1. 口罩識別簡介
口罩識別是一種基于深度學習的判斷人員有沒有戴口罩的分類算法,能廣泛的用于安防、生產安全等多種場景。本算法先基于人臉檢測和人臉標準化獲取的標準人臉,然后輸入到口罩識別分類算法進行識別。
本人臉檢測算法在數據集表現如下所示:
口罩識別 | ACC |
口罩分類驗證集 | 99.7% |
基于EASY-EAI-Nano硬件主板的運行效率:
算法種類 | 運行效率 |
face_mask_judgement | 62ms |
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_mask_judgement/ ./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 )。
也要下載口罩識別算法模型。
百度網盤鏈接為:https://pan.baidu.com/s/1KdytlkahhNptp7Gz2eGG0Q (提取碼:2sdg )。
同時需要把下載的人臉檢測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-mask-judgement 1.jpg
2.5 運行效果
face-mask-judgement的Demo執行效果如下所示:
再開一個窗口,在PC端Ubuntu環境通過以下命令可以把圖片拉回來:
adb pull /userdata/Demo/result.jpg .
結果圖片如下所示,戴口罩標綠色框:
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。
選項 | 描述 |
頭文件目錄 | easyeai-api/algorithm_api/face_detect |
庫文件目錄 | easyeai-api/algorithm_api/face_detect |
庫鏈接參數 | -lface_detect -lface_alignment -lpthread -lrknn_api |
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。
函數名:face_detect_init() | |
頭文件 | face_detect.h |
輸入參數 | ctx:rknn_context句柄 |
path:算法模型的路徑 | |
返回值 | 成功返回:0 |
失敗返回:-1 | |
注意事項 | 無 |
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。
函數名: face_detect_run () | |
頭文件 | face_detect.h |
輸入參數 |
ctx: rknn_context句柄 |
input_image:Opencv Mat格式圖像 | |
result:人臉檢測的結果輸出 | |
返回值 | 成功返回:0 |
失敗返回:-1 | |
注意事項 | 無 |
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。
函數名: face_detect_release () | |
頭文件 | face_detect.h |
輸入參數 |
face_detect.h |
返回值 | 成功返回:0 |
失敗返回:-1 | |
注意事項 | 無 |
4. 口罩識別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。
選項 | 描述 |
頭文件目錄 | easyeai-api/algorithm_api/face_mask_judgement |
庫文件目錄 | easyeai-api/algorithm_api/face_mask_judgement |
庫鏈接參數 | -lface_alignment -lface_mask_judgement -lpthread -lrknn_api |
4.2 口罩識別初始化函數
設置人臉檢測初始化函數原型如下所示。
int face_mask_judgement_init(rknn_context *ctx, const char * path)
具體介紹如下所示。
函數名: face_mask_judgement_init() | |
頭文件 | face_mask_judgement.h |
輸入參數 | ctx:rknn_context句柄 |
path:算法模型的路徑 | |
返回值 | 成功返回:0 |
失敗返回:-1 | |
注意事項 | 無 |
4.3 口罩識別執行函數
設face_pose_estimation_run原型如下所示。
int face_mask_judgement_run(rknn_context ctx, cv::Mat *face_image, float *result)
具體介紹如下所示。
函數名: face_mask_judgement_run () | |
頭文件 | face_landmark98.h |
輸入參數 |
ctx: rknn_context句柄 |
face_image:圖像數據輸入(cv::Mat是Opencv的類型) | |
result: 算法輸出的二分類概率結果 | |
返回值 | 成功返回:0 |
失敗返回:-1 | |
注意事項 | 無 |
4.4 口罩識別釋放函數
口罩識別釋放函數原型如下所示。
int face_mask_judgement_release(rknn_context ctx)
具體介紹如下所示。
函數名:face_mask_judgement_release () | |
頭文件 | face_mask_judgement.h |
輸入參數 |
ctx: rknn_context句柄 |
返回值 | 成功返回:0 |
失敗返回:-1 | |
注意事項 | 無 |
5. 口罩識別算法例程
例程目錄為Toolkit-C-Demo/algorithm-face_mask_judgement/test-face-mask-judgement.cpp,操作流程如下。
參考例程如下所示。
#include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include #include "face_detect.h" #include "face_alignment.h" #include "face_mask_judgement.h" using namespace std; using namespace cv; int main(int argc, char **argv) { if( argc != 2) { printf("./test-face-mask-judgement xxx.jpg n"); return -1; } rknn_context detect_ctx, mask_judge_ctx; std::vector detect_result; float mask_result[2]; int ret; cv::Mat src; src = cv::imread(argv[1], 1); /* 人臉檢測初始化 */ ret = face_detect_init(&detect_ctx, "./face_detect.model"); if( ret < 0) { printf("face_detect_init fail! ret=%dn", ret); return -1; } /* 人臉戴口罩判斷初始化 */ ret = face_mask_judgement_init(&mask_judge_ctx, "./face_mask_judgement.model"); if( ret < 0) { printf("face_mask_judgement_init fail! ret=%dn", ret); return -1; } /* 人臉檢測執行 */ face_detect_run(detect_ctx, src, detect_result); for( int i=0; i < (int)detect_result.size() ; i++ ) { Point2f points[5]; for (int j = 0; j < (int)detect_result[i].landmarks.size(); ++j) { points[j].x = (int)detect_result[i].landmarks[j].x; points[j].y = (int)detect_result[i].landmarks[j].y; } Mat face_algin; face_algin = face_alignment(src, points); /* 人臉戴口罩判斷運行 */ face_mask_judgement_run(mask_judge_ctx, &face_algin, mask_result); printf("normal_face possibility:%fn", mask_result[0]); printf("masked_face possibility:%fn", mask_result[1]); int x = (int)(detect_result[i].box.x); int y = (int)(detect_result[i].box.y); int w = (int)(detect_result[i].box.width); int h = (int)(detect_result[i].box.height); if( mask_result[0] > 0.6 ) { rectangle(src, Rect(x, y, w, h), Scalar(0, 0, 255), 2, 8, 0); } else { rectangle(src, Rect(x, y, w, h), Scalar(0, 255, 0), 2, 8, 0); } } imwrite("result.jpg", src); /* 人臉檢測釋放 */ face_detect_release(detect_ctx); /* 人臉戴口罩判斷釋放 */ face_mask_judgement_release(mask_judge_ctx); return 0; } 審核編輯 黃宇
-
算法
+關注
關注
23文章
4678瀏覽量
94298 -
開發板
+關注
關注
25文章
5378瀏覽量
100650 -
AI算法
+關注
關注
0文章
258瀏覽量
12519
發布評論請先 登錄
相關推薦
RV1126基于虹軟人臉識別算法實現指南
基于RV1126開發板實現人臉識別方案

基于RV1126開發板實現人臉檢測方案

基于RV1126開發板實現人臉識別方案

基于RV1126開發板實現自學習圖像分類方案

基于RV1126開發板實現人臉檢測方案

基于RV1126開發板實現人臉檢測方案

評論