# facedetection-qt **Repository Path**: futureflsl/facedetection-qt ## Basic Information - **Project Name**: facedetection-qt - **Description**: this project remove web presenter server and qt is replaced - **Primary Language**: C++ - **License**: BSD-3-Clause - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2020-02-06 - **Last Updated**: 2024-06-14 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README 中文|[英文](README.md) 开发者可以将本application部署至Atlas 200DK上实现对摄像头数据的实时采集、并对视频中的人脸信息进行预测的功能。 ## 前提条件 部署此Sample前，需要准备好以下环境： - 已完成MindSpore Studio的安装，详细请参考[MindSpore Studio安装指南](https://www.huawei.com/minisite/ascend/cn/filedetail_1.html)。 - 已完成Atlas 200 DK开发者板与MindSpore Studio的连接，交叉编译器的安装，SD卡的制作及基本信息的配置等，详细请参考[Atlas 200 DK使用指南](https://www.huawei.com/minisite/ascend/cn/filedetail_2.html)。 ## 软件准备 运行此Sample前，需要按照此章节获取源码包，并进行相关的环境配置。 1. 获取源码包。 将[https://github.com/Ascend/sample-facedetection](https://github.com/Ascend/sample-facedetection)仓中的代码以MindSpore Studio安装用户下载至MindSpore Studio所在Ubuntu服务器的任意目录，例如代码存放路径为：_/home/ascend/sample-facedetection_。 2. 以MindSpore Studio安装用户登录MindSpore Studio所在Ubuntu服务器，并设置环境变量DDK\_HOME。 **vim \~/.bashrc** 执行如下命令在最后一行添加DDK\_HOME及LD\_LIBRARY\_PATH的环境变量。 **export DDK\_HOME=/home/XXX/tools/che/ddk/ddk** **export LD\_LIBRARY\_PATH=$DDK\_HOME/uihost/lib** >![](doc/source/img/icon-note.gif) **说明：** >- XXX为MindSpore Studio安装用户，/home/XXX/tools为DDK默认安装路径。 >- 如果此环境变量已经添加，则此步骤可跳过。 输入:wq!保存退出。 执行如下命令使环境变量生效。 **source \~/.bashrc** ## 部署 1. 以MindSpore Studio安装用户进入facedetectionapp应用代码所在根目录，如/home/ascend/sample-facedetection。 2. 执行部署脚本，进行工程环境准备，包括ascenddk公共库的编译与部署、网络模型的下载、Presenter Server服务器的配置等操作。 **bash deploy.sh** _host\_ip_ _model\_mode_ - _host\_ip_：Atlas 200 DK开发者板的IP地址。 - model\_mode代表模型文件及依赖软件的部署方式，默认为internet。 - local：若MindSpore Studio所在Ubuntu系统未连接网络，请使用local模式，执行此命令前，需要参考[网络模型及公共代码库下载](#zh-cn_topic_0167071573_section4995103618210)将网络模型文件以及依赖的公共代码库下载到“sample-facedetection/script“目录下。 - internet：若MindSpore Studio所在Ubuntu系统已连接网络，请使用internet模式，在线下载模型文件及依赖代码库。 命令示例： **bash deploy.sh 192.168.1.2 internet** 当提示“Please choose one to show the presenter in browser\(default: 127.0.0.1\):“时，请输入在浏览器中访问Presenter Server服务所使用的IP地址（一般为访问MindSpore Studio的IP地址。） 如[图1](#zh-cn_topic_0167071573_fig184321447181017)所示，请在“Current environment valid ip list“中选择通过浏览器访问Presenter Server服务使用的IP地址。 **图 1** 工程部署示意图 ![](doc/source/img/工程部署示意图.png "工程部署示意图") 3. 启动Presenter Server。 执行如下命令在后台启动Face Detection应用的Presenter Server主程序。 **python3 presenterserver/presenter\_server.py --app face\_detection &** >![](doc/source/img/icon-note.gif) **说明：** >“presenter\_server.py“在当前目录的“presenterserver“目录下，可以在此目录下执行**python3 presenter\_server.py -h**或者**python3 presenter\_server.py --help**查看“presenter\_server.py“的使用方法。 如[图2](#zh-cn_topic_0167071573_fig69531305324)所示，表示presenter\_server的服务启动成功。 **图 2** Presenter Server进程启动 ![](doc/source/img/Presenter-Server进程启动.png "Presenter-Server进程启动") 使用上图提示的URL登录Presenter Server，仅支持Chrome浏览器。IP地址为[2](#zh-cn_topic_0167071573_li08019112542)中输入的IP地址，端口号默为7007，如下图所示，表示Presenter Server启动成功。 **图 3** 主页显示 ![](doc/source/img/主页显示.png "主页显示") ## 运行 1. 运行Face Detection程序。 在**sample-facedetection**目录下执行如下命令运行Face Detection应用程序。 **bash run\_facedetectionapp.sh** _host\_ip_ _presenter\_view\_app\_name camera\_channel\_name_ & - _host\_ip_ ：对于Atlas 200 DK开发者板，即为开发者板的IP地址。 - _presenter\_view\_app\_name_：用户自定义的在PresenterServer界面展示的View Name。 - _camera\_channel\_name_：摄像头所属Channel，取值为“Channel-1“或者“Channel-2“，查询摄像头所属Channel的方法请参考[Atlas 200 DK使用指南](https://www.huawei.com/minisite/ascend/cn/filedetail_2.html)中的“常用操作 > 如何查询摄像头所属Channel”。 命令示例： **bash run\_facedetectionapp.sh 192.168.1.2 video Channel-1 &** 2. 使用启动Presenter Server服务时提示的URL登录 Presenter Server 网站，详细可参考[3](#zh-cn_topic_0167071573_li499911453439)。 等待Presenter Agent传输数据给服务端，单击“Refresh“刷新，当有数据时相应的Channel 的Status变成绿色，如[图4](#zh-cn_topic_0167071573_fig113691556202312)所示。 **图 4** Presenter Server界面 ![](doc/source/img/Presenter-Server界面.png "Presenter-Server界面") >![](doc/source/img/icon-note.gif) **说明：** >- Face Detection的Presenter Server最多支持10路Channel同时显示，每个 _presenter\_view\_app\_name_ 对应一路Channel。 >- 由于硬件的限制，每一路支持的最大帧率是20fps，受限于网络带宽的影响，帧率会自动适配为较低的帧率进行展示。 3. 单击右侧对应的View Name链接，比如上图的“video”，查看结果，对于检测到的人脸，会给出置信度的标注。 ## 后续处理 - **停止Face Detection应用** Face Detection应用执行后会处于持续运行状态，若要停止Face Detection应用程序，可执行如下操作。 以MindSpore Studio安装用户在 _**/home/ascend/sample-facedetection**_ 目录下执行如下命令： **bash stop\_facedetectionapp.sh** _host\_ip_ _host\_ip_：对于Atlas 200 DK开发者板，即为开发者板的IP地址。。 命令示例： **bash stop\_facedetectionapp.sh 192.168.1.2** - **停止Presenter Server服务** Presenter Server服务启动后会一直处于运行状态，若想停止Face Detection应用对应的Presenter Server服务，可执行如下操作。 以MindSpore Studio安装用户在MindSpore Studio所在服务器中执行如下命令查看Face Detection应用对应的Presenter Server服务的进程。 **ps -ef | grep presenter | grep face\_detection** ``` ascend@ascend-HP-ProDesk-600-G4-PCI-MT:~/sample-facedetection$ ps -ef | grep presenter | grep face_detection ascend 7701 1615 0 14:21 pts/8 00:00:00 python3 presenterserver/presenter_server.py --app face_detection ``` 如上所示 _7701_ 即为face\_detection应用对应的Presenter Server服务的进程ID。 若想停止此服务，执行如下命令： **kill -9** _7701_ ## 网络模型及公共代码库下载 - 网络模型文件下载 Face Detection sample中使用的模型是经过转化后的适配Ascend 310芯片的模型。可参考[表1](#zh-cn_topic_0167071573_table0531392153)进行模型文件的下载。如果您有更好的模型，欢迎上传到[https://github.com/Ascend/models](https://github.com/Ascend/models)进行分享。 将模型文件（.om文件）下载到“sample-facedetection/script“目录下。 **表 1** Face Detection中使用模型

模型名称

模型说明

模型下载路径

原始网络下载地址

人脸检测网络模型

（face_detection.om）

此模型是基于Caffe的Resnet10-SSD300模型转换后的网络模型。

请从https://github.com/Ascend/models/仓的computer_vision/object_detect/face_detection目录中下载。

对应版本说明请参考当前目录下的README.md文件。

请参考https://github.com/Ascend/models/仓的computer_vision/object_detect/face_detection目录下的README.md文件获取。

模型转换时注意事项：

转化时会提示转化失败，只需要在最后一层的下拉框中选择SSDDetectionOutput然后点击Retry重新转换即可。
- 公共代码库下载 将依赖的软件库下载到“sample-facedetection/script“目录下。 **表 2** 依赖代码库下载

模块名称

模块描述

下载地址

EZDVPP

对DVPP接口进行了封装，提供对图片/视频的处理能力。

https://github.com/Ascend/sdk-ezdvpp

下载后请保持文件夹名称为ezdvpp。

Presenter Agent

与Presenter Server进行交互的API接口。

https://github.com/Ascend/sdk-presenter/tree/master/presenteragent

下载后请保持文件夹名称为presenteragent。

tornado (5.1.0)

protobuf (3.5.1)

numpy (1.14.2)

Presenter Server依赖的Python库

请自行搜索相关源进行安装。