python - 如何在 python 中使用 pymongo 将 128d 向量插入到 mongodb 数据库中

Question

我正在尝试将我为包含多张人脸的图像中的人脸生成的 128d 矢量插入到 MongoDB 集合(矢量)中。我正在使用著名的 dlib 库来生成 128d 向量。当我尝试将此向量插入 mongodb 集合时，出现“无法编码对象错误”。错误如下。

    File "/usr/local/lib/python2.7/dist-packages/pymongo/pool.py", line 610, in _raise_connection_failure
    raise error
bson.errors.InvalidDocument: Cannot encode object: dlib.vector([-0.078586, 0.0277601, 0.02961, 0.0263595, -0.0423636, -0.0593996, -0.0353243, -0.157486, 0.169706, -0.0115421, 0.215085, 0.0998522, -0.230498, -0.0380571, -0.0662888, 0.0504411, -0.0678306, -0.0943572, -0.123836, -0.0879753, -0.0753862, 0.000870723, 0.0786572, 0.0651935, -0.0732055, -0.294396, -0.108001, -0.122248, 0.0798309, -0.0558914, -0.00326786, -0.00399151, -0.201238, -0.0997921, 0.0628334, -0.0214193, -0.0168998, -0.00545083, 0.260324, -0.0224971, -0.137103, 0.0410911, 0.0381873, 0.228159, 0.101016, 0.0886697, 0.0711474, -0.12792, 0.0942142, -0.139165, 0.0716797, 0.147697, 0.0957785, -0.00807651, 0.0464634, -0.18575, 0.00923027, 0.0976636, -0.24552, 0.145688, 0.0765331, -0.0418556, -0.0641425, 0.00440269, 0.181549, 0.134916, -0.0709987, -0.182558, 0.168222, -0.238072, 0.041242, 0.10536, -0.0684752, -0.199106, -0.233173, 0.00511742, 0.417584, 0.176161, -0.11886, 0.0600367, -0.16006, -0.0130243, 0.0705707, -0.0569518, -0.136003, 0.0180192, -0.0785295, -0.00361975, 0.212427, 0.0941055, -0.064303, 0.178207, 0.00868456, 0.0107785, 0.0646739, 0.0319019, -0.11788, -0.046726, -0.129802, 0.00561518, -0.0292626, -0.0468726, 0.132234, 0.00913511, -0.159603, 0.0933984, -0.0159525, -0.0224207, 0.00211018, 0.119351, -0.154814, -0.0764414, 0.170755, -0.303818, 0.304808, 0.111342, 0.066825, 0.12282, 0.0600208, 0.0596608, -0.0402757, -0.017425, -0.0706421, -0.102285, 0.0109511, -0.0790169, 0.18963, 0.0300883])

我确实尝试将这个 128d 向量转换为列表、np 数组，但没有帮助。

有没有办法插入 128d 向量，因为它在 MongoDB 中使用 pymongo，因为我想稍后比较 128d 向量的相似性。

我尝试将向量插入 mongodb 的代码部分如下。

face_descriptor = facerec.compute_face_descriptor(img, shape)
        print(face_descriptor)
        result = db.vectors.insert_one({"image": face_descriptor, "paths" : f})

非常感谢您的帮助。谢谢。

Answer 1

我只是将其转换为列表以保存在数据库中。

face_descriptor_list = list(facerec.compute_face_descriptor(img, shape))
db.vectors.insert_one({"image": face_descriptor_list, "paths" : f})

检索:

从数据库中取出后，转换回dlib vector

img_data = db.vectors.find_one({...})
face_descriptor = dlib.vector(img_data['image'])