1. 人臉識(shí)別簡(jiǎn)介

人臉識(shí)別，是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部識(shí)別的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別，本實(shí)例也包括這幾個(gè)流程。

本人臉識(shí)別算法在數(shù)據(jù)集表現(xiàn)如下所示：

基于EASY-EAI-Nano硬件主板的運(yùn)行效率：

2. 快速上手

2.1 開(kāi)發(fā)環(huán)境準(zhǔn)備

如果您初次閱讀此文檔，請(qǐng)閱讀《入門指南/開(kāi)發(fā)環(huán)境準(zhǔn)備/Easy-Eai編譯環(huán)境準(zhǔn)備與更新》，并按照其相關(guān)的操作，進(jìn)行編譯環(huán)境的部署。

在PC端Ubuntu系統(tǒng)中執(zhí)行run腳本，進(jìn)入EASY-EAI編譯環(huán)境，具體如下所示。

cd ~/develop_environment
./run.sh

2.2 源碼下載以及例程編譯

在EASY-EAI編譯環(huán)境下創(chuàng)建存放源碼倉(cāng)庫(kù)的管理目錄：

cd /opt
mkdir EASY-EAI-Toolkit
cd EASY-EAI-Toolkit

通過(guò)git工具，在管理目錄內(nèi)克隆遠(yuǎn)程倉(cāng)庫(kù)

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-C-Demo.git

注：

* 此處可能會(huì)因網(wǎng)絡(luò)原因造成卡頓，請(qǐng)耐心等待。

* 如果實(shí)在要在gitHub網(wǎng)頁(yè)上下載，也要把整個(gè)倉(cāng)庫(kù)下載下來(lái)，不能單獨(dú)下載本實(shí)例對(duì)應(yīng)的目錄。

進(jìn)入到對(duì)應(yīng)的例程目錄執(zhí)行編譯操作，具體命令如下所示：

cd EASY-EAI-Toolkit-C-Demo/algorithm-face_recognition/
./build.sh cpres

注：

* 若build.sh腳本帶有cpres參數(shù)，則會(huì)把Release/目錄下的所有資源都拷貝到開(kāi)發(fā)板上。

* 若build.sh腳本不帶任何參數(shù)，則僅會(huì)拷貝demo編譯出來(lái)的可執(zhí)行文件。

* 由于依賴庫(kù)部署在板卡上，因此交叉編譯過(guò)程中必須保持adb連接。

2.3 模型部署

要完成算法Demo的執(zhí)行，需要先下載人臉檢測(cè)算法模型

百度網(wǎng)盤鏈接為：https://pan.baidu.com/s/1cxnx1T0ldJvoqkyTk1RmUg (提取碼：0b6h )。

也要下載人臉識(shí)別算法模型。

百度網(wǎng)盤鏈接為:https://pan.baidu.com/s/1L6ip8D13-kyo2i8il9ru6A (提取碼：56xm )。

然后需要把下載的人臉檢測(cè)算法模型和人臉識(shí)別算法模型復(fù)制粘貼到Release/目錄：

再通過(guò)下方命令將模型署到板卡中，如下所示。

cp ./Release/*.model /mnt/userdata/Demo

2.4 例程運(yùn)行

通過(guò)按鍵Ctrl+Shift+T創(chuàng)建一個(gè)新窗口，執(zhí)行adb shell命令，進(jìn)入板卡運(yùn)行環(huán)境。

adb shell

進(jìn)入板卡后，定位到例程上傳的位置，如下所示：

cd /userdata/Demo

運(yùn)行例程命令如下所示：

./test-face-recognition 1.jpg 2.jpg

2.5 運(yùn)行效果

face-recognition的Demo執(zhí)行效果如下所示，一般相似度大于0.4視為同一個(gè)人:

API的詳細(xì)說(shuō)明，以及API的調(diào)用（本例程源碼），詳細(xì)信息見(jiàn)下方說(shuō)明。

3. 人臉檢測(cè)API說(shuō)明

3.1 引用方式

為方便客戶在本地工程中直接調(diào)用我們的EASY EAI api庫(kù)，此處列出工程中需要鏈接的庫(kù)以及頭文件等，方便用戶直接添加。

3.2 人臉檢測(cè)初始化函數(shù)

設(shè)置人臉檢測(cè)初始化函數(shù)原型如下所示。

 int face_detect_init(rknn_context *ctx, const char *path)

具體介紹如下所示。

3.3 人臉檢測(cè)運(yùn)行函數(shù)

設(shè)face_detect_run原型如下所示。

int face_detect_run(rknn_context ctx, cv::Mat &input_image, std::vector &result)

具體介紹如下所示。

3.4 人臉檢測(cè)釋放函數(shù)

人臉檢測(cè)釋放函數(shù)原型如下所示。

 int face_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 人臉標(biāo)準(zhǔn)化API說(shuō)明

4.1 引用方式

為方便客戶在本地工程中直接調(diào)用我們的EASY EAI api庫(kù)，此處列出工程中需要鏈接的庫(kù)以及頭文件等，方便用戶直接添加。

4.2 人臉標(biāo)準(zhǔn)化函數(shù)

設(shè)置人臉標(biāo)準(zhǔn)化函數(shù)原型如下所示。

 cv::Mat face_alignment(cv::Mat img, cv::Point2f* points)

具體介紹如下所示。

5. 人臉識(shí)別API說(shuō)明

5.1 引用方式

為方便客戶在本地工程中直接調(diào)用我們的EASY EAI api庫(kù)，此處列出工程中需要鏈接的庫(kù)以及頭文件等，方便用戶直接添加。

5.2 人臉識(shí)別初始化函數(shù)

設(shè)置人臉識(shí)別初始化函數(shù)原型如下所示。

 int face_recognition_init(rknn_context *ctx, const char * path)

具體介紹如下所示。

5.3 人臉識(shí)別運(yùn)行函數(shù)

設(shè)face_detect_run原型如下所示。

int face_recognition_run(rknn_context ctx, cv::Mat *face_image, float (*feature)[512])

具體介紹如下所示。

5.4 人臉識(shí)別特征比對(duì)函數(shù)

設(shè)face_detect_run原型如下所示。

float face_recognition_comparison(float *feature_1, float *feature_2, int output_len)

具體介紹如下所示。

5.5 人臉識(shí)別釋放函數(shù)

人臉識(shí)別釋放函數(shù)原型如下所示。

 int face_recognition_release(rknn_context ctx)

具體介紹如下所示。

6. 人臉識(shí)別算法例程

例程目錄為Toolkit-C-Demo/algorithm-face_recognition/test-face-recognition.cpp，操作流程如下。

參考例程如下所示。

#include 
#include 
#include 
#include 
#include 
#include 
#include "face_detect.h"
#include "face_alignment.h"
#include "face_recognition.h"
using namespace cv;

int main(int argc, char **argv)
{
	rknn_context detect_ctx, recognition_ctx;
	std::vector result1, result2;
	int ret;
	struct timeval start;
	struct timeval end;
	float time_use=0;

	if( argc != 3)
	{
		printf("./face_recognition_demo xxx.jpg xxx.jpgn");
		return -1;
	}

	cv::Mat src_1, src_2;
	src_1 = cv::imread(argv[1], 1);
	src_2 = cv::imread(argv[2], 1);

	/* 人臉檢測(cè)初始化 */	
	printf("face detect init!n");
	ret = face_detect_init(&detect_ctx, "./face_detect.model");
	if( ret < 0)
	{
		printf("face_detect_init fail! ret=%dn", ret);
		return -1;
	}

	/* 人臉識(shí)別初始化 */
	printf("face recognition init!n");
	ret =  face_recognition_init(&recognition_ctx, "./face_recognition.model");
	if( ret < 0)
	{
		printf("face_recognition fail! ret=%dn", ret);
		return -1;
	}

	/* 人臉檢測(cè)執(zhí)行 */
	face_detect_run(detect_ctx, src_1, result1);
	face_detect_run(detect_ctx, src_2, result2);

	Point2f points1[5], points2[5];

	for (int j = 0; j < (int)result1[0].landmarks.size(); ++j) 
	{
		points1[j].x = (int)result1[0].landmarks[j].x;
		points1[j].y = (int)result1[0].landmarks[j].y;
	}

	for (int j = 0; j < (int)result2[0].landmarks.size(); ++j) 
	{
		points2[j].x = (int)result2[0].landmarks[j].x;
		points2[j].y = (int)result2[0].landmarks[j].y;
	}

	Mat face_algin_1, face_algin_2;
	face_algin_1 = face_alignment(src_1, points1);
	face_algin_2 = face_alignment(src_2, points2);

	/* 人臉識(shí)別執(zhí)行 */
	float feature_1[512], feature_2[512];

	gettimeofday(&start,NULL); 
	face_recognition_run(recognition_ctx, &face_algin_1, &feature_1);
	gettimeofday(&end,NULL);
	time_use=(end.tv_sec-start.tv_sec)*1000000+(end.tv_usec-start.tv_usec);//微秒
	printf("time_use is %fn",time_use/1000);

	face_recognition_run(recognition_ctx, &face_algin_2, &feature_2);


	float similarity;
	similarity = face_recognition_comparison(feature_1, feature_2, 512);

	printf("similarity:%fn", similarity);	

	/* 人臉檢測(cè)釋放 */
	face_detect_release(detect_ctx);

	/* 人臉識(shí)別釋放 */
	face_recognition_release(recognition_ctx);

	return 0;
}

審核編輯 黃宇