【EASY EAI Nano开源套件试用体验】5AI功能测试之多人脸识别-最好的开源人脸识别

本文来源电子发烧友社区，作者：码农爱学习， 帖子地址：https://bbs.elecfans.com/jishu_2308719_1_1.html

上篇文章，测试了EASY EAI Nano的人脸检测功能，本篇进行人脸识别功能。

人脸检测，只是将图像中的人脸的位置检测出来，人脸识别，又增加了一部，在检测到人脸后，还要识别出这张脸是谁的脸。

本篇参考官方文档：

https://www.easy-eai.com/document_details/3/110

1 API介绍 组件 头文件以及库路径 描述 系统操作组件 easyeai-api/common_api/system_opt 提供线程操作函数 摄像头组件 easyeai-api/peripheral_api/camera 提供摄像头操作函数 显示屏组件 easyeai-api/peripheral_api/display 提供显示屏操作函数 平面几何组件 easyeai-api/algorithm_api/geometry 提供简单几何运算函数 人脸检测组件 easyeai-api/algorithm_api/face_detect 提供人脸检测操作函数 人脸校正组件 easyeai-api/algorithm_api/face_alignment 提供人脸校正操作函数 人脸识别组件 easyeai-api/algorithm_api/face_recognition 提供人脸识别操作函数

主要来看下人脸识别组件。

face_recognition.h的主要内容

复制//人脸识别初始化函数 int face_recognition_init(rknn_context *ctx, const char * path); ​ //人脸识别执行函数 int face_recognition_run(rknn_context ctx, cv::Mat *face_image, float (*feature)[512]); ​ //人脸识别特征比对函数 float face_recognition_comparison(float *feature_1, float *feature_2, int output_len); ​ //人脸识别释放函数 int face_recognition_release(rknn_context ctx);

一些参数：

ctx:输入参数,rknn_context句柄 path:输入参数,算法模型路径 face_image:输入参数,图像数据输入(cv::Mat是Opencv的类型) feature:输出参数，算法输出的人脸特征码

face_alignment.h的主要内容

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

geometry.h的主要内容

复制typedef struct{ float x; float y; }fPoint_t; ​ typedef struct{ float left; //x1 float top; //y1 float right; //x2 float bottom; //y2 }fRect_t; ​ typedef struct{ int32_t x; int32_t y; }s32Point_t; ​ typedef struct{ int32_t left; //x1 int32_t top; //y1 int32_t right; //x2 int32_t bottom; //y2 }s32Rect_t; ​ //判断点是否在矩形内 extern bool point_in_rect(s32Point_t point, s32Rect_t rect); ​ //计算矩形面积 extern int32_t calc_rect_square(s32Rect_t rect); ​ //找出面积较小矩形 extern s32Rect_t min_rect(s32Rect_t rect1, s32Rect_t rect2); ​ //找出面积较大矩形 extern s32Rect_t max_rect(s32Rect_t rect1, s32Rect_t rect2); ​ //判断矩形是否相交或相切 extern bool rect_is_intersect(s32Rect_t rect1, s32Rect_t rect2); ​ //计算两矩形相交部分面积(若相切，面积也为0) extern int32_t calc_rect_intersect_square(s32Rect_t rect1, s32Rect_t rect2); ​ //计算[两矩形相交部分面积]与[小矩形面积]之比 extern double calc_intersect_of_min_rect(s32Rect_t rect1, s32Rect_t rect2); ​ //计算两矩形的交并比 extern double calc_intersect_of_union(s32Rect_t rect1, s32Rect_t rect2); 2 代码分析与修改

主要的修改是将红外摄像头采集和活体检测去掉，改用外接RGB摄像头，另外，识别结果的显示，将更多的信息（识别的id，人物名称，耗时等）展示在屏幕上。

2.1 图像采集与显示线程(主线程)

重新定义识别结果：

复制typedef struct{ bool bHasFace; //是否检测到人脸 bool bMatch; //是否与注册的人脸匹配 char idStr[128]; //匹配的人脸的id char nameStr[128]; //匹配的人脸的名称 float similarity; //匹配的相似度 uint64_t useTime; //匹配用时 uint32_t x1; //识别到的人脸框的4个点 uint32_t y1; uint32_t x2; uint32_t y2; }Result_t;

官方例程用到了红外摄像头，用于活体检测，此次测试，为了使用电脑屏幕上的人物图片进行人脸检测，去掉了活体检测功能，并换做只使用USB摄像头采集RGB图像进行人脸识别。

主函数逻辑如下，和上篇进行人脸检测的代码逻辑类似。

复制#define COLOR_RED Scalar(255, 0, 0) #define COLOR_GREEN Scalar(0, 255, 0) ​ int main(int argc, char **argv) { int ret = 0; int rgbRet = 0; disp_screen_t screen = {0}; char *pRGBbuf = NULL; int skip = 0; pthread_t mTid; Result_t *pResult = NULL; Mat image; // 1.打开USB摄像头 ret = usbcamera_init(USB2_0, USB_DIRECT, CAMERA_WIDTH, CAMERA_HEIGHT, 180); if (ret) { printf(“error: %s, %dn”, __func__, __LINE__); goto exit_donothing; } pRGBbuf = NULL; pRGBbuf = (char *)malloc(IMAGE_SIZE); if (!pRGBbuf) { printf(“error: %s, %dn”, __func__, __LINE__); ret = -1; goto exit_freeusb; } // 跳过前10帧 skip = 10; while(skip–) { ret = usbcamera_getframe(USB2_0, USB_DIRECT, pRGBbuf); if (ret) { printf(“error: %s, %dn”, __func__, __LINE__); goto exit_freeusb_freebuf; } } ​ // 2.创建识别线程，以及图像互斥锁 pthread_mutex_init(&img_lock, NULL); pResult = (Result_t *)malloc(sizeof(Result_t)); if(NULL == pResult){ goto exit_free_all; } memset(pResult, 0, sizeof(Result_t)); if(0 != CreateNormalThread(detect_thread_entry, pResult, &mTid)){ free(pResult); } ​ // 3.显示初始化 screen.screen_width = SCREEN_WIDTH; screen.screen_height = SCREEN_HEIGHT; screen.wins[0].enable = 1; screen.wins[0].in_fmt = IMAGE_TYPE_RGB888; screen.wins[0].in_w = CAMERA_WIDTH; screen.wins[0].in_h = CAMERA_HEIGHT; screen.wins[0].rotation = 90; screen.wins[0].win_x = 0; screen.wins[0].win_y = 0; screen.wins[0].win_w = 720; screen.wins[0].win_h = 1280; ret = disp_init_pro(&screen); if (ret) { printf(“error: %s, %dn”, __func__, __LINE__); goto exit_free_all; } // 4.(取流 + 显示)循环 while(1) { // 4.1、取流 pthread_mutex_lock(&img_lock); ret = usbcamera_getframe(USB2_0, USB_DIRECT, pRGBbuf); if (0 != rgbRet) { printf(“error: %s, %dn”, __func__, __LINE__); pthread_mutex_unlock(&img_lock); continue; } algorithm_image = Mat(CAMERA_HEIGHT, CAMERA_WIDTH, CV_8UC3, pRGBbuf); image = algorithm_image.clone(); pthread_mutex_unlock(&img_lock); ​ // 4.2、显示 if (pResult->bHasFace) //检测到人脸 { Scalar color; //识别到已注册的人脸 if(pResult->bMatch) { color = COLOR_GREEN; cv::putText(image, std::string(“idStr: “) + std::string(pResult->idStr), cv::Point2f(30, 50), cv::FONT_HERSHEY_SIMPLEX, 1.45, CV_RGB(255,0,0),3.0); cv::putText(image, std::string(“name: “) + std::string(pResult->nameStr), cv::Point2f(30, 100), cv::FONT_HERSHEY_SIMPLEX, 1.45, CV_RGB(255,0,0),3.0); cv::putText(image, std::string(“similarity: “) + std::to_string(pResult->similarity), cv::Point2f(30, 150), cv::FONT_HERSHEY_SIMPLEX, 1.45, CV_RGB(255,0,0),3.0); cv::putText(image, std::string(“use time: “) + std::to_string(pResult->useTime), cv::Point2f(30, 200), cv::FONT_HERSHEY_SIMPLEX, 1.45, CV_RGB(255,0,0),3.0); } else { color = COLOR_RED; cv::putText(image, std::string(“unknow face”), cv::Point2f(30, 50), cv::FONT_HERSHEY_SIMPLEX, 1.45, CV_RGB(0,0,255),3.0); } // 画框 rectangle(image, Point(pResult->x1, pResult->y1), Point(pResult->x2, pResult->y2), color, 3); } disp_commit(image.data, IMAGE_SIZE); usleep(20*1000); } ​ exit_free_all: pthread_mutex_destroy(&img_lock); exit_freeusb_freebuf: free(pRGBbuf); pRGBbuf = NULL; exit_freeusb: usbcamera_exit(USB2_0, USB_DIRECT); exit_donothing: return ret; }

2.2 人脸识别处理

去掉红外摄像头的活体检测逻辑，只使用USB摄像头的图像进行人脸识别

复制void *detect_thread_entry(void *para) { int ret; uint64_t start_time,end_time; Result_t *pResult = (Result_t *)para; // 初始化人脸检测 rknn_context detect_ctx; std::vector detect_result; Point2f points[5]; s32Rect_t rgbRect; printf(“face detect init!n”); ret = face_detect_init(&detect_ctx, “./face_detect.model”); if( ret < 0) { printf(“face_detect fail! ret=%dn”, ret); return NULL; } // 初始化人脸识别 rknn_context recognition_ctx; float face_feature[512]; 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 NULL; } ​ // 初始化数据库 database_init(); // 同步数据库所有数据到内存 faceData_t *pFaceData = (faceData_t *)malloc(MAX_USER_NUM * sizeof(faceData_t)); memset(pFaceData, 0, MAX_USER_NUM * sizeof(faceData_t)); int peopleNum = database_getData_to_memory(pFaceData); // 初始化按键事件 keyEvent_init(); set_event_handle(dataBase_opt_handle); Mat image; Mat face_algin; float similarity; //特征值相似度比对 int face_index = 0; while(1) { if(g_delete_all_record) { g_delete_all_record = false; // 删除库 database_delete_all_record(); // 重载数据库 peopleNum = database_getData_to_memory(pFaceData); } if(algorithm_image.empty()) { usleep(5); continue; } pthread_mutex_lock(&img_lock); image = algorithm_image.clone(); pthread_mutex_unlock(&img_lock); // 人脸检测，计算出人脸位置 ret = face_detect_run(detect_ctx, image, detect_result); if(ret <= 0) { // 识别结果数据，复位 memset(pResult, 0 , sizeof(Result_t)); g_input_feature = false; usleep(1000); continue; } rgbRect.left = (uint32_t)(detect_result[0].box.x); rgbRect.top = (uint32_t)(detect_result[0].box.y); rgbRect.right = (uint32_t)(detect_result[0].box.x + detect_result[0].box.width); rgbRect.bottom = (uint32_t)(detect_result[0].box.y + detect_result[0].box.height); pResult->bHasFace = true; pResult->x1 = rgbRect.left; pResult->y1 = rgbRect.top; pResult->x2 = rgbRect.right; pResult->y2 = rgbRect.bottom; for (int i = 0; i < (int)detect_result[0].landmarks.size(); ++i) { points[i].x = (int)detect_result[0].landmarks[i].x; points[i].y = (int)detect_result[0].landmarks[i].y; } // 人脸校正(从图像中裁出人脸) face_algin = face_alignment(image, points); // 人脸识别，计算特征值 start_time = get_timeval_ms(); face_recognition_run(recognition_ctx, &face_algin, &face_feature); end_time = get_timeval_ms(); pResult->useTime = end_time – start_time; printf(“n>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>n”); printf(“face_recognition_run use time: %llun”, pResult->useTime); // 【打印耗时】 // 特征值比对，得出id similarity = -0.5; if(peopleNum > 0) { for(face_index = 0; face_index < peopleNum; ++face_index) { similarity = face_recognition_comparison(face_feature, (float *)((pFaceData + face_index)->feature), 512); if(similarity > 0.5) { break; } } } pResult->similarity = similarity; printf(“similarity:%fn”, similarity); //【打印得分】 if((face_index < peopleNum)&&(similarity > 0.5)) { pResult->bMatch = true; // 用id，找名字 memcpy(pResult->idStr, (pFaceData + face_index)->id, 128); printf(“idStr : %sn”, pResult->idStr); //【打印id】 database_id_is_exist(pResult->idStr, pResult->nameStr, sizeof(pResult->nameStr)); printf(“person name : %sn”, pResult->nameStr); //【打印名字】 // 按键被按下，更新特征值 if(g_input_feature) { g_input_feature = false; // 特征值入库 database_add_record(pResult->idStr, pResult->nameStr, (char *)face_feature, sizeof(face_feature)); // 重载数据库 peopleNum = database_getData_to_memory(pFaceData); } } else { pResult->bMatch = false; // 按键被按下，录入特征值 if(g_input_feature) { g_input_feature = false; char idStr[32]={0}; char nameStr[32]={0}; sprintf(idStr, “%05d”, face_index+1); sprintf(nameStr, “people_%d”, face_index+1); // 特征值入库 database_add_record(idStr, nameStr, (char *)face_feature, sizeof(face_feature)); // 重载数据库 peopleNum = database_getData_to_memory(pFaceData); } } usleep(16*1000); } /* 数据库内存数据释放 */ free(pFaceData); /* 数据库释放 */ database_exit(); /* 人脸识别释放 */ face_recognition_release(recognition_ctx); /* 人脸检测释放 */ face_detect_release(detect_ctx); return NULL; } 3 测试

测试视频见文章底部视频，这里再放一张测试图片：

4 总结

本篇介绍了EASY EAI Nano的人脸识别功能，与上篇的人脸检测相比，在检测到有人脸的基础上，通过先录入人脸显示到数据库，可以对比当前识别的谁的脸，实际测试，去掉活体检测功能后，通过外接USB摄像头来识别电脑屏幕上的3个人的多张不同人脸，可以分辨出不同人的人脸。

———– 附上EASY EAI Nano多人脸识别测试【视频】，详见作者原帖子内容。