仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

作者: 佚名 2020-03-23 13:45:44

 总是被各种依赖环境蹂躏?看看这个 C++编写的跨平台人脸检测项目,电脑手机都可运行!

项目地址:https://github.com/ShiqiYu/libfacedetection

人脸检测可广泛应用于人机交互、安防监控、社交娱乐等领域,具有很强的实用价值,因此受到广泛关注与研究。在众多人脸检测方法中,使用卷积神经网络进行检测是目前较为流行的方法之一。然而在我们使用别人开源的项目时经常需要安装各种各样的依赖环境,不同的依赖环境在不同硬件平台或操作系统中支持程度不一样,增加了项目跨平台迁移的难度。

本文介绍的是一个使用卷积神经网络进行人脸检测的开源项目,它最大的亮点是能够在所有支持 C/C++的平台上编译运行。作者将预训练的 CNN 模型转换为静态变量后储存到了 C 文件里,使得该项目不需要任何其他依赖项(当然 OpenCV 还是需要的),仅仅只需要一个 C++编译器,就能在任何一个平台甚至嵌入式系统上编译并运行该项目。

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

尤其吸引人的是该项目使用 C++编写且支持 AVX2,在 i7 的 CPU 上就能跑出丧心病狂的 1000FPS!下图为项目作者给出的检测效果示例。

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

可以看到该项目不仅检测速度非常快,检测精度也很不错。于是,机器之心也上手测试了一番。

项目实测

我们在 Ubuntu 18.04 下测试这个人脸检测项目的效果。首先先使用一张相对简单的合照进行测试,其总共有 15 个人,分辨率为 970x546,检测结果如下图所示:

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

可以看到它准确的识别出了图片中所有的人像,在 CPU 上仅耗时 133ms 且置信度都为 99%。下图为加上 bounding box 后的检测效果图:

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

下面我们提高一下难度,使用一张开挂民族的图片测试一下效果。它也几乎把所有火车头上正面的面孔都识别出来了,火车车身上的人像没有识别出来,可能是因为那些人像实在是太小太密集的缘故。

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

编译过程

该项目编译需要 OpenCV,如果缺少 OpenCV 在使用 cmake 生成 makefile 时会报如下错误:

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

我们首先使用 wget https://github.com/opencv/opencv/archive/3.4.0.tar.gz 下载 OpenCV 3.4.0 的源码,紧接着安装编译 OpenCV 需要的相关依赖项:

  1. apt-get install build-essential 
  2. apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-devadd-apt-repository "deb https://security.ubuntu.com/ubuntu xenial-security main" 
  3. apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev 

安装完依赖项之后我们将 OpenCV 的压缩包解压到当前目录下:

  1. tar xvzf 3.4.0.tar.gz 

为了避免在编译时将源码文件弄乱,我们新建一个名为 linuxidcbuild 的文件夹,在其下进行 OpenCV 的编译与安装:

  1. mkdir linuxidcbuild 
  2. cd linuxidcbuild/ 
  3. cmake ../opencv-3.4.0 -DWITH_GTK_2_X=ON -DCMAKE_INSTALL_PREFIX=/usr/local 

在生成 makefile 的过程中可能会出现卡在下图的情况,

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

这是由于 ippicv 下载不成功导致的,在以下链接手动下载系统对应的 ippicv 版本:

https://github.com/opencv/opencv_3rdparty/tree/ippicv/master_20170822/ippicv

之后使用 vim opencv-3.4.0/3rdparty/ippicv/ippicv.cmake 修改 OpenCV 的编译配置文件,将如下内容

"https://raw.githubusercontent.com/opencv/opencv_3rdparty/${IPPICV_COMMIT}/ippicv/ "

修改为我们刚存放 ippicv 的目录。再重新执行一次 cmake ../opencv-3.4.0 -DWITH_GTK_2_X=ON -DCMAKE_INSTALL_PREFIX=/usr/local,当出现下图的内容时说明成功生成了 makefile。

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

接下来我们执行 make 进行对 OpenCV 的编译:

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

这里编译的过程相对比较漫长,大约需要 20 分钟左右,消耗时间根据不同电脑配置会有所区别。当出现下图所示内容时说明编译完成。

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

之后使用 make install 进行安装,

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

安装成功后会出现如图所示界面:

仅用CPU就能跑到1000FPS,这是开源的C++跨平台人脸检测项目

以上即完成对 OpenCV 的安装。安装完成后使用 vim /etc/ld.so.conf.d/opencv.conf 对其进行配置,在文件中加入/usr/local/lib 后保存退出。

使用 vim /etc/bash.bashrc 添加环境变量,在文末加入 export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig,使用 source /etc/bash.bashrc 让新的环境变量生效。这样就配置好了 OpenCV,之后使用如下命令编译该项目:

  1. git clone https://github.com/ShiqiYu/libfacedetectioncd libfacedetectionmkdir build; cd build; cmake ..; make 

项目编译完成后会在 build 目录下生成对应可执行文件,可使用如下命令运行:

  1. ./detect-image-demo ../images/test.png 

虽然看似操作非常复杂,但实际上主要就是编译 OpenCV,其它模块都可以直接在项目中完成编译。最后,就可以愉快地使用这个极速人脸检测模型了。

人脸识别 人工智能 数据
上一篇:企业为人工智能在数据中心的广泛应用做好准备了吗? 下一篇:挑战马斯克Neuralink!斯坦福全新脑机接口,直连大脑和硅基芯片
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能项目:需要注意的七件事

维度R的一份报告显示,十分之八的AI失败了,而96%的AI则在标注,标明和建立模型置信度方面遇到了问题。以下是人工智能项目失败的7个常见原因。

闻数起舞 ·  22h前
2020年第一季度人工智能的最新进展

人工智能曾经只是科幻小说,是计算世界的遥不可及的梦想,如今已成为现实。 人工智能,简称AI,是用来描述机器模拟人类智能的能力。

闻数起舞 ·  1天前
2020年优秀AI软件开发工具

人工智能对软件工程和科技公司的影响不可否认,而且还在不断增加。 有许多组织正在利用这项革命性的技术来创建开箱即用的功能强大的Web和移动应用程序。 无论大小,企业都可以利用AI来提高投资回报率,提高效率并很大程度地降低运营风险。

闻数起舞 ·  1天前
人工智能可以塑造活动产业的未来吗?

活动组织者可以为活动管理引入AI,以使他们的活动更加成功。现场活动是很好的营销方式,也是增强业务与客户关系的优秀方式。根据一项调查,84%的领导者认为活动是其业务成功的关键因素。技术的使用正在改变活动的计划和组织方式。

佚名 ·  3天前
提升城市气质守护宜居环境 AI打通治理闭环

人工智能被一些研究人员称为“21世纪的电力”,认为其几乎可以为万事万物提供动力。而在城市加速发展的当下,人工智能也渐渐成为了新型智慧城市建设的“推动者”和“守望者”。

今夕何夕 ·  3天前
12个场景应用,百余种算法,AI是如何攻占经济学的?

在虚拟世界中模拟现实经济状况,想法设计更好的制度只是AI和经济学结合方式之一。其实深度强化学习在面临风险参数和不确定性不断增加的现实经济问题时,也可以提供更好的性能和更高的精度。

蒋宝尚 ·  4天前
你在打王者农药,有人却用iPhone来训练神经网络

在 iOS 设备上也可以直接训练 LeNet 卷积神经网络,而且性能一点也不差,iPhone 和 iPad 也能化为实实在在的生产力。

佚名 ·  4天前
未来20年,全自动驾驶和互联汽车会出现吗?

在这篇博文中,重点介绍了汽车技术如何使交通更安全、更智能、更有趣。

Huibert Verhoeven ·  4天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载