瑞芯微RV1126B开发板（EASY-EAI-PI2） 人脸检测

1. 人脸检测简介人脸检测是人脸识别、人脸属性分类、人脸编辑、人脸跟踪等任务必不可少的早期步骤其性能直接影响到人脸识别等任务的有效性。尽管在过去的几十年里不受控制的人脸检测取得了巨大的进步但在野外准确高效的人脸检测仍然是一个公开的挑战。这是由于姿势的变化、面部表情、比例、光照、图像失真、面部遮挡等因素造成的。与一般的目标检测不同人脸检测的特点是在纵横比上的变化较小但在尺度上的变化大得多(从几个像素到数千像素)。本人脸检测算法在数据集表现如下所示基于EASY-EAI-PI2硬件主板的运行效率2. 快速上手2.1 开发环境准备如果您初次阅读此文档请阅读《入门指南/开发环境准备/Easy-Eai编译环境准备与更新》并按照其相关的操作进行编译环境的部署。在PC端Ubuntu系统中执行run脚本进入EASY-EAI编译环境具体如下所示。cd ~/develop_environment ./run.sh 22042.2 源码下载在EASY-EAI编译环境下创建存放源码仓库的管理目录cd /opt mkdir EASY-EAI-Toolkit cd EASY-EAI-Toolkit通过git工具在管理目录内克隆远程仓库git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-1126B.git注* 此处可能会因网络原因造成卡顿请耐心等待。* 如果实在要在gitHub网页上下载也要把整个仓库下载下来不能单独下载本实例对应的目录。2.3 模型部署要完成算法Demo的执行需要先下载人脸检测算法模型。百度网盘链接为https://pan.baidu.com/s/1nGQCTpD_Bk4byxqILZSWwA?pwd1234 提取码1234 。同时需要把下载的人脸检测算法模型复制粘贴到Release/目录2.4 例程编译进入到对应的例程目录执行编译操作具体命令如下所示cd EASY-EAI-Toolkit-1126B/Demos/algorithm-face_detect/ ./build.sh cpres注* 由于依赖库部署在板卡上因此交叉编译过程中必须保持/mnt挂载。* 若build.sh脚本带有cpres参数则会把Release/目录下的所有资源都拷贝到开发板上。2.5 例程运行及效果通过串口调试或ssh调试进入板卡后台定位到例程部署的位置如下所示cd /userdata/Demo/algorithm-face_detect/运行例程命令如下所示sudo ./test-face-detect test.jpg在EASY-EAI编译环境可以取回测试图片:cp /mnt/userdata/Demo/algorithm-face_detect/result.jpg .结果图片如下所示API的详细说明以及API的调用本例程源码详细信息见下方说明。3. 人脸检测API说明3.1 引用方式为方便客户在本地工程中直接调用我们的EASY EAI api库此处列出工程中需要链接的库以及头文件等方便用户直接添加。3.2 人脸检测初始化函数人脸检测初始化函数原型如下所示。int face_detect_init(rknn_context *ctx, const char *path)具体介绍如下所示。3.3 人脸检测运行函数人脸检测运行函数face_detect_run原型如下所示。int face_detect_run(rknn_context ctx, cv::Mat input_image, std::vectordet result)具体介绍如下所示。3.4 人脸检测释放函数人脸检测释放函数原型如下所示。int face_detect_release(rknn_context ctx)具体介绍如下所示。4. 人脸检测算法例程例程目录为Demos/algorithm-face_detect/test-face-detect.cpp操作流程如下。参考例程如下所示。#include opencv2/opencv.hpp #include stdio.h #include sys/time.h #include face_detect.h using namespace cv; int main(int argc, char **argv) { if( argc ! 2) { printf(./test-face-detect xxx\n); return -1; } struct timeval start; struct timeval end; float time_use0; rknn_context ctx; std::vectordet result; Mat image; image cv::imread(argv[1], 1); face_detect_init(ctx, face_detect.model); gettimeofday(start,NULL); face_detect_run(ctx, image, result); gettimeofday(end,NULL); time_use(end.tv_sec-start.tv_sec)*1000000(end.tv_usec-start.tv_usec);//微秒 printf(time_use is %f\n,time_use/1000); printf(face num:%d\n, (int)result.size()); for (int i 0; i (int)result.size(); i) { int x (int)(result[i].box.x); int y (int)(result[i].box.y); int w (int)(result[i].box.width); int h (int)(result[i].box.height); rectangle(image, Rect(x, y, w, h), Scalar(0, 255, 0), 2, 8, 0); for (int j 0; j (int)result[i].landmarks.size(); j) { cv::circle(image, cv::Point((int)result[i].landmarks[j].x, (int)result[i].landmarks[j].y), 2, cv::Scalar(225, 0, 225), 2, 8); } } imwrite(result.jpg, image); face_detect_release(ctx); return 0; }