本教程基于虹軟免費(fèi)的人臉認(rèn)知引擎，介紹了人臉檢測(cè)和人臉識(shí)別如何應(yīng)用于實(shí)踐。
此為小白教程，高手可略過(guò)。
第一步：
先從虹軟官網(wǎng)下載Windows版SDK。
附鏈接：http://www.arcsoft.com.cn/ai/arcface.html
簡(jiǎn)單注冊(cè)，并下載對(duì)應(yīng)版本后，會(huì)提供如下APP Id和SDK key.（開(kāi)發(fā)的時(shí)候會(huì)用到）
第二步：
下載后解壓，我們發(fā)現(xiàn)壓縮包內(nèi)容如下：
有三個(gè)包，分別是Detection(人臉檢測(cè))，Recognition（人臉識(shí)別），Tracking（人臉跟蹤）
簡(jiǎn)單介紹下這三個(gè)包的區(qū)別——
Detection(人臉檢測(cè))——用于圖片的人臉檢測(cè)，獲取的人臉坐標(biāo)可用于人臉識(shí)別
Recognition（人臉識(shí)別）——用于比對(duì)目標(biāo)圖像和提前注冊(cè)好的圖片間的相似度
Tracking（人臉跟蹤）——用于視頻類(lèi)，如攝像頭場(chǎng)景時(shí)人臉檢測(cè)效率高于Detection
第三部：
創(chuàng)建Visual Studio的C++工程（我用的是vs2012）：
這里我選擇了控制臺(tái)程序。
由于習(xí)慣用Multi-Byte的方式開(kāi)發(fā)，可以在工程右鍵屬性中按如下方式配置Character Set.
第三步：
在工程目錄下創(chuàng)建inc文件夾，將三個(gè)壓縮包中的頭文件，放在該目錄中，
另外創(chuàng)建lib文件夾，將壓縮包中的lib庫(kù)放入該目錄中。
Dll放入生成可執(zhí)行文件的路徑下（因?yàn)槲椰F(xiàn)在用的是Debug版本，因此放在了Debug下面）
第四步：
在工程里包含需要的頭文件和lib庫(kù)。
如下我這里只用了Detection和Recognition。
第五步：
實(shí)現(xiàn)照片注冊(cè)。
需要用到人臉檢測(cè)和人臉識(shí)別。
注意：虹軟用到的圖像數(shù)據(jù)格式并非Jpeg等格式，而是解碼后的格式，如RGB格式，官方給的是（ASVL_PAF_RGB24_B8G8R8）
所謂注冊(cè)，即通過(guò)人臉識(shí)別算法將人臉特征信息提取出來(lái)，并保存到數(shù)據(jù)庫(kù)，用于后續(xù)的人臉特征比對(duì)。
附注冊(cè)代碼如下：
intRegisterFace(ASVLOFFSCREEN*imginfo,TCHAR*regName)
{
//FD
MByte* pfd_Mem = (MByte*)malloc(FD_MEMSIZE);
MHandlehfd_Engine =NULL;
MRESULTres = AFD_FSDK_InitialFaceEngine(APP_ID,FD_SDK_KEY, pfd_Mem,FD_MEMSIZE, &hfd_Engine,
AFD_FSDK_OPF_0_HIGHER_EXT,16,10);
if(res !=MOK)
{
SafeFree(pfd_Mem);
returnres;
}
LPAFD_FSDK_FACERESfaces;
res =AFD_FSDK_StillImageFaceDetection(hfd_Engine,imginfo, &faces);
if(res !=MOK)
printf("FD Detect
Failed\r\n");
if(faces->nFace == 0)
{
printf("No faces
detected\r\n");
SafeFree(pfd_Mem);
return-1;
}
//FR
MByte* pfr_Mem = (MByte*)malloc(FR_MEMSIZE);
MHandlehfr_Engine =NULL;
res = AFR_FSDK_InitialEngine(APP_ID,
FR_SDK_KEY, pfr_Mem,FR_MEMSIZE, &hfr_Engine);
if(res !=MOK)
{
SafeFree(pfd_Mem);
SafeFree(pfr_Mem);
returnres;
}
AFR_FSDK_FACEMODELfaceModel = { 0 };
AFR_FSDK_FACEINPUTfaceInput = { 0 };
faceInput.lOrient = (AFR_FSDK_OrientCode)*faces->lfaceOrient;
//memcpy(&faceInput.rcFace ,
&faces->rcFace[0],sizeof(MRECT));
intleffff = faces->rcFace[0].left;
faceInput.rcFace.left =faces->rcFace[0].left;
faceInput.rcFace.bottom =faces->rcFace[0].bottom;
faceInput.rcFace.right =faces->rcFace[0].right;
faceInput.rcFace.top =faces->rcFace[0].top;
res =AFR_FSDK_ExtractFRFeature(hfr_Engine,imginfo, &faceInput,&faceModel);
if(res ==MOK&& faceModel.lFeatureSize> 0 && faceModel.pbFeature)
{
SaveFeature(&faceModel,regName);//保存特征
printf("注冊(cè)成功!");
}
else
{
printf("注冊(cè)（提取特征）失敗");
returnMERR_BASIC_BASE;
}
res =AFD_FSDK_UninitialFaceEngine(hfd_Engine);
res = AFR_FSDK_UninitialEngine(hfr_Engine);
SafeFree(pfd_Mem);
SafeFree(pfr_Mem);
returnMOK;
}
VoidRegist()
{
ASVLOFFSCREENimageInfo = {0};
char* filepath =argv[2];
IplImage* img =cvLoadImage(filepath,1);
imageInfo.i32Width =img->width;
imageInfo.i32Height = img->height;
imageInfo.u32PixelArrayFormat =ASVL_PAF_RGB24_B8G8R8;
imageInfo.pi32Pitch[0] =imageInfo.i32Width*3;
imageInfo.ppu8Plane[0] = (MUInt8*)malloc(imageInfo.i32Height*imageInfo.pi32Pitch[0]);
memcpy(imageInfo.ppu8Plane[0],img->imageData,imageInfo.i32Height*imageInfo.pi32Pitch[0]);
RegisterFace(&imageInfo,"Leo");
}
第六步：
識(shí)別比對(duì)人臉。
所謂識(shí)別，即通過(guò)人臉識(shí)別算法將人臉特征信息提取出來(lái)，與之前的保存的特征進(jìn)行比較，獲取相似度值。
以下為單人臉識(shí)別比對(duì)示例，將已經(jīng)保存的特征值進(jìn)行逐一比對(duì)，即可找到注冊(cè)人群中最相似的人，即1：N場(chǎng)景。如果是1:1場(chǎng)景的話，只需把當(dāng)前的需要識(shí)別的圖像和指定的特征值進(jìn)行比較即可。
//faceModels2為已保存（注冊(cè)）的人臉特征
intRecoginizeFace(ASVLOFFSCREEN*imginfo,char**regName)
{
//FD
MByte* pfd_Mem = (MByte*)malloc(FD_MEMSIZE);
MHandlehfd_Engine =NULL;
MRESULTres = AFD_FSDK_InitialFaceEngine(APP_ID,FD_SDK_KEY, pfd_Mem,FD_MEMSIZE, &hfd_Engine,
AFD_FSDK_OPF_0_HIGHER_EXT,16,10);
if(res !=MOK)
{
SafeFree(pfd_Mem);
returnres;
}
LPAFD_FSDK_FACERESfaces;
res =AFD_FSDK_StillImageFaceDetection(hfd_Engine,imginfo, &faces);
if(res !=MOK)
printf("FD Detect
Failed\r\n");
res = AFD_FSDK_UninitialFaceEngine(hfd_Engine);
if(faces->nFace == 0)
{
printf("No faces
detected\r\n");
SafeFree(pfd_Mem);
return-1;
}
//FR
MByte* pfr_Mem = (MByte*)malloc(FR_MEMSIZE);
MHandlehfr_Engine =NULL;
res = AFR_FSDK_InitialEngine(APP_ID,
FR_SDK_KEY, pfr_Mem,FR_MEMSIZE, &hfr_Engine);
if(res !=MOK)
SafeFree(pfd_Mem);
SafeFree(pfr_Mem);
returnres;
AFR_FSDK_FACEMODELfaceModel = { 0 };
AFR_FSDK_FACEINPUTfaceInput = { 0 };
faceInput.lOrient = (AFR_FSDK_OrientCode)faces->lfaceOrient;
res =AFR_FSDK_ExtractFRFeature(hfr_Engine,imginfo, &faceInput,&faceModel);
if(res ==MOK&& faceModel.lFeatureSize> 0 && faceModel.pbFeature)
{
MFloatfSimilScore = 0.0f;
//在這里和原來(lái)保存的Feature進(jìn)行對(duì)比
//loadFeatures();
//MRESULT ret =
AFR_FSDK_FacePairMatching(hfr_Engine, &faceModel, &faceModels2,
&fSimilScore);
//fsimilScore該值即獲得
}
else
{
printf("注冊(cè)（提取特征）失敗");
returnMERR_BASIC_BASE;
}
res =AFR_FSDK_UninitialEngine(hfr_Engine);
SafeFree(pfd_Mem);
SafeFree(pfr_Mem);
returnMOK;
return0;
}
測(cè)試了下，常規(guī)情況下0.63左右的相似度作為閾值，基本可以區(qū)分是否查找比對(duì)成功。即高于0.63應(yīng)該是查找匹配成功。實(shí)際的相似度可能還需和使用場(chǎng)景掛鉤，在0.5-0.7的范圍內(nèi)選擇適合所在場(chǎng)景的值作為分界線。
