1 本期內容介紹

上一期介紹了基于EAIDK的人臉算法應用，本期從應用角度，解讀一下該案例源碼。
本期案例源碼解讀，主要從源碼目錄結構、配置文件、模型目錄、源碼流程、重點源碼文件等進行解讀。

本期源碼解讀目標：

1. 讓EAIDK-310開發者對EAIDK-310環境更加熟練
2. 熟悉EAIDK-310人臉識別案例源碼
3. 方便開發者使用vision.sdk的調用流程，為二次開發做指引參考

2 目錄結構介紹

從ftp://ftp.eaidk.net/EAIDK310/_Source/eaidk310/_face/_package/獲取源碼包后，直接解壓后得到eaidk310_face_package文件夾，文件夾內容如下圖所示：

將eaidk310_face_demo.zip解壓后，源碼包整體目錄結構如下：

doc目錄：指文檔目錄，包含Vision.Face SDK手冊，Vision.Face SDK人臉算法Q&A手冊。其中Vision.Face SDK手冊，詳細介紹了人臉算法的各個API接口，本案例人臉應用調用的接口全部在該文檔中有介紹。

face-sdk目錄：vision.sdk人臉算法庫（libface.so）

eaidk310/_face/_demo.zip：eaidk310人臉推廣案例的源代碼包，解壓后的目錄截圖如下：

build-eaidk/_visual/_embedded-Desktop-Debug：編譯目錄和運行目錄，里面有demo運行時必需的文件和目錄，比如配置文件demo.conf，models模型目錄。

eaidk/_visual/_embeded：源碼目錄，案例實現的源代碼都在該目錄下，下文也將重點介紹該目錄下源碼文件。

libs：本案例依賴的vision.sdk人臉庫，內容與上文提到的face-sdk目錄內容一致。

3 配置文件&模型文件

demo.conf，該文件必須在案例程序的運行的當前路徑，已配置好默認的參數，理解即可。

VideoWidth=1280      -->采集視頻圖像的寬
VideoHeight=720      -->采集視頻圖像的高
Scale=1              -->采集視頻圖像的縮放比例
MinFaceSize=40       -->人臉算法的最低像素要求
Clarity=200          -->人臉算法的最低清晰度要求
FaceAngle=0.4        -->人臉算法的最低角度要求
ThresHold=0.7        -->人臉識別的最低閾值要求
UseApi=0             -->人臉算法的調用策略
Dbsize=10000         -->人臉庫的最大存儲人臉數
RegisterMethod=0     -->人臉注冊策略
FacePicturePATH=./models/faces/   -->人臉存儲本地路徑

模型目錄：
mfn.tmfile，mobilefacenet人臉識別模型文件
det1,det2,det3.tmfile，人臉檢測模型文件
face_attr.tmfile，人臉屬性模型文件

4 流程介紹及源碼解讀

4.1 實現流程

整體流程結構如下：

4.2 流程與源碼解讀

下面我們對此案例中的重要&核心的代碼內容進行解釋，為讀者提供參考，方便讀者了解vision.sdk算法應用。

4.2.1 mainwindow.cpp

程序從main函數入口，在main中創建顯示窗口，具體顯示內容在mainwindow.cpp中實現。mainwindow.cpp源程序中主要實現2個功能：

    1. UI布局
    2. 圖像采集

mainwindow.cpp源程序包含構造函數、updateImage函數、open_camera函數等重要函數。

4.2.1.1 構造函數

所有對象創建時，都需要初始化才可以使用，而構造函數就是用于給對象進行初始化，在堆內存中開辟出一個空間來存放建立的對象并賦初始值。

    /* connects */
    connect(&theTimer, &QTimer::timeout, this, &MainWindow::updateImage);

    connect(ui->face_attr_2, SIGNAL(clicked(bool)), this, SLOT(convert_to_face_attr()));
    connect(ui->face_rec_2, SIGNAL(clicked(bool)), this, SLOT(convert_to_face_rec()));
    connect(ui->rb_face_track, SIGNAL(clicked(bool)), this, SLOT(convert_to_face_track()));

updateImage，是theTimer對應的槽函數，每隔33ms調用一次，該函數是mainwindow.cpp文件中最重要的函數，它包含圖像的顯示、人臉算法處理結果的顯示。
其他connect均為顯示界面的各個按鈕及其對應槽函數：

    /* regist related */
    connect(ui->regist, SIGNAL(clicked(bool)), this, SLOT(user_regist()));
    connect(ui->cancel, SIGNAL(clicked(bool)), this, SLOT(user_cancel_regist()));
    connect(ui->ok, SIGNAL(clicked(bool)), this, SLOT(user_save_regist()));
    connect(ui->ok_2, SIGNAL(clicked(bool)), this, SLOT(get_user_name()));
    connect(ui->cancel_2, SIGNAL(clicked(bool)), this, SLOT(back_to_face_rec()));

4.2.1.2 updateImage函數

updateimage函數是UI顯示的核心函數，每隔33ms調用1次，填充視頻窗口的區域。

void MainWindow::updateImage()
{
    ui->label_diku->clear();
    ui->label_diku_2->clear();
    cam->videoCapL>>cam->srcImageL;

cam->videoCapL>>cam->srcImageL;該行功能是獲取攝像頭數據并存入srcImageL變量。

updateimage函數下調用了face_rec_enabled、face_attr_enabled、face_track_enabled等函數

face/_rec/_enabled，表示打開人臉識別功能，該{}內表示人臉識別的代碼處理部分。
人臉識別處理部分:

if(face_rec_enabled)
{
       algThd->setUseApiParams(0);
       algThd->face_rec_label = true;
       cv::resize(cam->srcImageL, ResImg, ResImgSiz, CV_INTER_LINEAR);
       algThd->sendFrame(ResImg, cam->srcImageL);
       Mface face_result = algThd->getFace();

獲取人臉的結果后，line函數對圖像中的人臉畫框，label_diku_2對人臉圖像做show（顯示）處理。

       if(face_result.drawflag && strcmp(face_result.name, "")!=0 && strcmp(face_result.name, "unknown")!=0){
           if(access(facepath, F_OK) < 0)
           {
               printf("%s:%d %s not exist./n", __func__, __LINE__, facepath);
               return;
           }

           int x = face_result.pos[0].x;
           int y = face_result.pos[0].y;
           int w = face_result.pos[0].width;
           int h = face_result.pos[0].height;
           line(cam->srcImageL, cvPoint(x, y), cvPoint(x, y + 20), cvScalar(0, 255, 0, 0), 2);
           line(cam->srcImageL, cvPoint(x, y), cvPoint(x + 20, y), cvScalar(0, 255, 0, 0), 2);

           line(cam->srcImageL, cvPoint(x + w - 20, y), cvPoint(x + w, y), cvScalar(0, 255, 0, 0), 2);
           line(cam->srcImageL, cvPoint(x + w, y), cvPoint(x + w, y + 20), cvScalar(0, 255, 0, 0), 2);

           line(cam->srcImageL, cvPoint(x, y + h), cvPoint(x + 20, y + h), cvScalar(0, 255, 0, 0), 2);
           line(cam->srcImageL, cvPoint(x, y + h), cvPoint(x, y + h - 20), cvScalar(0, 255, 0, 0), 2);

           line(cam->srcImageL, cvPoint(x + w, y + h), cvPoint(x + w, y + h - 20), cvScalar(0, 255, 0, 0), 2);
           line(cam->srcImageL, cvPoint(x + w, y + h), cvPoint(x + w - 20, y + h), cvScalar(0, 255, 0, 0), 2);

           Mat diku = cv::imread(facepath);
           cvtColor(diku, diku, CV_BGR2RGB);
           QImage imagel = QImage((uchar*)(diku.data), diku.cols, diku.rows, QImage::Format_RGB888);
           ui->label_diku->setPixmap(QPixmap::fromImage(imagel));
           ui->label_diku->resize(imagel.size());
           ui->label_diku->show();

           cv::Mat realtime_face;
           cam->srcImageL(Rect(face_result.pos[0].x, face_result.pos[0].y, face_result.pos[0].width, face_result.pos[0].height)).copyTo(realtime_face);
           cvtColor(realtime_face, realtime_face, CV_BGR2RGB);
           cv::resize(realtime_face, realtime_face, Size(120, 120), CV_INTER_LINEAR);
           QImage imagel2 = QImage((uchar*)(realtime_face.data), realtime_face.cols, realtime_face.rows, realtime_face.cols*realtime_face.channels(), QImage::Format_RGB888);
           ui->label_diku_2->setPixmap(QPixmap::fromImage(imagel2));
           ui->label_diku_2->resize(imagel2.size());
           ui->label_diku_2->show();

face_attr/enabled，表示打開人臉屬性功能，該{}內是人臉屬性演示的代碼部分。
人臉屬性處理部分：

else if(face_attr_enabled)
{
       algThd->setUseApiParams(1);

       cv::resize(cam->srcImageL, ResImg, ResImgSiz, CV_INTER_LINEAR);
       algThd->sendFrame(ResImg, cam->srcImageL);
       Mface face_result = algThd->getFace();

face/_track/_enabled，表示打開人臉跟蹤功能，該{}內是人臉跟蹤的處理部分。
人臉跟蹤處理部分：

else if(face_track_enabled)
{
       algThd->setUseApiParams(6);

       cv::resize(cam->srcImageL, ResImg, ResImgSiz, CV_INTER_LINEAR);
       algThd->Tracker(ResImg,cam->srcImageL);
       cv::resize(cam->srcImageL, ResImg, ResImgSiz, CV_INTER_LINEAR);
       algThd->sendFrame(ResImg, cam->srcImageL);
       Mface face_result = algThd->getFace();

上面人臉識別、人臉屬性、人臉跟蹤的處理部分都用到了setUseApiParams（）、sendFrame（）、getFace（）函數：

setUseApiParams（），設置算法處理策略，0表示做人臉識別功能，1表示做人臉屬性功能，6表示做人臉跟蹤功能；
sendFrame（），將采集到的圖像發送到算法線程進行處理；
getFace（），獲取返回的人臉數據。當mainwindow采集圖象時，調用sendFrame()函數，把采集到的數據傳送給循環處理的線程，并通過getFace()函數獲取結果并顯示。

4.2.1.3 open_camera函數

open_camera是用來采集USB攝像頭視頻的函數，獲取的圖像用來輸入給人臉算法函數。其中參數0表示USB攝像頭的設備節點（/dev/video0），當該節點不存在或者非usb攝像頭設備時，采集圖像會失敗。

if(cam->videoCapL.open(0))
{
    cam->srcImageL = Mat::zeros(cam->videoCapL.get(CV_CAP_PROP_FRAME_HEIGHT), cam->videoCapL.get(CV_CAP_PROP_FRAME_WIDTH), CV_8UC3);
    theTimer.start(33);
}

4.2.2 AlgThread.cpp

在mainwindow類的構造函數中，line131創建人臉算法處理的對象algThd，并調用start()函數開啟人臉處理線程，其內容的實現在AlgThread.cpp中。人臉算法的流程是輸入圖像、深度學習類型人臉算法處理、返回結果、窗口顯示。

    ConfigParam param;
    LoadConfig(param,false);

    algThd = new AlgThread(param);
    algThd->start();
    ResImgSiz = cv::Size(NORMAL_FRAME_W, NORMAL_FRAME_H);

AlgThread.cpp源程序包含線程函數run，來實現人臉跟蹤/人臉檢測/特征值提取/人臉特征值比對/人臉注冊等核心功能。

4.2.2.1 線程函數run

線程函數run（）是一個while(1)循環函數，param.useapi為0時表示人臉識別，為1時表示人臉屬性，為6時表示人臉跟蹤。

void AlgThread::run()
{
    static unsigned long long tv_start, tv_end,t0,t1;
    float feature0[FEATURE_SIZE];
    float feature1[FEATURE_SIZE];
    float score;

    for (int i=0;i lck(m_mtx_reg);
        getframe(mat);
        getSrcframe(grayframe);
        if (mat.empty()) continue;
        int face_recognize_return_value = FaceRecognize(mat,grayframe,0);;++i)>

其他重要的函數如下，用黃色背景標注：
FaceRecognize，人臉識別函數
GetFeature，獲取特征值函數，提取檢測到的人臉的特征值
Register，人臉注冊，特征值存入數據庫函數
CompareFaceDB，人臉比對函數

        int face_recognize_return_value = FaceRecognize(mat,grayframe,0);

        if(0x0b == param.useapi)//liveness do not need compare feature
        {
            continue;
        }
        printf("%s %d face_recognize_return_value:%d/n", __FUNCTION__, __LINE__, face_recognize_return_value);
        if(face_recognize_return_value != SUCCESS){
            printf("%s %d face_recognize fail.../n", __FUNCTION__, __LINE__);
            t0=tv_start;
            if (param.useapi==2) {
                //gettimeofday(&tv_end, NULL);
                //tv_end = get_ms();
                //m_fps = (float)1000.0 /(tv_end.tv_sec * 1000 + tv_end.tv_usec / 1000 - tv_start.tv_sec * 1000 - tv_start.tv_usec / 1000);
            }
            continue;
        }
        else
        {
            printf("%s %d face_recognize success.../n", __FUNCTION__, __LINE__);
        }
        if(1 == param.useapi)
        {
            continue;
        }
        ret=faceapp::GetFeature(mFace,feature1,&res);
        if (ret!=SUCCESS) {
            printf("%s %d get feature fail..../n", __FUNCTION__, __LINE__);
            t0=tv_start;
            if(ret==ERROR_BAD_QUALITY)
                m_face.nam;
            continue;
        }

        if(regist_label){
            Register(mat, feature1, (char*)reg_name.c_str());
            regist_label = false;
            reg_name = "";
        }

        if(face_rec_label){
            ret = CompareFaceDB(feature1);

vision.sdk的使用，流程是初始化->人臉檢測->人臉特征值提取->人臉注冊->人臉比對函數使用，如上函數調用順序基本也是vision.sdk的調用順序：

5 總結

該案例解讀文檔主要主要從源碼目錄結構、源碼簡要流程、重點源碼函數幾個方面進行了解讀和介紹，并按照功能實現流程順序，介紹了基于EAIDK的人臉識別案例源碼中的重要函數及其實現的功能，并貼出實際使用代碼，方便開發者理解，為開發者進行二次開發提供參考。

審核編輯 黃昊宇