時(shí)隔3年，中科視拓升級(jí)商用級(jí)別人臉識(shí)別算法SeetaFace2，而且還開(kāi)源了！SeetaFace2包含了完整的人臉檢測(cè)、面部關(guān)鍵點(diǎn)定位和人臉特征提取與比對(duì)模塊，還將陸續(xù)開(kāi)源人臉跟蹤、閉眼檢測(cè)等輔助模塊。

近日，來(lái)自中科院計(jì)算所的人工智能國(guó)家隊(duì)中科視拓宣布，開(kāi)源商用級(jí)SeetaFace2人臉識(shí)別算法。

SeetaFace2采用商業(yè)友好的BSD協(xié)議，這是在2016年9月開(kāi)源SeetaFace1.0人臉識(shí)別引擎之后，中科視拓在人臉識(shí)別領(lǐng)域的又一次自我革命。

中科視拓的人臉識(shí)別技術(shù)來(lái)自于國(guó)家萬(wàn)人計(jì)劃領(lǐng)軍人才山世光研究員和國(guó)家自然科學(xué)基金委杰出青年基金獲得者陳熙霖研究員共同領(lǐng)導(dǎo)的中科院計(jì)算所視覺(jué)信息處理與學(xué)習(xí)研究組，研究成果先后獲得過(guò)國(guó)家科技進(jìn)步二等獎(jiǎng)一次和國(guó)家自然科學(xué)二等獎(jiǎng)一次，在行業(yè)內(nèi)處于領(lǐng)先水平。

據(jù)中科視拓人臉組研發(fā)總監(jiān)李凱周介紹，SeetaFace2包含了完整的人臉檢測(cè)、面部關(guān)鍵點(diǎn)定位和人臉特征提取與比對(duì)模塊，還將陸續(xù)開(kāi)源人臉跟蹤、閉眼檢測(cè)等輔助模塊。SeetaFace2所有算法提供全部源代碼、注釋、接口文檔以及樣例程序，以幫助開(kāi)發(fā)者快速基于SeetaFace2開(kāi)發(fā)應(yīng)用。

SeetaFace2優(yōu)勢(shì)在哪？

SeetaFace2 人臉識(shí)別引擎包括了搭建一套全自動(dòng)人臉識(shí)別系統(tǒng)所需的三個(gè)核心模塊，即：人臉檢測(cè)模塊 FaceDetector、面部關(guān)鍵點(diǎn)定位模塊 FaceLandmarker 以及人臉特征提取與比對(duì)模塊 FaceRecognizer。還將陸續(xù)開(kāi)源人臉跟蹤、閉眼檢測(cè)等輔助模塊。

圖1 SeetaFace2開(kāi)源的人臉識(shí)別算法組件

SeetaFace2采用標(biāo)準(zhǔn)C++開(kāi)發(fā)，全部模塊均不依賴(lài)任何第三方庫(kù)，支持x86架構(gòu)（Windows、Linux）和ARM架構(gòu)（Android）。SeetaFace2支持的上層應(yīng)用包括但不限于人臉門(mén)禁、無(wú)感考勤、人臉比對(duì)等。

圖2 SeetaFace2支持的應(yīng)用矩陣

SeetaFace2是面向于人臉識(shí)別商業(yè)落地的里程碑版本，其中人臉檢測(cè)模塊在FDDB上的100個(gè)誤檢條件下可達(dá)到超過(guò)92%的召回率，面部關(guān)鍵點(diǎn)定位支持5點(diǎn)和81點(diǎn)定位，1比N模塊支持?jǐn)?shù)千人規(guī)模底庫(kù)的人臉識(shí)別應(yīng)用。

表1 SeetaFace2各模塊基礎(chǔ)技術(shù)指標(biāo)

與2016年開(kāi)源的SeetaFace1.0相比，SeetaFace2在速度和精度兩個(gè)層面上均有數(shù)量級(jí)的提升。

表2 SeetaFace2與SeetaFace1.0對(duì)比

編譯簡(jiǎn)介

2.1 編譯依賴(lài)

GNU Make 工具

GCC 或者 Clang 編譯器

CM2.2 linux和windows平臺(tái)編譯說(shuō)明

linux 和 windows 上的 SDK 編譯腳本見(jiàn)目錄 craft，其中 craft/linux 下為 linux 版本的編譯腳本，craft/windows 下為 windows 版本的編譯腳本，默認(rèn)編譯的庫(kù)為64位 Release 版本。

linux 和 windows上的SDK編譯方法：

打開(kāi)終端（windows上為VS2015 x64 Native Tools Command Prompt 工具，linux 上為bash），cd 到編譯腳本所在目錄；

執(zhí)行對(duì)應(yīng)平臺(tái)的編譯腳本。

linux 上 example 的編譯運(yùn)行方法：

cd 到 example/search 目錄下，執(zhí)行 make 指令；

拷貝模型文件到程序指定的目錄下；

執(zhí)行腳本 run.sh。

windows 上 example 的編譯運(yùn)行方法：

使用 vs2015 打開(kāi) SeetaExample.sln 構(gòu)建工程，修改 Opencv3.props 屬性表中變量 OpenCV3Home 的值為本機(jī)上的 OpenCV3 的安裝目錄；

執(zhí)行 vs2015 中的編譯命令；

拷貝模型文件到程序指定的目錄下，運(yùn)行程序。2.3 Android平臺(tái)編譯說(shuō)明

Android 版本的編譯方法：

安裝 ndk 編譯工具；

環(huán)境變量中導(dǎo)出 ndk-build 工具；

cd 到各模塊的 jni 目錄下（如SeetaNet 的 Android 編譯腳本位置為SeetaNet/sources/jni, FaceDetector的Android 編譯腳本位置為FaceDetector/FaceDetector/jni），執(zhí)行 ndk-build -j8 命令進(jìn)行編譯。

編譯依賴(lài)說(shuō)明：人臉檢測(cè)模塊 FaceDetector，面部關(guān)鍵點(diǎn)定位模塊 FaceLandmarker 以及人臉特征提取與比對(duì)模塊 FaceRecognizer 均依賴(lài)前向計(jì)算框架 SeetaNet 模塊，因此需優(yōu)先編譯前向計(jì)算框架 SeetaNet 模塊。