基于RK3576开发板的人脸检测算法

1. 人脸检测简介

人脸检测是人脸识别、人脸属性分类、人脸编辑、人脸跟踪等任务必不可少的早期步骤，其性能直接影响到人脸识别等任务的有效性。尽管在过去的几十年里，不受控制的人脸检测取得了巨大的进步，但在野外准确高效的人脸检测仍然是一个公开的挑战。这是由于姿势的变化、面部表情、比例、光照、图像失真、面部遮挡等因素造成的。与一般的目标检测不同，人脸检测的特点是在纵横比上的变化较小，但在尺度上的变化大得多(从几个像素到数千像素)。

本人脸检测算法在数据集表现如下所示：

人脸检测算法	performance
FDDB	98.64%

基于EASY-EAI-Orin-Nano硬件主板的运行效率：

算法种类	运行效率
face_detect	16ms

2. 快速上手

如果您初次阅读此文档，请阅读：《入门指南/源码管理及编程介绍/源码工程管理》，按需管理自己工程源码（注：此文档必看，并建议采用【远程挂载管理】方式，否则有代码丢失风险！！！）。

2.1 源码工程下载

先在PC虚拟机定位到nfs服务目录，再在目录中创建存放源码仓库的管理目录：

cd ~/nfsroot
mkdir GitHub
cd GitHub

再通过git工具，在管理目录内克隆远程仓库（需要设备能对外网进行访问）

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-3576.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。

2.2 开发环境搭建

通过adb shell进入板卡开发环境，如下图所示。

通过以下命令，把nfs目录挂载上nfs服务器。

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的挂载目录(按照实际挂载目录)，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-3576/Demos/algorithm-face_detect/
./build.sh

2.4 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/1UflOWeHJOBf1envujW7tEA?pwd=1234 （提取码：1234 ）。

同时需要把下载的人脸检测算法模型复制粘贴到Release/目录：

2.5 例程运行及效果

进入开发板Release目录，执行下方命令，运行示例程序：

cd Release/
./test-face-detect test.jpg

运行例程命令如下所示：

结果图片如下所示：

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/face_detect
库文件目录	easyeai-api/algorithm/face_detect
库链接参数	-lface_detect

3.2 人脸检测初始化函数

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
输入参数	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

人脸检测运行函数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
输入参数	input_image:图像数据输入(cv::Mat是Opencv的类型)
输出参数	result:目标检测框输出
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	person_detect.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

4. 人脸检测算法例程

例程目录为Demos/algorithm-face_detect/test-face-detect.cpp，操作流程如下。

参考例程如下所示。

#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;
}