嵌入式工程师AI挑战营RV1106人脸识别+流水记录（4）

90houyidai

嵌入式工程师AI挑战营RV1106人脸识别+流水记录（4） [复制链接]

上一篇已经将LuckFox这边的跑通了，板上推理可能还欠缺一点

下面看是跑Insightface，为了方便我将InsightFace的环境与RKNN-Toolkit2的环境搭在一起，方便之后模型的转换

首先，依然是环境搭建，又是一通PIP，刚开始是安装这个使用insightface实现人脸检测和人脸识别-物联沃-IOTWORD物联网进行搭建的

澶嶅埗

登录后复制

pip install -U insightface -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple/

onnxruntime-gpu 或者onnxruntime 选择GPU或者CPU

环境搭建好了就是下载InsightFace工程

澶嶅埗

登录后复制

git clone https://github.com/deepinsight/insightface

\insightface\python-package 文件夹中有个Readme文件

参照说明建立测试PY文件

澶嶅埗

登录后复制

import cv2
import numpy as np
import insightface
from insightface.app import FaceAnalysis
from insightface.data import get_image as ins_get_image

app = FaceAnalysis(allowed_modules=['detection'],providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
print("prepare::::")
app.prepare(ctx_id=0, det_size=(640, 640))
img = ins_get_image('t1')  #不用带后缀，图片放到./insightface/python-package/insightface/data/images
faces = app.get(img)
print("faces::::", faces)
rimg = app.draw_on(img, faces)
cv2.imwrite("./ldh_output.jpg", rimg)

handler = insightface.model_zoo.get_model('/home/ubuntu/.insightface/models/buffalo_l/w600k_r50.onnx', providers=['CUDAExecutionProvider', 'CPUExecutionProvider'])
handler.prepare(ctx_id=0)
img = ins_get_image('t1')
feature = handler.get(img, faces[0])
print("size of feature:", len(feature))
print("feature:", feature)
feature = handler.get(img, faces[1])
print("size of feature:", len(feature))
print("feature:", feature)

运行后就可以在当前路径下得到一张输出图片，其将图片中的人脸全部框出，并标记人脸识别点

第一次运行会比较慢，通过输出可以看到是在下载模型（此步不确定，回忆不起来了）

模型使用的是buffalo_l模型，路径在~/.insightface/models/下，需要打开隐藏才能看到

澶嶅埗

登录后复制

可以在测试文件开头选择所使用的模型：antelopev2、buffalo_l、buffalo_m、buffalo_s、buffalo_sc
```
model_pack_name = 'buffalo_l'
app = FaceAnalysis(name=model_pack_name)
```

从log上可以看出每个模型的功能

1k3d68是检测人脸3D特征的

2d106det是检测人脸2D特征的

det_10g是检测人脸的

genderage是检测人脸年龄和性别的

w600k_r50是检测人脸embedding特征的

find model: /home/ubuntu/.insightface/models/buffalo_l/det_10g.onnx              模型名称model.taskname

detection            功能

 [1, 3, '?', '?']      model.input_shape,

127.5                 model.input_mean,                  

128.0                 model.input_std
                                                                                                                        ,                               

(insightface_chw) ubuntu@ubuntu:~/insightface/python-package$ python3 test1.py 检测和识别，返回512维数据
{'bbox': array([466.0821 , 268.6164 , 573.58923, 415.5331 ], dtype=float32),
 'kps': array([[491.85046, 321.8314 ],[541.85266, 332.11188],[507.67114, 366.41312],[485.91965, 369.691  ],[533.74945, 378.3811 ]], dtype=float32), 
 'det_score': 0.9196533},

bbox为人脸框坐标

kps为关键点坐标

det_score为检测分数

 

至此，insightface算是测试好了，下面就想怎样将insightface与luckfox结合了