基于RK3576开发板的人脸检测算法
1. 人脸检测简介
人脸检测是人脸辨认、人脸属性分类、人脸编纂、人脸跟踪等义务必不成少的晚期步调，其功能间接影响到人脸辨认等义务的无效性。虽然正在过来的几十年里，没有受节制的人脸检测获得了宏大的提高，但正在家中精确下效的人脸检测依然是一个地下的应战。那是因为姿态的转变、脸部脸色、比例、光照、图象掉实、脸部遮挡等要素形成的。取普通的目的检测分歧，人脸检测的特性是正在纵横比上的转变较小，但正在标准上的转变年夜很多(从几个像素到数千像素)。
自己脸检测算法正在数据散表示以下所示：
| 人脸检测算法 | performance |
| FDDB | 98.64% |
基于EASY-EAI-Orin-Nano硬件主板的运转效力：
| 算法品种 | 运转效力 |
| face_detect | 16ms |
2. 疾速上脚
假如您初度浏览此文档，请浏览：《进门指北/源码治理及编程引见/源码工程治理》，按需治理本人工程源码（注：此文档必看，并倡议采取【近程挂载治理】体例，不然有代码丧失风险！！！）。
2.1 源码工程下载
先正在PC实拟机定位到nfs效劳目次，再正在目次中创立寄存源码堆栈的治理目次：
cd ~/nfsroot mkdir GitHub cd GitHub
再经过git东西，正在治理目次内克隆近程堆栈（需求装备能对中网停止拜访）
git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.git
注：
* 此处能够会果收集缘由形成卡顿，请耐烦等候。
* 假如真实要正在gitHub网页高低载，也要把全部堆栈下载上去，不克不及独自下载本真例对应的目次。
2.2 开辟情况拆建
经过adb shell进进板卡开辟情况，以下图所示。
经过以下号令，把nfs目次挂载上nfs效劳器。
mount -t nfs -o nolock < nfs server ip >:< nfs path in server > /home/orin-nano/Desktop/nfs/
2.3 例程编译
然后定位到板卡的nfs的挂载目次(依照实践挂载目次)，进进到对应的例程目次履行编译操纵，详细号令以下所示：
cd EASY-EAI-Toolkit-3576/Demos/algorithm-face_detect/ ./build.sh
2.4 模子摆设
要完成算法Demo的履行，需求先下载人脸检测算法模子。
百度网盘链接为：https://pan.百度.com/s/1UflOWeHJOBf1envujW7tEA?pwd=1234 （提与码：1234 ）。
同时需求把下载的人脸检测算法模子复造粘揭到Release/目次：
2.5 例程运转及结果
进进开辟板Release目次，履行下圆号令，运转示例顺序：
cd Release/ ./test-face-detect test.jpg
运转例程号令以下所示：
后果图片以下所示：
API的具体阐明，和API的挪用（本例程源码），具体疑息睹下圆阐明。
3. 人脸检测API阐明
3.1 援用体例
为便利客户正在当地工程中间接挪用我们的EASY EAI api库，此处列收工程中需求链接的库和头文件等，便利用户间接增加。
| 选项 | 描绘 |
| 头文件目次 | easyeai-api/algorithm/face_detect |
| 库文件目次 | easyeai-api/algorithm/face_detect |
| 库链接参数 | -lface_detect |
3.2 人脸检测初初化函数
人脸检测初初化函数本型以下所示。
int face_detect_init(rknn_context *ctx, const char *path)
详细引见以下所示。
| 函数名： face_detect_init() | |
| 头文件 | face_detect.h |
| 输出参数 | ctx：rknn_context句柄 |
| 输出参数 | path:算法模子的途径 |
| 前往值 | 胜利前往：0 |
| 掉败前往：-1 | |
| 留意事项 | 无 |
3.3 人脸检测运转函数
人脸检测运转函数face_detect_run本型以下所示。
int face_detect_run(rknn_context ctx, cv::Mat &input_image, std::vector< det > &result)
详细引见以下所示。
| 函数名：face_detect_run() | |
| 头文件 | face_detect.h |
| 输出参数 | ctx: rknn_context句柄 |
| 输出参数 | input_image:图象数据输出(cv::Mat是Opencv的范例) |
| 输入参数 | result:目的检测框输入 |
| 前往值 | 胜利前往：0 |
| 掉败前往：-1 | |
| 留意事项 | 无 |
3.4 人脸检测开释函数
人脸检测开释函数本型以下所示。
int face_detect_release(rknn_context ctx)
详细引见以下所示。
| 函数名：face_detect_release () | |
| 头文件 | person_detect.h |
| 输出参数 | ctx: rknn_context句柄 |
| 前往值 | 胜利前往：0 |
| 掉败前往：-1 | |
| 留意事项 | 无 |
4. 人脸检测算法规程
例程目次为Demos/algorithm-face_detect/test-face-detect.cpp，操纵流程以下。
参考例程以下所示。
#include < opencv2/opencv.hpp >
#include < stdio.h >
#include < sys/time.h >
#include "face_detect.h"
using namespace cv;
int main(int argc, char **argv)
{
if( argc != 2)
{
printf("./test-face-detect xxxn");
return -1;
}
struct timeval start;
struct timeval end;
float time_use=0;
rknn_context ctx;
std::vector< det > result;
Mat image;
image = cv::imread(argv[1], 1);
face_detect_init(&ctx, "face_detect.model");
gettimeofday(&start,NULL);
face_detect_run(ctx, image, result);
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);
printf("face num:%dn", (int)result.size());
for (int i = 0; i < (int)result.size(); i++)
{
int x = (int)(result[i].box.x);
int y = (int)(result[i].box.y);
int w = (int)(result[i].box.width);
int h = (int)(result[i].box.height);
rectangle(image, Rect(x, y, w, h), Scalar(0, 255, 0), 2, 8, 0);
for (int j = 0; j < (int)result[i].landmarks.size(); ++j)
{
cv::circle(image, cv::Point((int)result[i].landmarks[j].x, (int)result[i].landmarks[j].y), 2, cv::Scalar(225, 0, 225), 2, 8);
}
}
imwrite("result.jpg", image);
face_detect_release(ctx);
return 0;
}