SeetaFace2

中文 English

1. 简介

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。

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。

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。

2. 编译

2.1 编译依赖

• 编译工具
  • For linux
    • GNU Make 工具
    • GCC 或者 Clang 编译器
  • For windows
    • MSVC 或者 MinGW.
  • CMake
• 依赖库
  • [可选] OpneCV 仅编译例子时需要
• 依赖架构
  • CPU 支持 SSE2 和 FMA [可选]（x86）或 NENO（ARM）支持

2.2 编译参数

• BUILD_DETECOTOR: 是否编译人脸检测模块。ON：打开；OFF：关闭
• BUILD_LANDMARKER: 是否编译面部关键点定位模块。ON：打开；OFF：关闭
• BUILD_RECOGNIZER: 是否编译人脸特征提取与比对模块。ON：打开；OFF：关闭
• BUILD_EXAMPLE: 是否编译例子。ON：打开；OFF：关闭，打开需要预先安装 OpneCV
• CMAKE_INSTALL_PREFIX: 安装前缀
• SEETA_USE_FMA: 是否启用 FMA 指令。默认关闭。只有目标是x86架构是起作用
• SEETA_USE_SSE2: 是否启用 SSE2 指令。window 和 unix 默认为 ON，其它默认为 OFF。

2.3 各平台编译

2.3.1 linux 平台编译说明

• 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
      

2.3.2 windows 平台编译说明

• 使用 cmake-gui.exe 工具编译。打开 cmake-gui.exe
• 命令行编译

  • 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

        • points81
        • search

2.3.3 Android平台编译说明

• 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

    • ANDROID_ABI: 可取下列值： 目标 ABI。如果未指定目标 ABI，则 CMake 默认使用 armeabi-v7a。
      有效的目标名称为：
      • armeabi：带软件浮点运算并基于 ARMv5TE 的 CPU。
      • armeabi-v7a：带硬件 FPU 指令 (VFPv3_D16) 并基于 ARMv7 的设备。
      • armeabi-v7a with NEON：与 armeabi-v7a 相同，但启用 NEON 浮点指令。这相当于设置 -DANDROID_ABI=armeabi-v7a 和 -DANDROID_ARM_NEON=ON。
      • arm64-v8a：ARMv8 AArch64 指令集。
      • x86：IA-32 指令集。
      • x86_64 - 用于 x86-64 架构的指令集。
    • ANDROID_NDK 主机上安装的 NDK 根目录的绝对路径
    • ANDROID_PLATFORM: 如需平台名称和对应 Android 系统映像的完整列表，请参阅 Android NDK 原生 API
    • ANDROID_ARM_MODE
    • ANDROID_ARM_NEON
    • ANDROID_STL: 指定 CMake 应使用的 STL。默认情况下，CMake 使用 c++_static。
      • c++_shared: 使用 libc++ 动态库
      • c++_static: 使用 libc++ 静态库
      • none: 没有 C++ 库支持
      • system: 用系统的 STL

2.3.4 IOS 平台编译说明

以实体机为例

• 环境准备

  • 需要 MacOS 的 PC。
  • git 下载源代码。

• 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

3. 目录结构

|-- 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）  

4. 模型下载

• 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

5. 示例

5.1 本项目自带示例

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：

1. 预注册图像中的人脸到人脸识别底库中（example 中默认注册了"1.jpg"中的人脸）；
2. 打开摄像头，检测摄像头画面中的人脸；3.对检测到人脸进行识别，确定所属人脸的身份。

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。

5.2 已使用本项目的其它项目

• FaceRecognizer: https://github.com/KangLin/FaceRecognizer
• SeetaFace2AndroidDemo: https://github.com/xiaoxiaoazhang/SeetaFace2AndroidDemo

6. 开发者社区

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。

6.1 代码贡献

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。

7. 商业合作

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 [email protected]。

8. 开源协议

SeetaFace2 依照 BSD 2-Clause license 开源.