本文基于RV1106做成的LockAI視覺識別模塊，采用 LZ-Picodet 模型訓練的人臉檢測模型 LZ-Face，以及ArcFace人臉識別模型，實現人臉識別系統。

源代碼：https://gitee.com/LockzhinerAI/LockzhinerVisionModule/tree/master/Cpp_example/D03_face_recognition_system

1. 基本知識講解

1.1 人臉識別簡介

人臉識別是一種利用人的臉部特征進行身份識別的生物識別技術。它通過檢測圖像或視頻中的人臉，提取如眼睛、鼻子和嘴巴等關鍵特征點，并將這些信息轉化為面部特征向量，進而與已知人臉數據庫中的數據比對來確認個人身份。被廣泛應用于安全監控、門禁系統、移動設備解鎖及社交媒體等領域。

1.2 人臉識別常用方法

人臉識別主要涉及到以下幾個關鍵步驟：人臉檢測、特征提取和匹配識別。以下是實現人臉識別的常用方法：

深度學習方法：現代的人臉識別系統大多采用深度學習方法，并結合大規模人臉數據庫和高性能計算資源，實現了非常高的識別精度。

基于模板匹配的方法：通過將待識別人臉與預定義的標準人臉模板進行比較來實現識別。

2. C++ API 文檔

2.1 FaceRecognitionSystem類

2.1.1 頭文件

#include

作用：用于聲明FaceRecognitionSystem類，使得FaceRecognitionSystem類可以在當前文件中使用。

2.1.2 構造類函數

lockzhiner_vision_module::FaceRecognitionSystemface_system;

作用：用于實現人臉識別。

參數說明：

無

返回值：

無

2.1.3 Predict函數

autoresult=face_system.Predict(input_mat);

作用：FaceRecognitionSystem類中的一個函數，用于實現人臉識別。

參數說明：

input_mat：要識別的圖像。

返回值：

返回一個包含人臉識別結果的對象。該對象包含人臉的id，置信度和人臉的位置信息。

2.2 Visualize函數

2.2.1 頭文件

#include

作用：用于聲明Visualize函數，使得Visualize函數可以在當前源文件中使用。

2.2.2 結果可視化

lockzhiner_vision_module::Visualize(input_mat,output_image,result);

參數說明：

input_mat：原始輸入圖像。

output_image：用于存儲帶有可視化結果的輸出圖像。

result：輸入參數，表示人臉識別的結果。該result對象包含人臉的id，置信度和人臉的位置信息。

返回值：

無

3. 綜合代碼解析

3.1 流程圖

3.2 核心代碼解析

初始化人臉識別模型

lockzhiner_vision_module::FaceRecognitionSystemface_system;

構建人臉數據庫

if(!face_system.BuildDatabase(argv[3],argv[4])) {
std::cout<<"Failed to build database."<<std::endl;
return1;
}

調用攝像頭捕獲圖像

cv::VideoCapturecap;
// 設置攝像頭獲取幀的寬高
cap.set(cv::CAP_PROP_FRAME_WIDTH,640);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,480);
cap.open(0);

// wihile循環中的以下代碼用于捕獲圖像幀
cap>>input_mat;
if(input_mat.empty())
{
continue;
}

模型推理

autoresult=face_system.Predict(input_mat);

3.3 完整代碼實現

#include
#include
#include
#include
#include
#include
#include
#include

usingnamespacestd::chrono;

lockzhiner_vision_module::FaceRecognitionSystemface_system;

intmain(intargc,char*argv[])
{
if(argc!=5)
{
std::cerr<<"Usage: Test-Face-Recognition-System det_model_path "
"rec_model_path database_root crop_root"
<<std::endl;
return1;
}

if(!face_system.Initialize(argv[1],argv[2]))
{
std::cout<<"Failed to initialize face system."<<std::endl;
return1;
}

if(!face_system.BuildDatabase(argv[3],argv[4]))
{
std::cout<<"Failed to build database."<<std::endl;
return1;
}
// 初始化 edit 模塊
lockzhiner_vision_module::Editedit;
if(!edit.StartAndAcceptConnection())
{
std::cerr<<"Error: Failed to start and accept connection."<<std::endl;
returnEXIT_FAILURE;
}
std::cout<<"Device connected successfully."<<std::endl;

cv::VideoCapturecap;
// 設置攝像頭捕獲幀的寬高
cap.set(cv::CAP_PROP_FRAME_WIDTH,640);
cap.set(cv::CAP_PROP_FRAME_HEIGHT,480);
cap.open(0);

if(!cap.isOpened())
{
std::cerr<<"Error: Could not open camera."<<std::endl;
returnEXIT_FAILURE;
}

cv::Matinput_mat;
while(true)
{
intread_index=0;
inttime_ms=0;
for(inti=0;i<30;i++)
{
// 獲取當前時間點作為開始時間
high_resolution_clock::time_pointstart_time=
high_resolution_clock::now();
cap>>input_mat;
if(input_mat.empty())
{
continue;
}
// 使用 model 對象的 Predict 方法對輸入圖像進行預測
autoresult=face_system.Predict(input_mat);
// 獲取當前時間點作為結束時間
high_resolution_clock::time_pointend_time=high_resolution_clock::now();
autotime_span=duration_cast<milliseconds>(end_time-start_time);
time_ms+=time_span.count();
read_index+=1;

cv::Matoutput_image;
lockzhiner_vision_module::Visualize(input_mat,output_image,
result);
// 使用 edit 模塊處理幀
edit.Print(output_image);
}
std::cout<<"Frames per second: "<<1000.0/time_ms*read_index
<<std::endl;
}
// 釋放攝像頭資源
cap.release();
return0;
}

4. 編譯調試

4.1 編譯環境搭建

請確保你已經按照開發環境搭建指南正確配置了開發環境。

同時已經正確連接開發板。

4.2 Cmake介紹

cmake_minimum_required(VERSION3.10)

project(D03_face_recognition_system)

set(CMAKE_CXX_STANDARD17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 定義項目根目錄路徑
set(PROJECT_ROOT_PATH"${CMAKE_CURRENT_SOURCE_DIR}/../..")
message("PROJECT_ROOT_PATH = "${PROJECT_ROOT_PATH})

include("${PROJECT_ROOT_PATH}/toolchains/arm-rockchip830-linux-uclibcgnueabihf.toolchain.cmake")

# 定義 OpenCV SDK 路徑
set(OpenCV_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/opencv-mobile-4.10.0-lockzhiner-vision-module")
set(OpenCV_DIR"${OpenCV_ROOT_PATH}/lib/cmake/opencv4")
find_package(OpenCV REQUIRED)
set(OPENCV_LIBRARIES"${OpenCV_LIBS}")

# 定義 LockzhinerVisionModule SDK 路徑
set(LockzhinerVisionModule_ROOT_PATH"${PROJECT_ROOT_PATH}/third_party/lockzhiner_vision_module_sdk")
set(LockzhinerVisionModule_DIR"${LockzhinerVisionModule_ROOT_PATH}/lib/cmake/lockzhiner_vision_module")
find_package(LockzhinerVisionModule REQUIRED)

add_executable(Test-face-recognition-system face_recognition_system.cc)
target_include_directories(Test-face-recognition-system PRIVATE${LOCKZHINER_VISION_MODULE_INCLUDE_DIRS})
target_link_libraries(Test-face-recognition-system PRIVATE${OPENCV_LIBRARIES}${LOCKZHINER_VISION_MODULE_LIBRARIES})

install(
TARGETS Test-face-recognition-system
RUNTIME DESTINATION .
)

4.3 編譯項目

使用 Docker Destop 打開 LockzhinerVisionModule 容器并執行以下命令來編譯項目

# 進入Demo所在目錄
cd/LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/D03_face_recognition_system
# 創建編譯目錄
rm-rfbuild &&mkdirbuild &&cdbuild
# 配置交叉編譯工具鏈
exportTOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置項目
cmake ..
# 執行編譯項目
make-j8&&makeinstall

在執行完上述命令后，會在build目錄下生成可執行文件。

5. 例程運行示例

5.1 運行前準備

請確保你已經下載了凌智視覺模塊人臉檢測模型

請確保你已經下載了凌智視覺模塊人臉識別模型

5.2 運行過程

在凌智視覺模塊輸入以下命令：

chmod777Test-face-recognition-system
./Test-face-recognition-system LZ-Face LZ-ArcFace BaseDataset CropDataset

5.3 運行效果