1. 人臉識別簡介

人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部識別的一系列相關技術，通常也叫做人像識別、面部識別。

人臉識別系統主要包括四個組成部分，分別為：人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取以及匹配與識別，本實例也包括這幾個流程。

本人臉識別算法在數據集表現如下所示：

基于EASY-EAI-Nano硬件主板的運行效率：

2. 快速上手

2.1 開發環境準備

如果您初次閱讀此文檔，請閱讀《入門指南/開發環境準備/Easy-Eai編譯環境準備與更新》，并按照其相關的操作，進行編譯環境的部署。

在PC端Ubuntu系統中執行run腳本，進入EASY-EAI編譯環境，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編譯環境下創建存放源碼倉庫的管理目錄：

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

通過git工具，在管理目錄內克隆遠程倉庫

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

注：

* 此處可能會因網絡原因造成卡頓，請耐心等待。

* 如果實在要在gitHub網頁上下載，也要把整個倉庫下載下來，不能單獨下載本實例對應的目錄。

進入到對應的例程目錄執行編譯操作，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，則會把Release/目錄下的所有資源都拷貝到開發板上。

* 若build.sh腳本不帶任何參數，則僅會拷貝demo編譯出來的可執行文件。

* 由于依賴庫部署在板卡上，因此交叉編譯過程中必須保持adb連接。

2.3 模型部署

要完成算法Demo的執行，需要先下載人臉檢測算法模型

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

也要下載人臉識別算法模型。

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

然后需要把下載的人臉檢測算法模型和人臉識別算法模型復制粘貼到Release/目錄：

再通過下方命令將模型署到板卡中，如下所示。

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

2.4 例程運行

通過按鍵Ctrl+Shift+T創建一個新窗口，執行adb shell命令，進入板卡運行環境。

adb shell

進入板卡后，定位到例程上傳的位置，如下所示：

cd /userdata/Demo

運行例程命令如下所示：

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

2.5 運行效果

face-recognition的Demo執行效果如下所示，一般相似度大于0.4視為同一個人:

API的詳細說明，以及API的調用（本例程源碼），詳細信息見下方說明。

3. 人臉檢測API說明

3.1 引用方式

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

3.2 人臉檢測初始化函數

設置人臉檢測初始化函數原型如下所示。

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

具體介紹如下所示。

3.3 人臉檢測運行函數

設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 人臉檢測釋放函數

人臉檢測釋放函數原型如下所示。

 int face_detect_release(rknn_context ctx)

具體介紹如下所示。

4. 人臉標準化API說明

4.1 引用方式

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

4.2 人臉標準化函數

設置人臉標準化函數原型如下所示。

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

具體介紹如下所示。

5. 人臉識別API說明

5.1 引用方式

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

5.2 人臉識別初始化函數

設置人臉識別初始化函數原型如下所示。

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

具體介紹如下所示。

5.3 人臉識別運行函數

設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 人臉識別特征比對函數

設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 人臉識別釋放函數

人臉識別釋放函數原型如下所示。

 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;
	}

	/* 人臉檢測執行 */
	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);

	/* 人臉識別執行 */
	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);	

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

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

	return 0;
}

審核編輯 黃宇