基于RV1126开发板的口罩识别算法开发

1. 口罩识别简介

口罩识别是一种基于深度学习的判断人员有没有戴口罩的分类算法，能广泛的用于安防、生产安全等多种场景。本算法先基于人脸检测和人脸标准化获取的标准人脸，然后输入到口罩识别分类算法进行识别。

本人脸检测算法在数据集表现如下所示：

口罩识别	ACC
口罩分类验证集	99.7%

基于EASY-EAI-Nano硬件主板的运行效率：

算法种类	运行效率
face_mask_judgement	62ms

2. 快速上手

2.1 开发环境准备

如果您初次阅读此文档，请阅读《入门指南/开发环境准备/Easy-Eai编译环境准备与更新》，并按照其相关的操作，进行编译环境的部署。

在PC端Ubuntu系统中执行run脚本，进入EASY-EAI编译环境，具体如下所示。

cd ~/develop_environment
./run.sh

2.2 源码下载以及例程编译

在EASY-EAI编译环境下创建存放源码仓库的管理目录：

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

通过git工具，在管理目录内克隆远程仓库

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

注：

* 此处可能会因网络原因造成卡顿，请耐心等待。

* 如果实在要在gitHub网页上下载，也要把整个仓库下载下来，不能单独下载本实例对应的目录。

进入到对应的例程目录执行编译操作，具体命令如下所示：

cd EASY-EAI-Toolkit-C-Demo/algorithm-face_mask_judgement/
./build.sh cpres

注：

* 若build.sh脚本带有cpres参数，则会把Release/目录下的所有资源都拷贝到开发板上。

* 若build.sh脚本不带任何参数，则仅会拷贝demo编译出来的可执行文件。

* 由于依赖库部署在板卡上，因此交叉编译过程中必须保持adb连接。

2.3 模型部署

要完成算法Demo的执行，需要先下载人脸检测算法模型。

百度网盘链接为：https://pan.baidu.com/s/1cxnx1T0ldJvoqkyTk1RmUg(提取码：0b6h )。

也要下载口罩识别算法模型。

百度网盘链接为：https://pan.baidu.com/s/1KdytlkahhNptp7Gz2eGG0Q (提取码：2sdg )。

同时需要把下载的人脸检测算法模型复制粘贴到Release/目录：

再通过下方命令将模型署到板卡中，如下所示。

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

2.4 例程运行

通过按键Ctrl+Shift+T创建一个新窗口，执行adb shell命令，进入板卡运行环境。

adb shell

进入板卡后，定位到例程上传的位置，如下所示：

cd /userdata/Demo

运行例程命令如下所示：

./test-face-mask-judgement 1.jpg

2.5 运行效果

face-mask-judgement的Demo执行效果如下所示:

再开一个窗口，在PC端Ubuntu环境通过以下命令可以把图片拉回来:

adb pull /userdata/Demo/result.jpg .

结果图片如下所示，戴口罩标绿色框：

API的详细说明，以及API的调用（本例程源码），详细信息见下方说明。

3. 人脸检测API说明

3.1 引用方式

为方便客户在本地工程中直接调用我们的EASY EAI api库，此处列出工程中需要链接的库以及头文件等，方便用户直接添加。

选项	描述
头文件目录	easyeai-api/algorithm_api/face_detect
库文件目录	easyeai-api/algorithm_api/face_detect
库链接参数	-lface_detect -lface_alignment -lpthread -lrknn_api

3.2 人脸检测初始化函数

设置人脸检测初始化函数原型如下所示。

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

具体介绍如下所示。

函数名：face_detect_init()
头文件	face_detect.h
输入参数	ctx：rknn_context句柄
	path:算法模型的路径
返回值	成功返回：0
	失败返回：-1
注意事项	无

3.3 人脸检测运行函数

设face_detect_run原型如下所示。

int face_detect_run(rknn_context ctx, cv::Mat &input_image, std::vector< det > &result)

具体介绍如下所示。

函数名： face_detect_run ()
头文件	face_detect.h
输入参数	ctx: rknn_context句柄
	input_image:Opencv Mat格式图像
	result:人脸检测的结果输出
返回值	成功返回：0
	失败返回：-1
注意事项	无

3.4 人脸检测释放函数

人脸检测释放函数原型如下所示。

 int face_detect_release(rknn_context ctx)

具体介绍如下所示。

函数名： face_detect_release ()
头文件	face_detect.h
输入参数	face_detect.h
返回值	成功返回：0
	失败返回：-1
注意事项	无

4. 口罩识别API说明

4.1 引用方式

为方便客户在本地工程中直接调用我们的EASY EAI api库，此处列出工程中需要链接的库以及头文件等，方便用户直接添加。

选项	描述
头文件目录	easyeai-api/algorithm_api/face_mask_judgement
库文件目录	easyeai-api/algorithm_api/face_mask_judgement
库链接参数	-lface_alignment -lface_mask_judgement -lpthread -lrknn_api

4.2 口罩识别初始化函数

设置人脸检测初始化函数原型如下所示。

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

具体介绍如下所示。

函数名： face_mask_judgement_init()
头文件	face_mask_judgement.h
输入参数	ctx：rknn_context句柄
	path:算法模型的路径
返回值	成功返回：0
	失败返回：-1
注意事项	无

4.3 口罩识别执行函数

设face_pose_estimation_run原型如下所示。

 int face_mask_judgement_run(rknn_context ctx, cv::Mat *face_image, float *result)

具体介绍如下所示。

函数名： face_mask_judgement_run ()
头文件	face_landmark98.h
输入参数	ctx: rknn_context句柄
	face_image:图像数据输入(cv::Mat是Opencv的类型)
	result: 算法输出的二分类概率结果
返回值	成功返回：0
	失败返回：-1
注意事项	无

4.4 口罩识别释放函数

口罩识别释放函数原型如下所示。

int face_mask_judgement_release(rknn_context ctx)

具体介绍如下所示。

函数名：face_mask_judgement_release ()
头文件	face_mask_judgement.h
输入参数	ctx: rknn_context句柄
返回值	成功返回：0
	失败返回：-1
注意事项	无

5. 口罩识别算法例程

例程目录为Toolkit-C-Demo/algorithm-face_mask_judgement/test-face-mask-judgement.cpp，操作流程如下。

参考例程如下所示。

#include < stdio.h >
#include < stdint.h >
#include < stdlib.h >
#include < fstream >
#include < iostream >
#include < fstream >
#include < atomic >
#include < queue >
#include < thread >
#include < mutex >
#include < chrono >
#include < sys/time.h >
#include < sys/stat.h >
#include < dirent.h >
#include < unistd.h >

#include < opencv2/opencv.hpp >

#include < unistd.h >
#include < sys/syscall.h >
#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< det > detect_result;
	float mask_result[2];
	int ret;

	cv::Mat src;
	src = cv::imread(argv[1], 1);

	/* 人脸检测初始化 */
	ret = face_detect_init(&detect_ctx, "./face_detect.model");
	if( ret < 0)
	{
		printf("face_detect_init fail! ret=%dn", ret);
		return -1;
	}

	/* 人脸戴口罩判断初始化 */
	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;
	}

	/* 人脸检测执行 */
	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);

		/* 人脸戴口罩判断运行 */
		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);

	/* 人脸检测释放 */
	face_detect_release(detect_ctx);

	/* 人脸戴口罩判断释放 */
	face_mask_judgement_release(mask_judge_ctx);

	return 0;
}

审核编辑 黄宇