代码拉取完成,页面将自动刷新
本章节基于 Lockzhiner Vision Module 的 LZ-Picodet 模型训练的人脸检测模型 LZ-Face,以及ArcFace人脸识别模型,实现了一个人脸识别系统。
人脸识别是一种利用人的脸部特征进行身份识别的生物识别技术。它通过检测图像或视频中的人脸,提取如眼睛、鼻子和嘴巴等关键特征点,并将这些信息转化为面部特征向量,进而与已知人脸数据库中的数据比对来确认个人身份。被广泛应用于安全监控、门禁系统、移动设备解锁及社交媒体等领域。
人脸识别主要涉及到以下几个关键步骤:人脸检测、特征提取和匹配识别。以下是实现人脸识别的常用方法:
#include <lockzhiner_vision_module/vision/deep_learning/face/face_recognition_system/face_recognition_system.h>
lockzhiner_vision_module::vision::FaceRecognitionSystem face_system;
auto result = face_system.Predict(input_mat);
#include <lockzhiner_vision_module/vision/utils/visualize.h>
lockzhiner_vision_module::vision::Visualize(input_mat, output_image, result);
lockzhiner_vision_module::vision::FaceRecognitionSystem face_system;
if (!face_system.BuildDatabase(argv[3], argv[4])) {
std::cout << "Failed to build database." << std::endl;
return 1;
}
cv::VideoCapture cap;
// 设置摄像头获取帧的宽高
cap.set(cv::CAP_PROP_FRAME_WIDTH, 640);
cap.set(cv::CAP_PROP_FRAME_HEIGHT, 480);
cap.open(0);
// wihile循环中的以下代码用于捕获图像帧
cap >> input_mat;
if (input_mat.empty())
{
continue;
}
auto result = face_system.Predict(input_mat);
#include <lockzhiner_vision_module/vision/deep_learning/face/face_recognition_system/face_recognition_system.h>
#include <lockzhiner_vision_module/vision/utils/visualize.h>
#include <lockzhiner_vision_module/edit/edit.h>
#include <chrono>
#include <cstdlib>
#include <ctime>
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std::chrono;
lockzhiner_vision_module::vision::FaceRecognitionSystem face_system;
int main(int argc, char *argv[])
{
if (argc != 5)
{
std::cerr << "Usage: Test-Face-Recognition-System det_model_path "
"rec_model_path database_root crop_root"
<< std::endl;
return 1;
}
if (!face_system.Initialize(argv[1], argv[2]))
{
std::cout << "Failed to initialize face system." << std::endl;
return 1;
}
if (!face_system.BuildDatabase(argv[3], argv[4]))
{
std::cout << "Failed to build database." << std::endl;
return 1;
}
// 初始化 edit 模块
lockzhiner_vision_module::edit::Edit edit;
if (!edit.StartAndAcceptConnection())
{
std::cerr << "Error: Failed to start and accept connection." << std::endl;
return EXIT_FAILURE;
}
std::cout << "Device connected successfully." << std::endl;
cv::VideoCapture cap;
// 设置摄像头捕获帧的宽高
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;
return EXIT_FAILURE;
}
cv::Mat input_mat;
while (true)
{
int read_index = 0;
int time_ms = 0;
for (int i = 0; i < 30; i++)
{
// 获取当前时间点作为开始时间
high_resolution_clock::time_point start_time =
high_resolution_clock::now();
cap >> input_mat;
if (input_mat.empty())
{
continue;
}
// 使用 model 对象的 Predict 方法对输入图像进行预测
auto result = face_system.Predict(input_mat);
// 获取当前时间点作为结束时间
high_resolution_clock::time_point end_time = high_resolution_clock::now();
auto time_span = duration_cast<milliseconds>(end_time - start_time);
time_ms += time_span.count();
read_index += 1;
cv::Mat output_image;
lockzhiner_vision_module::vision::Visualize(input_mat, output_image,
result);
// 使用 edit 模块处理帧
edit.Print(output_image);
}
std::cout << "Frames per second: " << 1000.0 / time_ms * read_index
<< std::endl;
}
// 释放摄像头资源
cap.release();
return 0;
}
cmake_minimum_required(VERSION 3.10)
project(D03_face_recognition_system)
set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
# 定义项目根目录路径
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")
# 定义 OpenCV SDK 路径
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 "${OpenCV_LIBS}")
# 定义 LockzhinerVisionModule SDK 路径
set(LockzhinerVisionModule_ROOT_PATH "${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 .
)
使用 Docker Destop 打开 LockzhinerVisionModule 容器并执行以下命令来编译项目
# 进入Demo所在目录
cd /LockzhinerVisionModuleWorkSpace/LockzhinerVisionModule/Cpp_example/D03_face_recognition_system
# 创建编译目录
rm -rf build && mkdir build && cd build
# 配置交叉编译工具链
export TOOLCHAIN_ROOT_PATH="/LockzhinerVisionModuleWorkSpace/arm-rockchip830-linux-uclibcgnueabihf"
# 使用cmake配置项目
cmake ..
# 执行编译项目
make -j8 && make install
在执行完上述命令后,会在build目录下生成可执行文件。
在凌智视觉模块输入以下命令:
chmod 777 Test-face-recognition-system
./Test-face-recognition-system LZ-Face LZ-ArcFace BaseDataset CropDataset
上面提到的BaseDataset和CropDataset需要提前创建。BaseDataset用于存储已有的人脸图像,同一个人的人脸图像保存在BaseDataset的一个子文件夹下。CropDataset文件夹创建时为空,用于保存裁剪后的人脸图像,目录结构和BaseDataset相同。
通过上述内容,我们成功实现了一个高效的人脸识别系统,包括:
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。