Windows10下face_recognition与DeepFace共存致编码生成崩溃求助

问题背景 #

开发人脸识别桌面应用，使用face_recognition和DeepFace库，基于venv虚拟环境。代码在Colab上运行正常，但Windows10本地环境下：

• 出现TensorFlow警告（已尝试通过环境变量TF_ENABLE_ONEDNN_OPTS=0关闭无效）
• 触发face_recognition生成人脸编码时应用直接崩溃
• 卸载Keras后，face_recognition编码功能恢复正常，但DeepFace依赖Keras无法使用

环境版本 #

• Keras 2.15.0
• TensorFlow 2.15.0

警告信息 #

2024-02-04 12:16:00.858406: I tensorflow/core/util/port.cc:113] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable TF_ENABLE_ONEDNN_OPTS=0.
WARNING:tensorflow:From C:\Users\xxx\Desktop\xxxx\xxxxx\xxxxxx\venv\lib\site-packages\keras\src\losses.py:2976: The name tf.losses.sparse_softmax_cross_entropy is deprecated. Please use tf.compat.v1.losses.sparse_softmax_cross_entropy instead.

核心导入代码 #

import tkinter as tk
from tkinter import filedialog
from PIL import ImageTk, Image
import json
from imutils import paths
import argparse
import pickle
import cv2
import os
import face_recognition
import time
from deepface import DeepFace
from retinaface import RetinaFace
from imutils.video import VideoStream
import imutils

问题根源 #

face_recognition依赖的dlib库（C++实现）与TensorFlow/Keras在Windows环境下存在底层运行时冲突：

1. dlib的C++运行时和TensorFlow的oneDNN优化模块存在兼容性问题
2. Keras 2.15.0调用TensorFlow旧API的行为，在Windows环境下触发未被Linux（Colab）暴露的隐性冲突

解决方案 #

方案1：子进程隔离运行环境 #

将face_recognition的编码逻辑与DeepFace的逻辑完全隔离，通过子进程调用避免环境污染：

1. 创建独立编码脚本face_encoding_service.py：

import face_recognition
import sys
import json

if __name__ == "__main__":
    image_path = sys.argv[1]
    image = face_recognition.load_image_file(image_path)
    encodings = face_recognition.face_encodings(image)
    # 将编码转为可序列化的列表格式输出
    print(json.dumps([list(enc) for enc in encodings]))

2. 主应用中通过子进程调用该脚本：

import subprocess
import json
import os

def get_face_encodings(image_path):
    result = subprocess.run(
        ["python", "face_encoding_service.py", image_path],
        capture_output=True,
        text=True,
        cwd=os.path.dirname(os.path.abspath(__file__))
    )
    if result.returncode == 0:
        return json.loads(result.stdout)
    else:
        raise RuntimeError(f"编码生成失败: {result.stderr}")

此方案彻底隔离两个库的运行环境，从根源避免冲突。

方案2：调整依赖版本组合 #

降级TensorFlow和Keras到兼容性更稳定的版本：

# 卸载现有版本
pip uninstall -y tensorflow keras
# 安装指定版本
pip install tensorflow==2.14.0 keras==2.14.0 face-recognition deepface

TensorFlow 2.14.0与Keras 2.14.0的组合在Windows环境下经过更充分的兼容性测试，可降低冲突概率。

方案3：强制TensorFlow使用旧版API #

在导入DeepFace前覆盖TensorFlow的API调用，避免Keras触发的警告及潜在冲突：

import tensorflow as tf
# 禁用即时执行模式，兼容旧版API
tf.compat.v1.disable_eager_execution()
# 替换Keras调用的旧API
tf.losses.sparse_softmax_cross_entropy = tf.compat.v1.losses.sparse_softmax_cross_entropy

# 之后再导入其他库
import face_recognition
from deepface import DeepFace
# ... 其余导入代码

验证步骤 #

1. 单独测试face_recognition的编码生成功能，确认无崩溃
2. 测试DeepFace的人脸识别/分析功能，确认正常运行
3. 整合两个功能进行完整流程测试

内容的提问来源于stack exchange，提问作者6soft_coder9