SeetaFace6的readme文檔
# **SeetaFace6** [](LICENSE) [[中文]()] ## 開源模塊 `SeetaFace6`是中科視拓最新開源的商業正式版本。突破了之前社區版和企業版版本不同步發布的情況,這次開源的v6版本正式與商用版本同步。 <div align=center> <img src="./asserts/fas.jpg" width="310" height="180" /> </div> 此次開源包含了一直以來人臉識別的基本部分,如人臉檢測、關鍵點定位、人臉識別。同時增加了活體檢測、質量評估、年齡性別估計。並且響應時事,開放了口罩檢測以及戴口罩的人臉識別模型。 <div align=center> <img src="./asserts/fr_mask.png" width="560" height="240" /> </div> 同時此次我們開源了商用版最新的推理引擎TenniS,ResNet50的推理速度,從SeetaFace2在I7的8FPS提升到了20FPS。同時人臉識別訓練集也大幅度提高,SeetaFace6人臉識別數據量增加到了上億張圖片。 為了應對不同級別的應用需求,SeetaFace6將開放三個版本模型: 模型名稱 | 網絡結構 | 速度(I7-6700) | 速度(RK3399) | 特征長度 -|-|-|-|- 通用人臉識別 | ResNet-50 | 57ms | 300ms | 1024 帶口罩人臉識別 | ResNet-50 | 34ms | 150ms | 512 通用人臉識別(小) | Mobile FaceNet | 9ms | 70ms | 512 作為能力兼容升級,SeetaFace6仍然能夠給眾多人臉識別應用提供業務能力。 <div align=center> <img src="./asserts/app_matrix.png" width="600" height="320" /> </div> 同時該套算法適用於高精度的服務器部署外,也可以終端設備上很好的適應運行。 <div align=center> <img src="./asserts/endpoints.png" width="680" height="180" /> </div> <div align=center> <img src="./asserts/api_matrix.png" width="360" height="180" /> </div> ## 編譯 ### 下載源碼 ``` git clone --recursive https://github.com/SeetaFace6Open/index.git ``` ### 編譯依賴 1. 編譯工具 2. For linux<br> GNU Make 工具<br> GCC 或者 Clang 編譯器 3. For windows<br> [MSVC](https://visualstudio.microsoft.com/zh-hans/) 或者 MinGW. <br> [jom](https://wiki.qt.io/Jom) 4. [CMake](http://www.cmake.org/) 5. 依賴架構<br> CPU 支持 AVX 和 FMA [可選](x86)或 NENO(ARM)支持 ### 編譯順序說明 OpenRoleZoo 為常用操作的集合,SeetaAuthorize 為模型解析工程,TenniS 為前向計算框架。需要重點說明的是,此次 TenniS 同時放出了 **GPU** 計算源碼,可以編譯出 **GPU** 版本進行使用。上述三個模塊為基礎模塊,各個 SDK 的編譯均依賴上述模塊,因此需要優先編譯出 OpenRoleZoo, SeetaAuthorize 和 TenniS,然后再進行其他 SDK 模塊的編譯。 ### 各平台編譯 #### linux 平台編譯說明 cd ./craft 運行腳本 build.linux.x64.sh(gpu版本為 build.linux.x64_gpu.sh) #### windows 平台編譯說明 cd ./craft 執行腳本 build.win.vc14.all.cmd 編譯各個版本的庫(gpu版本為build.win.vc14.all_gpu.cmd) #### Android 平台編譯說明 + 安裝 ndk 編譯工具(推薦版本 **ndk-r16b**) - 從 https://developer.android.com/ndk/downloads 下載 ndk 並安裝 - 設置環境變量, 導出ndk-build工具 + 編譯 各個模塊均含有 android/jni/Android.mk 和 android/jni/Application.mk 兩個編譯腳本文件。 cd 到各模塊的 android/jni 目錄 執行 ndk-build -j4 編譯 #### 其他 arm 等交叉編譯平台 當前版本並未直接對交叉編譯平台進行支持, 不過可參考文章 [cmake cross compile](https://zhuanlan.zhihu.com/p/100367053) 的說明進行 CMake 配置和對應平台的編譯。 # 下載地址 ### 百度網盤 模型文件: Part I: [Download](https://pan.baidu.com/s/1LlXe2-YsUxQMe-MLzhQ2Aw) code: `ngne`, including: `age_predictor.csta`, `face_landmarker_pts5.csta`, `fas_first.csta`, `pose_estimation.csta`, `eye_state.csta`, `face_landmarker_pts68.csta`, `fas_second.csta`, `quality_lbn.csta`, `face_detector.csta`, `face_recognizer.csta`, `gender_predictor.csta`, `face_landmarker_mask_pts5.csta`, `face_recognizer_mask.csta`, `mask_detector.csta`. Part II: [Download](https://pan.baidu.com/s/1xjciq-lkzEBOZsTfVYAT9g) code: `t6j0`,including: `face_recognizer_light.csta`. ### Dropbox Model files: Part I: [Download](https://www.dropbox.com/s/julk1f16riu0dyp/sf6.0_models.zip?dl=0), including: `age_predictor.csta`, `face_landmarker_pts5.csta`, `fas_first.csta`, `pose_estimation.csta`, `eye_state.csta`, `face_landmarker_pts68.csta`, `fas_second.csta`, `quality_lbn.csta`, `face_detector.csta`, `face_recognizer.csta`, `gender_predictor.csta`, `face_landmarker_mask_pts5.csta`, `face_recognizer_mask.csta`, `mask_detector.csta`. Part II: [Download](https://www.dropbox.com/s/d296i7efnz5evbx/face_recognizer_light.csta?dl=0) ,including: `face_recognizer_light.csta`. # 使用入門 關於基本的接口使用,請參見教程: [《SeetaFace 入門教程》](http://leanote.com/blog/post/5e7d6cecab64412ae60016ef),github上有同步[文檔源碼](https://github.com/seetafaceengine/SeetaFaceTutorial)。 人臉識別的完整示例Demo見 [example/qt](./example/qt)。 在每個壓縮包的文檔中都包含了對應平台上的調用示例,請解壓對應平台壓縮包后分別獲取。 # 接口文檔 各模塊接口參見 [docs](./docs) # 開發者社區 歡迎開發者加入 SeetaFace 開發者社區,請先加 SeetaFace 小助手微信,經過審核后邀請入群。  # 聯系我們 `SeetaFace` 開源版可以免費用於商業和個人用途。如果需要更多的商業支持,請聯系商務郵件 bd@seetatech.com。
使用cmake-gui編譯各開源模塊
編譯OpenRoleZoo、SeetaAuthorize和TenniS三個核心模塊
1.編譯OpenRoleZoo模塊
(1)打開cmake-gui操作界面,參靠OpenRoleZoo/README.md文件配置下圖中的參數項
(2)根據圖中箭頭所示依次配置source code路徑、build路徑,修改CMAKE_BUILD_TYPE參數為Relase、修改CMAKE_INSTALL_PREFIX參數為項目根目錄下的build目錄中,點擊configure,點擊generate完成cmake編譯。
(3)進入配置的build路徑下打開命令行輸入界面,輸入make,完成編譯。
編譯過程中出現如下圖所示錯誤:
問題描述:
"error: funciton in namespace 'std' does not name a template type"
解決辦法:
進入提示信息所給的pot.h文件中,導入頭文件functional后保存文件重新編譯即可
#include <functional>
如果加了,還是報這個錯。可能原因是gcc版本是98的,編譯的時候需要加上-std=c++11
g++ main.cpp -std=c++11
(4)make成功之后執行make install完成OpenRoleZoo模塊的安裝,安裝成功后如圖所示:
項目根目錄build中生成如圖所示目錄:
2.編譯安裝SeetaAuthorize模塊
參靠SeetaAuthorize/README.md文件配置下圖中的參數項
進入SeetaAuthorize/build中執行
make
make install
完成SeetaAuthorize模塊編譯安裝
3.編譯安裝TenniS模塊
參靠TenniS/README.md文件配置下圖中的參數項
進入TenniS/build中執行
make
make install
完成TenniS模塊編譯安裝
4.FaceAntISpoofingX6
5.FaceBoxes
6.FaceRecognizer6
7.FaceTracker6
8.Landmarker
9.PoseEstimator6
10.QualityAssessor3
11.SeetaAgePredictor
12.SeetaEyeStateDetector
13.SeetaGenderPredictor
14.SeetaMaskDetector