前言
1.系统环境是win10,显卡RTX3080;cuda10.2,cudnn7.1;OpenCV4.5,ncnn版本是20210525;C++ IDE vs2019。
2.使用NCNN作模型推理加速库,能更容易的使用GPU进行加速,代码不需要改动很大就可以移植到边缘设备或者移动端上。
一、人脸检测
1.人脸检测用的yolov5-face,yolov5-face是一种实时、高精度的人脸检测,搭配NCNN在安卓上(Mate 30 pro)cpu 能跑出18 FPS左右,GPU能跑出25 FPS。算法源码地址:https://github.com/deepcam-cn/yolov5-face 。论文地址:https://arxiv.org/abs/2105.12931 。
2.人脸检测效果:
二、活体检测
1、人脸活体检测是用来检测当前摄像头所检测到的人脸是否是伪造的,是人脸验证和人脸识别的前提条件,如果不能检测出来是否是活体,那么就会出现比如常见用照片,人脸面具,3D人像等其他媒介来骗过人脸识别系统。
2、目前主流的活体解决方案分为配合式活体检测和非配合式活体检测(静默活体检测)。配合式活体检测需要用户根据提示完成指定的动作(比如眨眼,头往哪边转一下),然后再进行活体校验,静默活体则在用户无感的情况下直接进行活体校验。
3、这里演示的是静默活体检测,算法地址:https://github.com/minivision-ai/Silent-Face-Anti-Spoofing 。
三、代码
1.代码流程,输入摄像头或者视频,先检测当前画面是否存在人脸,如果在用到项目上,也可以做当前存在是否是唯一人脸的检测,存在人脸则对人脸做活体检测,检测当前输入的人脸是否是活体人脸。
2.代码:
#include <opencv2/opencv.hpp>
#include "TLive.h"
#include "yoloface.h"
#include <opencv2/video/video.hpp>
cv::Rect targetResize(const cv::Mat& cv_src, cv::Mat& cv_dst, int target_w, int target__h);
int main(void)
{
int target_w = 640, target_h = 480;
YoloFace yolo_face;
TLive live;
//加载活体检测模型
live.LoadModel("models/live/");
//加载人脸检测模型
yolo_face.loadModel("models/face/face_lite");
cv::VideoCapture cap;
//打开摄像头或者是输入视频
//cap.open(0);
cap.open("face.mp4");
if (!cap.isOpened())
{
return 0;
}
cv::Mat cv_src;
while (1)
{
cap >> cv_src;
if (cv_src.empty())
{
break;
}
std::vector<Object> objects;
//图像边界扩展,这步是为了提高精度
cv::Mat cv_target;
cv::Rect rect = targetResize(cv_src, cv_target, target_w, target_h);
//人脸检测
yolo_face.detection(cv_target, objects);
for (int i = 0; i < objects.size(); ++i)
{
float x1 = objects[i].rect.x;
float y1 = objects[i].rect.y;
float x2 = objects[i].rect.width + x1;
float y2 = objects[i].rect.height + y1;
struct LiveFaceBox LiveBox = { x1,y1,x2,y2 };
//活体检测
float prod = live.Detect(cv_target, LiveBox);
objects[i].live = prod;
}
//输出结果
yolo_face.drawFace(cv_target, objects);
cv::Mat cv_dst(cv_target(rect));
cv::namedWindow("face", 0);
cv::imshow("face", cv_dst);
cv::waitKey(20);
}
cap.release();
return 0;
}
cv::Rect targetResize(const cv::Mat& cv_src, cv::Mat& cv_dst, int target_w, int target_h)
{
float s;
if (cv_src.cols > cv_src.rows)
{
s = float(target_w) / cv_src.cols;
}
else
{
s = float(target_h) / cv_src.rows;
}
float w = cv_src.cols * s;
float h = cv_src.rows * s;
int w_p = (target_w - w) / 2;
int h_p = (target_h - h) / 2;
cv::Mat cv_size;
cv::resize(cv_src, cv_size, cv::Size(w, h));
cv::copyMakeBorder(cv_size, cv_dst, h_p, h_p, w_p, w_p, cv::BORDER_CONSTANT, 114.f);
return cv::Rect(w_p, h_p, cv_size.cols, cv_size.rows);
}
3.测试结果
先输入一个全是照片的视频:
再测试一个正常的活动的人脸:
4.源码地址:https://download.csdn.net/download/matt45m/84996790