[树莓派]人脸识别+活体检测 加载2800+人脸数据还能达到20FPS!

本文主要是介绍[树莓派]人脸识别+活体检测 加载2800+人脸数据还能达到20FPS!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 一、背景
    • 二、介绍
    • 三、表现
    • 四、运行
    • 五、可调参数
    • 六、引用及致谢
    • 七、最后

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

活体检测

戴口罩下的识别(库中我的图片没戴口罩)
戴眼罩?

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

  2. 修改face_thre为true来记录自己的人脸(可选)

  3. 开始编译,在文件夹根目录输入

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

运行效果截图

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!

这篇关于[树莓派]人脸识别+活体检测 加载2800+人脸数据还能达到20FPS!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/328122

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X