InspireFace-商用级的跨平台开源人脸分析SDK

已于 2024-12-13 23:12:53 修改
阅读量3.7k 收藏 22
点赞数 31
文章标签： 开源 人工智能 图像处理 深度学习 ai python c++
于 2024-07-06 23:04:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_40193776/article/details/140237324
版权

InspireFace-商用级的跨平台开源人脸分析SDK

InspireFaceSDK是由insightface开发的⼀款⼈脸识别软件开发⼯具包（SDK）。它提供了⼀系列功能，可以满⾜各种应⽤场景下的⼈脸识别需求，包括但不限于闸机、⼈脸⻔禁、⼈脸验证等。

该SDK包含了多种常⽤的⼈脸识别算法，涵盖了⼈脸检测、⼈脸属性分析、⼈脸特征提取和⼈脸⽐对等功能。这些算法经过精⼼设计，具备业界领先的⼈脸识别能⼒和算法精度⽔平。为了满⾜不同的部署需求，InspireFaceSDK提供了四种不同平台的部署选项。

这些选项涵盖了各种推理场景，包括闸机芯⽚、端侧设备（如智能⼿机、平板电脑）、CPU（中央处理器）和服务器（CUDA）、NPU（神经处理单元）等。开发⼈员可以根据实际情况选择适合⾃⼰应⽤的部署⽅案。

在这里插入图片描述

快速使用

对于Linux和MacOS上的Python用户，可以通过pip快速安装InspireFace：

pip install inspireface

⚠️Windows支持尚未可用，但很快就会到来！

安装完成后，你可以这样使用inspireface：

import cv2
import inspireface as isf

# Global launching and automatic downloading of resource files
ret = isf.launch()
assert ret, "Launch failure. Please ensure the resource path is correct."

# Create a session with optional features
opt = isf.HF_ENABLE_NONE
session = isf.InspireFaceSession(opt, isf.HF_DETECT_MODE_IMAGE)

# Load the image using OpenCV.
image = cv2.imread(image_path)

# Perform face detection on the image.
faces = session.face_detection(image)

for face in faces:
    x1, y1, x2, y2 = face.location
    rect = ((x1, y1), (x2, y2), face.roll)
     # Calculate center, size, and angle
    center = ((x1 + x2) / 2, (y1 + y2) / 2)
    size = (x2 - x1, y2 - y1)
    angle = face.roll

    # Apply rotation to the bounding box corners
    rect = ((center[0], center[1]), (size[0], size[1]), angle)
    box = cv2.boxPoints(rect)
    box = box.astype(int)

    # Draw the rotated bounding box
    cv2.drawContours(image, [box], 0, (100, 180, 29), 2)

cv2.imshow("face detection", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

如何获取更多版本

  • 你可以直接从insightface.ai进入到仓库中获取到InspireFaceSDK的稳定版本的源代码；
  • 如果你持续关注代码更新动态，你可以从InspireFace的开发仓库进入获取到开发版本的资源；

功能介绍

InspireFaceSDK目前支持以下的功能，并且有更多的功能正在开发中：

IndexFunctionAdaptationNote
1人脸检测支持支持多种尺度图像的输入
2稠密关键点检测支持
3人脸识别支持基于arcface的高精度模型
4人脸跟踪支持拥有多种跟踪模式
5口罩检测支持
6静默人脸活体检测支持MiniVision
7质量分析支持
8头部姿态估计支持
9属性分析支持年龄、种族、性别等等
10表情与动作分析支持眨眼、摇头、点头
11人脸红外活体检测开发中

平台与架构的支持

我们已经完成了跨各种操作系统和CPU架构的软件适配和测试。这包括对Linux、macOS、iOS和Android等平台的兼容性验证，以及对特定硬件如Rockchip部分设备支持的测试，以确保在不同环境下稳定运行。

No.Operating SystemCPU ArchitectureSpecial Device SupportAdaptedPassed Tests
1LinuxARMv7-已适配通过离线测试
2ARMv8-已适配通过离线测试
3x86/x86_64-已适配通过在线测试
4ARMv7RV1109RV1126已适配通过离线测试
5x86/x86_64CUDA已适配通过离线测试
6macOSIntel x86-已适配通过离线测试
7Apple Silicon-已适配通过离线测试
8iOSARM-已适配通过离线测试
9AndroidARMv7-已适配
10ARMv8-已适配

[编译]准备工作

安装OpenCV

从1.1.8版本开始InspireFace内部已经将OpenCV设置成可选项，默认不依赖OpenCV，当然我们保留了依赖OpenCV的版本，如果有需要可自行配置打开OpenCV依赖。

安装MNN

3rdparty目录已经包含了MNN库，并指定了一个特定的版本作为稳定版本。如果您需要在编译期间启用或禁用其他配置选项，您可以参考MNN提供的CMake选项。如果您需要使用自己的预编译版本，请随意替换它，如果不需要请跳过此步骤。

获取工程

您可以拉取稳定版本或开发版的工程代码到本地：

# Pull the stable version
git clone https://github.com/deepinsight/insightface
cd insightface/cpp-package/inspireface/

# or, Pull the develop version
git clone https://github.com/HyperInspire/InspireFace

拉取第三方依赖

在编译前必须要拉取第三方依赖库到inspireface的根目录下：

# Must enter this directory
cd InspireFace
# Clone the repository and pull submodules
git clone --recurse-submodules https://github.com/tunmx/inspireface-3rdparty.git 3rdparty

如果你需要更新3rdpart仓库以确保它是最新的，或者如果你在初始拉取时没有使用——recursive 参数，你可以运行git submodule update——init——recursive:

# Must enter this directory
cd InspireFace
# If you're not using recursive pull
git clone https://github.com/tunmx/inspireface-3rdparty.git

cd 3rdparty
git pull
# Update submodules
git submodule update --init --recursive

环境要求

目前InspireFace支持的宿主机设备仅有Linux和MacOS两个系统，请确保您的计算机符合以下配置需求：

  • CMake (version 3.10 or higher)

  • OpenCV (version 3.5 or higher) [Optional: If the version >= 1.1.8, opencv is not used by default]

    • Use the specific OpenCV-SDK supported by each target platform such as Android, iOS, and Linux.

  • NDK (version 16 or higher, only required for Android) [Optional]

  • MNN (version 1.4.0 or higher)

  • C++ Compiler

    • Either GCC or Clang can be used (macOS does not require additional installation as Xcode is included)
      • Recommended GCC version is 4.9 or higher
        • Note that in some distributions, GCC (GNU C Compiler) and G++ (GNU C++ Compiler) are installed separately.
        • For instance, on Ubuntu, you need to install both gcc and g++
      • Recommended Clang version is 3.9 or higher
    • arm-linux-gnueabihf (for RV1109/RV1126) [Optional]
      • Prepare the cross-compilation toolchain in advance, such as gcc-arm-8.3-2019.03-x86_64-arm-linux-gnueabihf

  • CUDA (version 10.1 or higher) [Optional]

    • GPU-based inference requires installing NVIDIA’s CUDA dependencies on the device.

  • Eigen3

  • RKNN [Optional]

    • Adjust and select versions currently supported for specific requirements.

[编译]开始编译

工程采用CMake作为构建工具，CMake的选项用于控制编译阶段的各种细节。请根据您的实际需求进行选择。您可以查看参数表CMake Option。

Linux/MacOS编译

确保安装了OpenCV，就可以开始编译过程了。如果您使用的是macOS或Linux，您可以使用项目根目录下command 文件夹中提供的shell脚本快速编译:

cd InspireFace/
# Execute the local compilation script
bash command/build.sh

编译之后，您可以在构建目录中找到包含编译结果的本地文件。安装目录结构如下:

inspireface-linux
   ├── include
   │   ├── herror.h
   │   └── inspireface.h
   └── lib
       └── libInspireFace.so
  • libInspireFace.so：编译的动态链接库.
  • inspireface.h：头文件定义
  • herror.h：引用错误号定义

Note: 更多平台的相关的详细编译过程您可以直接进入源代码仓库中。

[示例]如何使用

C/C++ API

要将InspireFace集成到C/ c++项目中，您只需要链接InspireFace库并包含适当的头文件。下面是一个展示人脸检测的基本例子:

HResult ret;
// The resource file must be loaded before it can be used
ret = HFLaunchInspireFace(packPath);
if (ret != HSUCCEED) {
    std::cout << "Load Resource error: " << ret << std::endl;
    return ret;
}

// Enable the functions in the pipeline: mask detection, live detection, and face quality
// detection
HOption option = HF_ENABLE_QUALITY | HF_ENABLE_MASK_DETECT | HF_ENABLE_LIVENESS;
// Non-video or frame sequence mode uses IMAGE-MODE, which is always face detection without
// tracking
HFDetectMode detMode = HF_DETECT_MODE_ALWAYS_DETECT;
// Maximum number of faces detected
HInt32 maxDetectNum = 20;
// Face detection image input level
HInt32 detectPixelLevel = 160;
// Handle of the current face SDK algorithm context
HFSession session = {0};
ret = HFCreateInspireFaceSessionOptional(option, detMode, maxDetectNum, detectPixelLevel, -1, &session);
if (ret != HSUCCEED) {
    std::cout << "Create FaceContext error: " << ret << std::endl;
    return ret;
}

HFSessionSetTrackPreviewSize(session, detectPixelLevel);
HFSessionSetFilterMinimumFacePixelSize(session, 4);

// Load a image
HFImageBitmap image;
ret = HFCreateImageBitmapFromFilePath(sourcePath, 3, &image);
if (ret != HSUCCEED) {
    std::cout << "The source entered is not a picture or read error." << std::endl;
    return ret;
}
// Prepare an image parameter structure for configuration
HFImageStream imageHandle = {0};
ret = HFCreateImageStreamFromImageBitmap(image, rotation_enum, &imageHandle);
if (ret != HSUCCEED) {
    std::cout << "Create ImageStream error: " << ret << std::endl;
    return ret;
}

// Execute HF_FaceContextRunFaceTrack captures face information in an image
HFMultipleFaceData multipleFaceData = {0};
ret = HFExecuteFaceTrack(session, imageHandle, &multipleFaceData);
if (ret != HSUCCEED) {
    std::cout << "Execute HFExecuteFaceTrack error: " << ret << std::endl;
    return ret;
}
// Print the number of faces detected
auto faceNum = multipleFaceData.detectedNum;
std::cout << "Num of face: " << faceNum << std::endl;

// The memory must be freed at the end of the program
ret = HFReleaseImageBitmap(image);
if (ret != HSUCCEED) {
    printf("Release image bitmap error: %lu\n", ret);
    return ret;
}

ret = HFReleaseImageStream(imageHandle);
if (ret != HSUCCEED) {
    printf("Release image stream error: %lu\n", ret);
}
ret = HFReleaseInspireFaceSession(session);
if (ret != HSUCCEED) {
    printf("Release session error: %lu\n", ret);
    return ret;
}

Note: 更多使用相关的详细方法您可以直接进入源代码仓库中查看。

Python Native API

InspireFace提供了一个Python API，允许更有效地使用InspireFace库。编译完动态链接库后，你需要将其符号链接或复制到根目录下的python/inspireface/modules/core 目录下。然后你可以通过导航到**python/**目录开始测试。你的Python环境需要安装一些依赖项:

import cv2
import inspireface as isf

# Step 1: Initialize the SDK and downloading resource files.
ret = isf.launch()
assert ret, "Launch failure. Please ensure the resource path is correct."

# Optional features, loaded during session creation based on the modules specified.
opt = isf.HF_ENABLE_NONE
session = isf.InspireFaceSession(opt, isf.HF_DETECT_MODE_IMAGE)

# Load the image using OpenCV.
image = cv2.imread(image_path)
assert image is not None, "Please check that the image path is correct."

# Perform face detection on the image.
faces = session.face_detection(image)
print(f"face detection: {len(faces)} found")

# Copy the image for drawing the bounding boxes.
draw = image.copy()
for idx, face in enumerate(faces):
    print(f"{'==' * 20}")
    print(f"idx: {idx}")
    # Print Euler angles of the face.
    print(f"roll: {face.roll}, yaw: {face.yaw}, pitch: {face.pitch}")
    # Draw bounding box around the detected face.
    x1, y1, x2, y2 = face.location
    cv2.rectangle(draw, (x1, y1), (x2, y2), (0, 0, 255), 2)

Note: 仓库中的会提供更多的其他平台下的使用方法，我们推荐您使用最新的代码进行集成

[快捷]直接下载预编译的库

如果你想快速体验来节约编译的时间你可以跳过编译步骤，直接通过开发仓库的Release页面下载我们提供的最新的发行版SDK，其中涵盖了大部分的平台支持，所有的预编译库均是通过Github Actions进行持续集成发布，已经通过了测试。

模型列表

InspireFace目前提供了多款模型应对不同的使用场景，目前涵盖了移动端、服务端和部分嵌入式设备端，您可以进入到我们的Github页面进行更详细的了解和下载体验：

NameSupported DevicesNote
PikachuCPU适合移动端设备部署
MegatronCPU, GPU适合移动端、服务端和携GPU设备部署
Gundam-RV1109RKNPU支持RK1109/1126设备部署

测试实例

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

tunm
关注
人脸检测：实时人脸检测_（15）.实时人脸检测的开源工具与框架
zhubeibei168的博客
03-04 644
以上我们介绍了几种常用的开源工具和框架，它们可以帮助开发者快速实现实时人脸检测功能。每个工具和框架都有其独特的原理和特点，可以根据具体需求选择合适的工具。例如，OpenCV 的 Haar 级联分类器适合简单快速的人脸检测任务，Dlib 的 HOG + SVM 模型在复杂背景下表现更好，TensorFlow 的深度学习模型可以提供更高的检测准确性和鲁棒性，而 MTCNN 和 Face_recognition 则提供了更简化和易用的接口。
基于FaceX-Zoo里的faceSDK实现人脸识别（与人脸库结合比对人脸）
m0_58700887的博客
07-09 1531
此外，将带有照片的附加信息表img.xlsx与Faiss向量数据库的索引进行一一映射，目的当输入一张新的图片要与人脸库进行对比时，能够获取该图片的信息。功能描述：传入一张图片帧/图片，能够与人脸库的人脸数据进行比对，比对成功，则在图片上打上标签，标签信息包含——名称和相似百分比；测试结果如下所示，根据人为评估可知：test03误判，与人脸库比对相似度42%，但实际上人脸库并没有这个人的图片，所以。计算新输入图片的人脸特征向量与人脸库的人脸特征向量之间的欧氏距离，距离越短，说明相似度越高。
真正无限制商用级免费人脸识别算法SDK
03-19
去年用虹软所谓免费算法开发了一套人脸识别系统，也用在项目上了，效果也还行，但一年后，发现算法不能用了，问了下厂家，才知道需要每天下载ID号更新算法库，我顿时惨叫了一声！！！！！！！ 我生气了，决定开发一套真正免费的算法，无任何限制，可以让它运行到天黄地老！而且识别率，速度都要超过虹软的人脸算法 于是我真的发布了一个基于windows 平台的人脸识别算法，采用1亿对人脸样本训练而成，并采用了Intel加速技术，在CPU模式下，速度很快 主要功能如下:支持人脸检测、人脸特征提取、人脸特征对比，免费版本只开放了这3个基本功能，,需要 RK3399 Linux，android ,x86 linux版本可联系进一步沟通联系 硬件要求：PC级CPU intel i3及以上，服务器CPU E5系列全支持,由于采用了CPU硬件加速，一些低端的CPU如奔腾，赛扬系统CPU可能不支持，带有C#调用DEMO及源码 组件要求：安装 微软2019常用运行库合集.exe 此组件网上自行下载
从头开始开发基于虹软SDK的人脸识别考勤系统(python+RTSP开源)（二）
xiaomage_cn的专栏
03-07 438
代码中我大部分都加了注释，实在嫌麻烦的可以用visual studio code 安装codeX，选择代码加注释给你解释就好了，其实CODE这个插件特别多，很好用！系统配置，换上你们自己的SDK，目录你们自己随便建立，./Arcsdk/libarcsoft_face_engine.dll，这个你放在哪里就改到哪里。先说一句，为了省事，直接一个文件完成所有功能，可能在代码可读性上差一些，比较眼花缭乱哈哈。requirements.txt 文件内容，不用考虑版本号，这些库在安装的时候也是问题一堆的出。
开源2D/3D深度人脸识别分析工具（InsightFace）
最新发布
weixin_43156294的博客
03-25 671
InsightFace是基于PyTorch和MXNet的开源2D/3D深度人脸识别分析工具，由旷视研究院开发并维护。它集成了众多先进的人脸识别算法和模型，为研究人员和开发者提供了强大且易于使用的工具，可用于多种人脸识别相关的任务。
InsightFace 快速上手
zxfeng的博客
01-20 1871
通过以上流程，我们在PC端初步完成了InsightFace的全流程操作，借助InsightFace提供的功能包，我们快速实现了高效的多人实时人脸识别。整个流程涵盖了环境配置、模型下载与加载以及推理测试等关键步骤，其中核心部分主要集中在人脸检测和人脸识别两个模型的使用。
人脸对齐之SDM / 人脸对齐之LBF / 人脸实时替换
Taily老段的专栏
01-17 6884
人脸对齐之SDM(Supervised Descent Method) 人脸对齐之LBF(Local Binary Features) 人脸识别技术大总结(1)：Face Detection &amp; Alignment   Real-time Expression Transfer for Facial Reenactment https://www.youtube.com/watc...
人脸识别开源SDK源码
08-14
代码是调用开源SDk的FaceCore关键代码。附件中有详细的接口调用说明 FaceCore人脸识别开放平台 （SERVICE INTERFACE PLATFORM）是基于人脸检测、比对核心业务技术的服务平台。平台可为外部合作伙伴提供基于高精度人脸识别技术为基础的相关服务，例如Api、人脸识别、数据安全等。作为人脸识别的重要开发途径，FaceCore平台将推动各行各业定制、创新、进化，并最终促成新商业文明生态圈的建立。我们的使命是把人脸识别技术、规范等一系列核心技术基础服务，像水、电、煤一样输送给所有需要的合作伙伴、开发者、社区媒体、安全机构和各行各业。帮助社会各界通过使用此平台获得更丰厚的商业价值。 服务器测试接口： /api/hello/ 服务器测试接口，返回服务器当前时间。 人脸比对、识别接口： /api/facecompare/ 根据参数FaceFeature1，FaceFeature2获取两个人脸的相似度。 /api/facedetectcount/ 根据参数FaceImage，获取图像中的人脸数量。 /api/facedetect/ 根据参数FaceImage，获取图像中的人脸、眼睛位置和特征。 /api/urlfacedetect/ 根据参数Url，获取图像中的人脸、眼睛位置和特征。 人脸存储管理接口： /api/personface/similar/ Method：POST；根据参数Feature人脸特征，返回appkey存储的全部人脸相似度。 /api/personface/getall/ Method：GET；返回appkey存储的全部人脸。 /api/personface/{id} Method：GET；返回指定id人脸详细信息。 /api/personface/ Method：POST；添加一个人脸信息。 /api/personface/ Method：PUT；修改一个人脸信息。 /api/personface/{id} Method：DELETE；删除一个人脸信息。
人脸识别开发包(SDK)
11-21
人脸识别正确率97.18%,1秒内完成。 能够在复杂的光线和背景下依然正确工作，并支持多张人脸在一个画面上的检测，识别，验证。戴眼镜和黑色人种也能检测和识别。能从多角度检测到人脸。 并带人鼻，嘴，眼镜,人脸左右边界的定位功能。 本软件是多光源主动识别版，要求用户配合采模板，并配合识别，在正上方有节能灯，镜头有方向滤光片的条件下，能达到最佳识别效果。
人脸识别二次开发包(SDK)
10-13
人脸识别正确率97.18%,1秒内完成。 能够在复杂的光线和背景下依然正确工作，并支持多张人脸在一个画面上的检测，识别，验证。戴眼镜和黑色人种也能检测和识别。能从多角度检测到人脸。 并带人鼻，嘴，眼镜,人脸左右边界的定位功能。 本软件是多光源主动识别版，要求用户配合采模板，并配合识别，在正上方有节能灯，镜头有方向滤光片的条件下，能达到最佳识别效果。 本软件要求有USB摄像头支持(最好是低照度高画质摄像头)。
人脸识别SDK 免费的人脸识别 人脸识别源码
06-30
人脸识别SDK 免费的人脸识别 人脸识别源码 附件中有完整的人脸识别SDK的调用方法
人脸识别sdk
01-07
人脸识别sdk，可调用api或本机对比识别
图像(人脸识别)sdk
01-20
图像识别的工具包，提供了各种的接口，具有图像识别、人脸识别等等
人脸识别SDK
07-02
一套人脸识别SDK调用说明.附加中是SDK的详细使用示例，有不明白的地方欢迎讨论。
基于facesdk的人脸识别
01-23
人脸识别SDK 采用C++编写，支持两张照片进行比对1:1，以及1：N 人脸搜索，SDK内部自己维护人脸特征数据，支持增、删、查找等操作，上层应用程序只需要关注自己的业务逻辑即可
Android疲劳驾驶监测：人脸及眼动检测技术实现
这种多技术融合的实现方式，不仅展现了Android应用开发的现代实践，也体现了移动应用开发中跨平台、跨语言技术运用的重要性。 在实际的开发过程中，开发者需要对OpenCV库中的相关函数和算法有所了解，才能准确实现...
图像识别系统零基础构建：Quick Capture SDK英文版实战教程
![图像识别系统零基础构建：Quick Capture SDK英文版实战教程]...首先概述图像识别系统及其应用，接着详细阐述如何搭建开发环境以及安装Quick Capture SDK英文版
iOS、mac开源项目及库汇总
热门推荐
Thinker361的专栏
05-21 1万+
UI  下拉刷新  EGOTableViewPullRefresh - 最早的下拉刷新控件。 SVPullToRefresh - 下拉刷新控件。 MJRefresh - 仅需一行代码就可以为UITableView或者CollectionView加上下拉刷新或者上拉刷新功能。可以自定义上下拉刷新的文字说明。具体使用看“使用方法”。 （国人写） XHRefreshControl - X
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值