# face-recognition-system-ARM

**Repository Path**: wrindividual/face-recognition-system-ARM

## Basic Information

- **Project Name**: face-recognition-system-ARM
- **Description**: 人脸识别
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2020-05-18
- **Last Updated**: 2021-03-16

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



# 嵌入式人脸识别系统

arm : now=1.0GHz armv7l  512M RAM 16G sd card

 enable_neon  -mfpu=vfpv3 -march=armv7-a 

detect 23.7ms（一米多近两米）（3米距离68ms）

feature point 19ms

alignment 9ms

elm-in-elm test 61ms

##### **代码结构**：

make.cpp为主文件

command /*.cpp封装函数 被make.cpp调用

new/*.cpp为ELM-In-ELM基本算法

elm/*.cpp 调用new 实现人脸识别

align/*.cpp 封装人脸对齐函数

native/*.cpp 封装人脸检测函数

libzmq/*.cpp 封装zmq常用函数

zmq/*.cpp 为无界面server代码 方便ARM调试

Qt/server/* 为Qt可视化界面代码 采用CMake管理 Qmake保证不能用

Android系统可视化界面代码请见另外一个仓库 AS-ELM ，使用时注意OpenCV的配置

##### 使用说明

本项目统一使用CMake管理，为了方便用户PC上使用，不再需要分模块编译，现使用当前目录下CMakeLists完成统一编译。

> mkdir build;cd build;cmake ..;make -j4;

cmake  -DCMAKE_BUILD_TYPE=Release ..

##### 依赖库

本项目PC版本运行在Arch系统：

OpenCV，需要手动安装OpenCV的依赖项VTK；

本项目保存了当时依赖的Dlib库的源文件，可以自行编译安装；

在ARM与可视化界面（PC上的QT，安卓上的App）的信息通讯依赖于ZeroMQ，通过Arch官方库安装；

其他依赖项没想起来欢迎反馈QAQ



##### 具体介绍

new.cpp里面有对ELMs的隐含层节点数和子模型数量的设置

test.cpp里面size_box是训练图像的标准大小

​						nor是人脸检测的参数 



##### 数据集测试结果（经过光照预处理）

![1566211954205](/picture/1.png)

![1566211954205](/picture/2.png)

![1566211954205](/picture/3.png)

| 训练集数量 | 测试集数量 | 直方图均衡化 | PIE样本说明                                |
| ---------- | ---------- | ------------ | ------------------------------------------ |
| 3          | 21         | 0.849        | 一张正面两张不同方向光照（一半白一半黑）   |
| 5          | 19         | 0.682        | 一张正面两个方向光线各两张（强光和弱光）   |
| 6          | 18         | 0.667        | 两张正面、两个方向光线各两张（强光和弱光） |
| 4          | 20         | 0.799        | 一张正面两张不同方向光照+戴眼镜            |
| 3          | 21         | 0.676        | 两张不同方向光照+戴眼镜                    |
| 2          | 22         | 0.638        | 两张不同方向光照                           |
| 3          | 21         | 0.346        | 三张强光正脸                               |
| 3          | 21         | 0.861        | 3张弱光正脸                                |
| 3          | 21         | 0.732        | 3张稍微亮光正脸                            |

选择训练样本同样很重要，如果有应用场景，最好在输入训练样本时控制样本条件，这样可以提高识别成功率。