同步操作将从 Gitee 极速下载/SeetaFace2 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
SeetaFace2
人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块,即:人脸检测模块 FaceDetector
、面部关键点定位模块 FaceLandmarker
以及人脸特征提取与比对模块 FaceRecognizer
。
已经两个辅助模块 FaceTracker
和 QualityAssessor
用于人脸跟踪和质量评估。
SeetaFace2
采用标准 C++ 开发,全部模块均不依赖任何第三方库,支持 x86 架构(Windows、Linux)和 ARM 架构(Android)。SeetaFace2 支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。
SeetaFace2 是面向于人脸识别商业落地的里程碑版本,其中人脸检测模块在 FDDB 上的 100 个误检条件下可达到超过 92% 的召回率,面部关键点定位支持 5 点和 81 点定位,1 比 N 模块支持数千人规模底库的人脸识别应用。
模块 | 方法概述 | 基础技术指标 | 典型平台速度 |
---|---|---|---|
人脸检测 | Cascaded CNN | FDDB 上召回率达到92%(100个误检情况下)。 | 40 最小人脸 I7: 70FPS(1920x1080) RK3399: 25FPS(640x480) |
面部关建点定位(81点和5点) | FEC-CNN | 平均定位误差(根据两眼中心距离归一化) 300-W Challenge Set 上达到 0.069。 |
I7: 450FPS 和 500FPS RK3399: 110FPS 和 220FPS |
人脸特征提取与比对 | ResNet50 | 识别:通用1:N+1场景下,错误接受率1%时, 1000人底库,首选识别率超过98%, 5000人底库,首选识别率超过95%。 |
I7: 8FPS RK3399: 2.5FPS |
与 2016 年开源的 SeetaFace 1.0
相比,SeetaFace2
在速度和精度两个层面上均有数量级的提升。
版本 | 人脸检测 | 关键点定位 | 人脸识别 | 第三方依赖 | |||
---|---|---|---|---|---|---|---|
速度[1] | 单精度[2] | 速度 | 功能 | 训练数据规模 | 应用 | ||
1.0 | 16FPS | 85% | 200FPS | 5点 | 140万张 | 实验室 | 无 |
2.0 | 77FPS | 92% | 500FPS | 5/81点 | 3300万张 | 商业环境 | 无 |
备注 |
[1] 640x480输入、检测40x40人脸、I7-6700。 [2] 人脸检测的精度指100个误捡FDDB数据集的召回率。 |
知人识面辩万物,开源赋能共发展。SeetaFace2
致力于 AI 赋能发展,和行业伙伴一起共同推进人脸识别技术的落地。
OpneCV
FMA
指令。默认关闭。只有目标是x86
架构是起作用依赖
opencv。仅编译例子时需要
sudo apt-get install libopencv-dev
编译
cd SeetaFace2
mkdir build
cd build
cmake .. -G"Unix Makefiles" -DCMAKE_INSTALL_PREFIX=`pwd`/install -DCMAKE_BUILD_TYPE=Release -DBUILD_EXAMPLE=OFF # 如果有 OpneCV,则设置为 ON
cmake --build . --config Release
安装
cmake --build . --config Release --target install/strip
运行例子
把生成库的目录加入到变量 LD_LIBRARY_PATH 中
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:`pwd`/bin
拷贝模型文件到程序执行目录的 model 目录下
cd SeetaFace2
cd build
cd bin
mkdir model
cp fd_2_00.dat pd_2_00_pts5.dat pd_2_00_pts81.dat .
执行 bin 目录下的程序
points81
cd SeetaFace2
cd build
cd bin
./points81
search
cd SeetaFace2
cd build
cd bin
./search
把 cmake 命令所在目录加入到环境变量 PATH 中
从开始菜单打开 “VS2015开发人员命令提示”,进入命令行
编译
cd SeetaFace2
mkdir build
cd build
cmake .. -G"Visual Studio 14 2015" \
-DCMAKE_INSTALL_PREFIX=install \
-DCMAKE_BUILD_TYPE=Release \
-DBUILD_EXAMPLE=OFF # 如果有 OpneCV,则设置为 ON
#-G: 设置产生器。注意产生器要与你的MSVC工具配套
cmake --build . --config Release
安装
cmake --build . --config Release --target install
运行例子
拷贝模型文件到程序执行目录的 model 目录下
cd SeetaFace2
cd build
cd bin
mkdir model
cp fd_2_00.dat pd_2_00_pts5.dat pd_2_00_pts81.dat .
执行 bin 目录下的程序
安装 ndk 编译工具
从 https://developer.android.com/ndk/downloads 下载 ndk,并安装到:/home/android-ndk
设置环境变量:
export ANDROID_NDK=/home/android-ndk
编译
主机是 linux
编译
cd SeetaFace2
mkdir build
cd build
cmake .. -DCMAKE_INSTALL_PREFIX=install \
-DCMAKE_BUILD_TYPE=MinSizeRel \
-DCMAKE_TOOLCHAIN_FILE=${ANDROID_NDK}/build/cmake/android.toolchain.cmake \
-DANDROID_ABI="armeabi-v7a with NEON" \
-DANDROID_PLATFORM=android-24 \
-DBUILD_EXAMPLE=OFF # 如果有OpenCV,则设置为ON
cmake --build . --config MinSizeRel
安装
cmake --build . --config MinSizeRel --target install/strip
主机是 windows
windows控制台
编译
cd SeetaFace2
mkdir build
cd build
cmake .. -DCMAKE_INSTALL_PREFIX=%cd%\install ^
-G"Unix Makefiles" ^
-DCMAKE_BUILD_TYPE=MinSizeRel ^
-DCMAKE_TOOLCHAIN_FILE=%ANDROID_NDK%/build/cmake/android.toolchain.cmake ^
-DCMAKE_MAKE_PROGRAM=%ANDROID_NDK%/prebuilt/windows-x86_64/bin/make.exe ^
-DANDROID_ABI=arm64-v8a ^
-DANDROID_ARM_NEON=ON ^
-DANDROID_PLATFORM=android-24 ^
-DBUILD_EXAMPLE=OFF : 如果有 OpenCV,则设置为ON
cmake --build . --config MinSizeRel
安装
cmake --build . --config MinSizeRel --target install/strip
msys2 或 cygwin
cd SeetaFace2
mkdir build
cd build
cmake .. -DCMAKE_INSTALL_PREFIX=install \
-G"Unix Makefiles" \
-DCMAKE_BUILD_TYPE=MinSizeRel \
-DCMAKE_TOOLCHAIN_FILE=${ANDROID_NDK}/build/cmake/android.toolchain.cmake \
-DCMAKE_MAKE_PROGRAM=${ANDROID_NDK}/prebuilt/windows-x86_64/bin/make.exe \
-DANDROID_ABI=arm64-v8a \
-DANDROID_ARM_NEON=ON \
-DANDROID_PLATFORM=android-24 \
-DBUILD_EXAMPLE=OFF # 如果有 OpenCV,则设置为ON
cmake --build . --config MinSizeRel
安装
cmake --build . --config MinSizeRel --target install/strip
参数说明:https://developer.android.google.cn/ndk/guides/cmake
以实体机为例
环境准备
命令行编译
使用 cmake 编译并安装项目,
cd SeetaFace2
mkdir build
cd build
chmod +x ../ios/cmake.sh
../ios/cmake.sh -DCMAKE_INSTALL_PREFIX=`pwd`/install
make -j4
make install
执行完毕后,生成好的静态库将安装到SeetaFace2/build/install
编译模拟器版本
修改 cmake 指令参数 ../ios/cmake.sh -DIOS_PLATFORM=SIMULATOR64 -DPLATFORM=x64
查看 <root>/ios/cmake.sh
和 <root>/ios/iOS.cmake
获取更多编译选项
|-- SeetaFace2<br>
|-- documents(SDK 接口说明文档)
|-- example(C++ 版本 SDK 示例代码)
|-- FaceDetector(人脸检测模块)
|-- FaceLandmarker(特征点定位模块)
|-- FaceRecognizer(人脸特征提取和比对模块)
|-- SeetaNet(前向计算框架模块)
人脸检测模块 FaceDetector 模型下载链接:
MD5 :E88669E5F1301CA56162DE8AEF1FD5D5
百度网盘:https://pan.baidu.com/s/1Dt0M6LXeSe4a0Pjyz5ifkg 提取码:fs8r
Dropbox : https://www.dropbox.com/s/cemt9fl48t5igfh/fd_2_00.dat?dl=0
面部特征5点定位模块 FaceLandmarker 模型下载链接:
MD5 :877A44AA6F07CB3064AD2828F50F261A
百度网盘:https://pan.baidu.com/s/1MqofXbmTv8MIxnZTDt3h5A 提取码:7861
Dropbox : https://www.dropbox.com/s/noy8tien1gmw165/pd_2_00_pts5.dat?dl=0
面部特征81点定位模块 FaceLandmarker 模型下载链接:
MD5 :F3F812F01121B5A80384AF3C35211BDD
百度网盘:https://pan.baidu.com/s/1CCfTGaSg_JSY3cN-R1Myaw 提取码:p8mc
Dropbox : https://www.dropbox.com/s/v41lmclaxpwow1d/pd_2_00_pts81.dat?dl=0
人脸特征提取和比对模块 FaceRecognizer 模型下载链接:
MD5 :2D637AAD8B1B7AE62154A877EC291C99
百度网盘:https://pan.baidu.com/s/1y2vh_BHtYftR24V4xwAVWg 提取码:pim2
Dropbox : https://www.dropbox.com/s/6aslqcokpljha5j/fr_2_10.dat?dl=0
example/search/example.cpp
示例展示了一套简单且完整的人脸识别的流程,包括:
测试者如果想在底库中成功识别出自己的人脸,需要在example.cpp的底库注册列表部分添加以自己名称命名的图片(名称 + .jpg), 并把自己名称命名的图片文件拷贝到程序的运行目录下,重新编译 example 并运行程序,测试识别效果即可。
欢迎开发者加入 SeetaFace 开发者社区,请先加 SeetaFace 小助手微信,经过审核后邀请入群。
欢迎开发者贡献优质代码,所有开发者代码需提交在develop
分支。
想要购买 SeetaFace
商业版引擎以获得精度更高、速度更快的人脸识别算法或活体验证、表情识别、心率估计、姿态估计、视线追踪等更多人脸分析模块支持,请联系商务邮件 bd@seetatech.com。
SeetaFace2
依照 BSD 2-Clause license 开源.
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。