[树莓派]人脸识别+活体检测 加载2800+人脸数据还能达到20FPS！

一、背景

最近一直在学习人脸识别，想做一个能够落地的项目，但是网上的教程要么就只是opencv人脸检测，要么就是帧数太低，用起来很不方便。因此我开源了一个树莓派人脸识别+活体检测的库，在2800+人脸数据的情况下能达到20FPS左右的人脸检测，人脸识别，以及活体检测。

二、介绍

本项目用的是ncnn来作为推理框架部署模型，主要用到的模型有
人脸检测：
mtcnn
人脸识别：
MobileFaceNet
活体检测
Silent-Face-Anti-Spoofing

本项目使用的所有模型和一部分代码均来自GitHub开源项目，非常感谢前人铺好的路，让我成功在树莓派上复现insightface和Face-Anti-Spoofing。

三、表现

1. 青色数据是指人脸识别分数（默认阈值0.40）黄色数据是活体检测置信度（默认阈值0.89）

2. 程序可以从2859张不同人脸的图片中准确找到属于我的那一张，并且戴上口罩还可以识别（鲁棒性一般，后续更新使用retinaface会更加稳定）

3. 对于一个中小型的人脸数据库，处理速度达到20FPS是完全够的。（调参之后还可以提升）

四、运行

1.首先准备一块树莓派，这里我用的是Raspberry 4B 4G版
2.安装依赖 opencv（读取图片，显示视频，以及显示文字）
我安装的是4.2.0，对于其他版本是否支持不清楚，但是建议使用opencv4
这是一个很好的教程，大家可以参考->opencv安装教程
3.下载项目

git clone https://github.com/XinghaoChen9/LiveFaceReco_RaspberryPi.git

4. 进入src文件夹，修改livefacereco.hpp中的project_path为你自己的路径

5. 修改face_thre为true来记录自己的人脸（可选）

6. 开始编译，在文件夹根目录输入

mkdir build
cd build
cmake ..
make -j4
./LiveFaceReco

五、可调参数

1. largest_face_only: 是否只检测最大人脸
2. record_face: 在下次运行中会每隔两秒检测人脸并且写入img文件夹作为数据库
3. distance_threshold: 防止过远人脸误检测
4. face_thre: 人脸识别阈值
5. true_thre: 活体检测阈值
6. jump: 跳帧，跳过某几帧的人脸识别和活体检测来加速
7. input_width: 输入宽度
8. input_height: 输入高度
9. output_width: 输出宽度
10. output_height: 输出高度（注意：输出太大会降低速度）
11. project_path: 一定设为自己的目录

六、引用及致谢

十分感谢以下列出的项目为我提供模型和代码支持，正是站在巨人的肩上，才能让我们走得更远。

@inproceedings{deng2018arcface, title={ArcFace: Additive Angular
Margin Loss for Deep Face Recognition}, author={Deng, Jiankang and
Guo, Jia and Niannan, Xue and Zafeiriou, Stefanos}, booktitle={CVPR},
year={2019} }

@inproceedings{deng2019retinaface, title={RetinaFace: Single-stage
Dense Face Localisation in the Wild}, author={Deng, Jiankang and Guo,
Jia and Yuxiang, Zhou and Jinke Yu and Irene Kotsia and Zafeiriou,
Stefanos}, booktitle={arxiv}, year={2019} }

@inproceedings{ncnn, title={ncnn https://github.com/ElegantGod/ncnn},
author={ElegantGod}, }

@inproceedings{Face-Recognition-Cpp, title={Face-Recognition-Cpp
https://github.com/markson14/Face-Recognition-Cpp},
author={markson14}, }

@inproceedings{insightface_ncnn, title={insightface_ncnn
https://github.com/KangKangLoveCat/insightface_ncnn},
author={KangKangLoveCat}, }

@inproceedings{Silent-Face-Anti-Spoofing,
title={Silent-Face-Anti-Spoofing
https://github.com/minivision-ai/Silent-Face-Anti-Spoofing},
author={minivision-ai}, }

七、最后

Github开源地址

Bilibili视频检测

欢迎大家在issue区与我讨论，要是觉得帮到你的话，请给我的项目点一个star吧！非常感谢！
要是大家感兴趣的话后面会再继续讲解，以及更新retinaface作为人脸检测器（更加稳定），star超过50会持续更新以及进一步提高FPS！