ # 分析结果目录
├── kid_1/
│ ├── photo1.jpg
│ └── photo2.jpg
├── kid_2/
│ ├── photo1.jpg
│ └── photo3.jpg
└── analysis_report.json # 分析报告文件
5. 接口设计
5.1 插件接口
class KidPhotoExtractor(PluginInterface):
def __init__(self, system_context):
super().__init__("kid_photo_extract", "小朋友照片提取", system_context)
self.face_analyzer = FaceAnalyzer()
self.photo_classifier = PhotoClassifier()
def handle_command(self, command, message):
# 处理用户指令
pass
def analyze_photos(self, group_id, source_dir):
# 分析指定目录下的照片
pass
def generate_report(self, group_id, analysis_result):
# 生成分析报告
pass
5.2 指令接口
-
开始分析：
#开始分析照片 [可选:目录路径]- 触发对指定目录下图片的分析
- 如果不指定目录，则使用默认的群聊文件目录
-
查看结果：
#查看照片分析- 返回最近一次分析结果统计信息
-
清理数据：
#清理照片分析- 清理分析数据和分类目录
-
查询分析时间：
#照片分析时间- 返回最后一次分析的时间信息
6. 实现流程
6.1 权限管理流程
- 用户发送权限设置指令
- 系统验证用户权限
- 更新群组的 KID_PHOTO_EXTRACT 权限状态
- 返回设置结果
6.2 照片分析流程
- 用户发送开始分析指令（可指定目录）
- 系统验证群组权限
- 扫描指定目录中的图片
- 对每张图片进行人脸检测
- 识别小朋友人脸并提取特征
- 对人脸特征进行聚类分组
- 创建分类目录结构
- 将照片复制到对应分类目录
- 生成分析报告并保存
- 记录分析时间和结果
- 返回分析完成消息和结果统计
6.3 分析结果输出流程
- 分析完成后自动生成结果报告
- 报告包含以下内容：
- 分析时间
- 处理图片总数
- 识别出的小朋友总数
- 每个小朋友的照片数量
- 分类后的文件夹路径
- 将报告以文本形式发送到群聊
- 同时保存报告为JSON文件
7. 安全与隐私考虑
-
数据安全：
- 图片处理完成后及时清理临时文件
- 人脸特征数据加密存储
-
隐私保护：
- 只在功能启用的群组中处理图片
- 提供清理数据的指令
- 不上传或分享用户照片到外部服务
- 分析结果仅在群内可见
-
权限控制：
- 只有群管理员可以启用/关闭该功能
- 只有授权用户可以触发分析指令
8. 性能优化
-
图片处理优化：
- 限制处理图片的大小
- 使用多线程并行处理多张图片
-
人脸识别优化：
- 缓存已识别的人脸特征
- 使用轻量级模型进行初步筛选
-
存储优化：
- 定期清理长时间未访问的数据
- 对大量数据进行分片存储
9. 开发计划
9.1 阶段一：基础功能实现
- 实现权限管理集成
- 实现基本的人脸检测和年龄估计
- 实现简单的照片分类功能
9.2 阶段二：功能完善
- 实现人脸聚类和分组
- 优化小朋友识别准确率
- 完善指令系统
9.3 阶段三：性能优化与测试
- 性能优化
- 全面测试
- 文档完善
10. 测试计划
10.1 单元测试
- 测试人脸检测准确率
- 测试年龄估计准确率
- 测试人脸聚类效果
10.2 集成测试
- 测试与权限系统的集成
- 测试与消息系统的集成
- 测试与文件系统的集成
10.3 性能测试
- 测试大量图片处理性能
- 测试多人脸图片处理性能
- 测试系统资源占用情况
11. 总结
本功能通过 deepface 技术实现群聊中小朋友照片的自动识别与分类，帮助用户更好地管理和整理群聊中分享的照片。该功能与现有的权限管理系统无缝集成，用户可以通过简单的指令控制功能的启用和使用。
实现该功能需要解决人脸检测、年龄估计、人脸聚类等技术挑战，同时需要考虑数据安全和隐私保护问题。通过分阶段开发和全面测试，确保功能的稳定性和可靠性。
接下来的内容： 1.需要支持人脸人工打标，打标之后，记录到数据库里面，作为分析的对比源头。