人工智能技術(shù)及應(yīng)用 課件 ch8-人臉檢測實踐

8人臉檢測實踐FACIALDETECTIONPRACTICEChapter02學(xué)習(xí)目標(biāo)數(shù)據(jù)集采集與標(biāo)注01模型訓(xùn)練 02模型量化03項目落地與部署048人臉檢測實踐本章介紹的是人臉檢測項目，顧名思義，就是通過目標(biāo)檢測方法獲取圖像中的人臉，本項目還包括同時獲取人臉的五個關(guān)鍵點，包括兩只眼睛、鼻子和兩嘴角。單純的人臉檢測是人臉關(guān)鍵點檢測的前提，但由于本項目同時檢測人臉和關(guān)鍵點，因此不需要再單獨實現(xiàn)人臉關(guān)鍵點檢測功能，這能大大提升程序的整體運行速度。人臉檢測的主要應(yīng)用場景有智慧人臉考勤、刷臉閘機通行、門禁、人臉特效美顏、名人換臉等。

接下來介紹本項目人臉檢測的主要流程，如右圖所示，后續(xù)將詳細(xì)介紹流程每一節(jié)點。8.1數(shù)據(jù)集采集與標(biāo)注8.1.1素材采集本項目的素材來源主要有兩個：1）公開數(shù)據(jù)集本項目使用WIDERFACE數(shù)據(jù)集，下載網(wǎng)址是http://shuoyang1213.me/WIDERFACE/。根據(jù)官網(wǎng)的介紹，WiderFace數(shù)據(jù)集最早是在2015年公開的（v1.0版本）。該數(shù)據(jù)集的圖片來源是WIDER數(shù)據(jù)集，從中挑選出了32,203圖片并進(jìn)行了人臉標(biāo)注，總共標(biāo)注了393,703個人臉數(shù)據(jù)。并且對于每張人臉都附帶有更加詳細(xì)的信息，包括expression（表情）,illumination（光照）,occlusion（遮擋）,pose（姿態(tài)）等，如圖所示，后面會進(jìn)一步介紹。8.1數(shù)據(jù)集采集與標(biāo)注8.1.1素材采集數(shù)據(jù)集文件結(jié)構(gòu)如右所示，包含人臉檢測和人臉關(guān)鍵點數(shù)據(jù)集，分別存放于WIDER_FACE_rect和WIDER_FACE_landmark文件夾。#人臉檢測數(shù)據(jù)集├──WIDER_FACE_landmark│├──annotations│ ├──0--Parade│ ├──0_Parade_marchingband_1_849.xml│├──images│ ├──0--Parade│ ├──0_Parade_marchingband_1_849.jpg#人臉關(guān)鍵點數(shù)據(jù)集├──WIDER_FACE_rect│├──annotations│ ├──0--Parade│ ├──0_Parade_marchingband_1_849.xml│├──images│ ├──0--Parade│ ├──0_Parade_marchingband_1_849.jpg8.1數(shù)據(jù)集采集與標(biāo)注8.1.1素材采集WIDER_FACE_rect文件夾包含61類人臉，共12880張jpg格式的圖片和xml格式的標(biāo)簽，分別存放于當(dāng)前目錄下的images和annotations文件夾中，xml標(biāo)簽文件包含了圖片所有人臉的坐標(biāo)。xml標(biāo)簽文件內(nèi)容如下所示：<?xmlversion="1.0"?><annotation> #標(biāo)簽對應(yīng)的圖像名稱<filename>1501925967889.jpg</filename>#圖像大小，包括寬、高和通道數(shù)<size><width>640</width><height>480</height><depth>3</depth></size>#人臉目標(biāo)<object><name>face</name><truncated>1</truncated><difficult>0</difficult> #人臉框左上角和右下角坐標(biāo)<bndbox><xmin>317</xmin><ymin>0</ymin><xmax>534</xmax><ymax>200</ymax></bndbox> #無人臉關(guān)鍵點<has_lm>0</has_lm></object></annotation>8.1數(shù)據(jù)集采集與標(biāo)注8.1.1素材采集WIDER_FACE_landmark文件夾包含了同樣類別的人臉，共12596張圖片和標(biāo)簽，同樣分別存放于當(dāng)前目錄下的images和annotations文件夾中，xml標(biāo)簽文件包含了圖片所有人臉關(guān)鍵點的坐標(biāo)。與WIDER_FACE_rect中相同人臉圖像對應(yīng)的人臉關(guān)鍵點標(biāo)簽文件內(nèi)容如下所示：<?xmlversion="1.0"?><annotation> #標(biāo)簽文件對應(yīng)的圖像，與上一標(biāo)簽圖像名稱相同，不同是標(biāo)簽包含的信息有區(qū)別<filename>1501925967889.jpg</filename>#圖像大小，包括寬、高和通道數(shù)<size><width>640</width><height>480</height><depth>3</depth></size>#人臉目標(biāo)

<object><name>face</name><truncated>1</truncated><difficult>0</difficult>#人臉框左上角和右下角坐標(biāo)<bndbox><xmin>317</xmin><ymin>0</ymin><xmax>534</xmax><ymax>200</ymax></bndbox> #人臉框?qū)?yīng)的人臉關(guān)鍵點坐標(biāo)，包括兩只眼睛、鼻子和兩嘴角坐標(biāo)<lm><x1>389.362</x1><y1>38.352</y1><x2>478.723</x2><y2>36.879</y2><x3>451.773</x3><y3>85.816</y3><x4>405.674</x4><y4>137.589</y4><x5>482.27</x5><y5>133.333</y5></lm> #有人臉關(guān)鍵點<has_lm>1</has_lm></object></annotation>8.1數(shù)據(jù)集采集與標(biāo)注8.1.1素材采集2）自主采集由于不同攝像頭采集的圖像其特征存在差異，因此利用公開數(shù)據(jù)集訓(xùn)練得到的模型有時候不一定能在自己攝像頭獲取的圖像上推理成功，這時就需要使用自己攝像頭采集的數(shù)據(jù)集進(jìn)行訓(xùn)練，來減少訓(xùn)練圖像和推理圖像特征之間存在的差異，從而提升圖像推理成功率。自主采集首先需確定攝像頭類型，然后利用第3.2.4節(jié)介紹的方式進(jìn)行素材采集，此處不再贅述。通過自主采集獲得數(shù)據(jù)集之后，需要將數(shù)據(jù)集按WIDERFACE數(shù)據(jù)集結(jié)構(gòu)形式存放，有利于后續(xù)的數(shù)據(jù)集制作和數(shù)據(jù)集加載。8.1數(shù)據(jù)集采集與標(biāo)注8.1.2素材標(biāo)注公開數(shù)據(jù)集已包含訓(xùn)練所需的人臉框和關(guān)鍵點標(biāo)簽信息，因此無需再對其進(jìn)行標(biāo)注，現(xiàn)主要針對自主采集的素材進(jìn)行標(biāo)注。首先，根據(jù)項目的具體任務(wù)選擇合適的標(biāo)注軟件。本項目的任務(wù)是對圖像中的人臉及其5個關(guān)鍵點進(jìn)行檢測，也就是說標(biāo)注素材時既需要標(biāo)注人臉框，也需要標(biāo)注人臉關(guān)鍵點，本項目選擇LabelImge和Sloth標(biāo)注軟件分別對人臉和關(guān)鍵點進(jìn)行標(biāo)注。其次，標(biāo)注之前，需要明確本項目的圖像標(biāo)注要求?？山Y(jié)合項目的具體需求對自主采集的素材進(jìn)行標(biāo)注，標(biāo)注要求如下：1）標(biāo)注人臉框時，人臉框需包含整個人臉輪廓，不包含耳朵和額頭往上的頭發(fā)部分；標(biāo)注人臉關(guān)鍵點時，關(guān)鍵點應(yīng)在眼睛開合處的中心、鼻尖和嘴角如圖(a)所示。2）當(dāng)人臉是側(cè)臉，且看不見該人臉的眼睛、鼻子和嘴巴時，不標(biāo)注人臉框及其關(guān)鍵點，如圖(b)所示。3）當(dāng)人臉被遮擋，且看不見該人臉的眼睛、鼻子和嘴巴或者遮擋超過一半時，不標(biāo)注人臉框及其關(guān)鍵點，如圖(c)所示。4）因圖像較為模糊、曝光較強、光線較暗導(dǎo)致人臉特征不清晰時，不標(biāo)注人臉及其關(guān)鍵點，如圖(d)所示。8.2環(huán)境部署 本項目采用的深度學(xué)習(xí)框架是PyTorch，版本為2.0.1。假設(shè)已安裝PyTorch2.0.1虛擬環(huán)境，還需安裝的Python依賴包及其版本如下所示。PackageVersion-----------------------------------------albumentations1.0.3matplotlib3.3.4numpy1.19.2onnx1.9.0onnx-simplifier0.3.6onnxoptimizer0.2.6onnxruntime1.8.0opencv-pythonopencv-python-headless6Pillow8.2.0protobuf3.17.2scikit-image0.17.2scipy1.5.4tqdm4.62.28.2環(huán)境部署 建議將上述依賴包寫入requirements.txt中，然后使用pipinstall-rrequirements.txt自動安裝。如果建議方法安裝較慢，也可使用pip單獨進(jìn)行安裝，命令最后加上國內(nèi)源，如下所示，即可加快安裝速度。pipinstallalbumentations=1.0.3-i/ubuntu/8.3模型訓(xùn)練8.3.1訓(xùn)練代碼準(zhǔn)備從/ShiqiYu/libfacedetection.train.git下載訓(xùn)練代碼。代碼包含兩部分，如下所示，一部分是數(shù)據(jù)集制作、iou損失計算、nms、預(yù)選框生成等模塊，一部分是網(wǎng)絡(luò)定義、訓(xùn)練、測試和ONNX模型轉(zhuǎn)換等相關(guān)腳本。├──src│├──data.py│├──eiou.py│├──multibox_loss.py│├──nms.py│├──prior_box.py│├──timer.py│└──utils.py└──tasks └──task1 ├──config.py ├──datasets.py ├──detect.py ├──exportcpp.py ├──exportonnx.py ├──test.py ├──train.py └──yufacedetectnet.py。8.3模型訓(xùn)練8.3.2模型設(shè)計思想本項目采用的模型YuFaceDetectNet是一個輕量級的SSD架構(gòu)，該網(wǎng)絡(luò)實現(xiàn)了多個尺度特征預(yù)測，這大大提升了小目標(biāo)的檢測精度，同時該網(wǎng)絡(luò)還借鑒了RetinaFace回歸關(guān)鍵點的方法，可以在回歸人臉框的同時回歸該人臉的5個關(guān)鍵點。下面通過代碼實現(xiàn)的方式詳細(xì)介紹該網(wǎng)絡(luò)模型。首先，定位到項目中train.py中模型的入口，如下代碼所示：#從模型定義文件中導(dǎo)入模型類from

yufacedetectnet

import

YuFaceDetectNet#模型輸入img_dim

=

160#加載模型net

=

YuFaceDetectNet('train',

img_dim)然后，定位至yufacedetectnet.py中的YuFaceDetectNet類，見書本246頁代碼所示，從__init__、multibox和forward三個模塊可知，本項目采用的模型由特征提取網(wǎng)絡(luò)和SSD檢測頭組成，特征提取網(wǎng)絡(luò)采用類似VGG的直筒式結(jié)構(gòu)，由多組卷積層以及最大池化層完成下采樣，每組卷積層由兩到三個卷積模塊組成[3*3+1*1]或[3*3+1*1+3*3]的組合，每個卷積模塊由卷積Conv2d、歸一化BatchNorm2d和激活函數(shù)ReLu構(gòu)成，即網(wǎng)絡(luò)代碼里的self.model1~self.model6。圖像經(jīng)過上述特征提取網(wǎng)絡(luò)得到四個特征層的特征，分別是self.model3、self.model4、self.model5、self.model6層的輸出，這四個層的特征通過SSD檢測頭最終輸出人臉框位置loc、置信度conf和iou。8.3模型訓(xùn)練8.3.2模型設(shè)計思想最后，定位到SSD模塊的預(yù)選框生成部分，即train.py中的PriorBox類實例和src/prior_box.py中的PriorBox類實現(xiàn)部分。由config.py中的cfg字典中的“min_sizes”可知，libfacedetection設(shè)置了四組錨框，分別是[[10,

16,

24],

[32,

48],

[64,

96],

[128,

192,

256]]，共有3+2+2+3=9種不同尺寸的預(yù)選框。由src.py中的PriorBox類可知，每組錨框?qū)?yīng)不同的特征層，因此共需要四個特征層來生成預(yù)選框，分別是輸入圖像的1/8、1/16、1/32、1/64下的特征層。由上述條件，我們可獲取預(yù)選框生成公式如下：上述公式中，

為生成的預(yù)選框總數(shù)量，

和

分別表示每個特征層的寬高，即輸入圖像尺寸的1/8、1/16、1/32、1/64特征尺寸，

表示每個特征層上的每一個像素所對應(yīng)的預(yù)選框個數(shù)，即該特征層對應(yīng)的一組錨框的尺寸。假如圖像輸入寬高為160和160，有上述公式可得，生成的預(yù)選框總計（160/8）*（160/8）*3+（160/16）*（160/16）*2+（160/32）*（160/32）*2+（160/64）*（160/64）*3=1200+200+50+45=1495個。8.3模型訓(xùn)練8.3.3數(shù)據(jù)集制作(1)數(shù)據(jù)集制作通過第8.1節(jié)素材采集和標(biāo)注，我們得到了一批原始數(shù)據(jù)集，現(xiàn)在需要將原始數(shù)據(jù)集制作成訓(xùn)練時數(shù)據(jù)集加載所需的文件img_list.txt，該文件每一行保存一張圖片路徑和對應(yīng)的xml標(biāo)簽文件路徑信息并以空格分開，注意文件名不能有空格，路徑信息由兩部分組成并以符號“_”連接，“_”之前為該圖片或標(biāo)簽所屬文件夾名，之后為該圖片或標(biāo)簽真實名稱，如下所示為根據(jù)WIDER_FACE_rect數(shù)據(jù)集制作成的

img_list.txt。0--Parade_0_Parade_marchingband_1_849.jpg0--Parade_0_Parade_marchingband_1_849.xml0--Parade_0_Parade_Parade_0_904.jpg0--Parade_0_Parade_Parade_0_904.xml0--Parade_0_Parade_marchingband_1_799.jpg0--Parade_0_Parade_marchingband_1_799.xml8.3模型訓(xùn)練8.3.3數(shù)據(jù)集制作以第一行為例，圖片路徑信息為0--Parade_0_Parade_marchingband_1_849.jpg，標(biāo)簽路徑信息為0--Parade_0_Parade_marchingband_1_849.xml，中間用空格分開，其中兩者路徑信息0--Parade_0_Parade_marchingband_1_849由兩部分組成并以符號“_”連接，其中0--Parade是該圖片和標(biāo)簽所屬的文件夾，0_Parade_marchingband_1_849.jpg為該文件夾下一張圖片的名稱，具體的圖片路徑為WIDER_FACE_rect/images/0--Parade/0_Parade_marchingband_1_849.jpg，標(biāo)簽路徑為WIDER_FACE_rect/annotations/0--Parade/0_Parade_marchingband_1_849.xml，該路徑將由后續(xù)數(shù)據(jù)集加載部分獲取?，F(xiàn)在，我們使用make_data_list.py中的如下代碼將數(shù)據(jù)集制作成img_list.txt，如果公開數(shù)據(jù)集中已生成該文件，可忽略此操作。8.3模型訓(xùn)練8.3.3數(shù)據(jù)集制作（2）數(shù)據(jù)集加載根據(jù)（1）獲取數(shù)據(jù)集文件img_list.txt后，在訓(xùn)練時需要對img_list.txt包含的所有圖片和標(biāo)簽進(jìn)行加載，即根據(jù)設(shè)置的數(shù)據(jù)集目錄和img_list.txt文件，對數(shù)據(jù)集進(jìn)行解析。解析模塊包括xml轉(zhuǎn)換、圖像增強、裁剪等。dataset_rect=FaceRectLMDataset(training_face_rect_dir,img_dim,rgb_mean)使用PyTorch數(shù)據(jù)加載模塊加載數(shù)據(jù)，輸出是一個以批次（batchsize）為單位的字典。train_loader=torch.utilis.data.DataLoader(dataset=dataset,batch_size=batch_size,collate_fn=detection_collate,shuffle=True,num_workers=num_workers,pin_memory=False,drop_last=True,)讀入PyTorch數(shù)據(jù)加載結(jié)果，以batch為單位，將數(shù)據(jù)送入網(wǎng)絡(luò)，得到網(wǎng)絡(luò)推理結(jié)果。foriter_idx,one_batch_datainenumerate(train_loader) images,targets=one_batch_data out=net(images)8.3模型訓(xùn)練8.3.4訓(xùn)練參數(shù)設(shè)置'--training_face_rect_dir''--training_face_landmark_dir''-b','--batch_size''--num_workers''--gpu_ids''--lr','--learning-rate''--momentum''--resume_net''--resume_epoch''-max','--max_epoch''--weight_decay''--gamma''--weight_filename_prefix''--lambda_bbox''--lambda_iouhead'1)優(yōu)化器和損失函數(shù)optimizer=optim.SGD(net.parameters(),lr=args.lr,momentum=momentum,weight_decay=weight_decay)criterion=MultiBoxLoss(num_classes,0.35,True,0,True,3,0.35,False,False)#lossofdifferentpartloss_l,loss_lm,loss_c,loss_iou=criterion(out,priors,targets)#backpropoptimizer.zero_grad()loss.backward()optimizer.step()8.3模型訓(xùn)練8.3.4訓(xùn)練2)訓(xùn)練在設(shè)置參數(shù)后，就可以訓(xùn)練了。訓(xùn)練腳本train.sh如下：pythontrain.py--gamma0.1--gpu_ids0,1,2可以在腳本中適當(dāng)增加定制參數(shù)。nohuptrain.sh&3)保存模型見train.py中的相關(guān)代碼。4)測試pythondetect.py-mweights/yunet_final.pth--

image_file=test.jpg測試所需源圖像如左圖所示，其推理結(jié)果如右圖所示。5)結(jié)果評估pythontest.py-mweights/yunet_final.pth8.4模型量化8.4.1ONNX轉(zhuǎn)換及測試

代碼清單8-3#第一步，從pth文件加載模型#第二步，使用torch的onnx模塊導(dǎo)出onnx模型weights=“weights/yunet_final.pth”file=weights.replace('.pt','.onnx')torch.onnx.export(model,img,file,verbose=False,opset_version=11,input_names=['images'],dynamic_axes={'images':{0:'batch',2:'height',3:'width'},'output':{0:'batch',2:'y',3:'x'}}ifopt.dynamicelseNone)#第三步，checkimportonnxmodel_onnx=onnx.load(f)onnx.checker.check_model(model_onnx)#第四步，簡化importonnxsimmodel_onnx,check=onnxsim.simplify(model_onnx,dynamic_input_shape=opt.dynamic,input_shapes={'images':list(img.shape)}ifopt.dynamicelseNone)onnx.save(model_onnx,file)8.4模型量化8.4.1ONNX轉(zhuǎn)換及測試

onnx轉(zhuǎn)rknn#第一步，創(chuàng)建rknn對象rknn=RKNN()#第二步，預(yù)處理配置rknn.config(channel_mean_value='0.00.00.01.0',reorder_channel='201',target_platform=target_platform_str)#第三步，加載onnx模型ret=rknn.load_onnx(model='weights/yunet_final.onnx')#第四步，構(gòu)建模型ret=rknn.build(do_quantization=True,dataset='./dataset300_192.txt',pre_compile=True)#第五步，輸出rknn模型ret=rknn.export_rknn('./face_det.rknn')#第六步，釋放資源rknn.release()最終生成的模型如下圖所示8.4模型量化8.4.2rknn轉(zhuǎn)換及測試importrknn#Setinputsimg=cv2.imread('./cat_224x224.jpg')img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)print('-->Initruntimeenvironment')ret=rknn.init_runtime()ifret!=0:print('Initruntimeenvironmentfailed')exit(ret)print('done')#Inferenceprint('-->Runningmodel')outputs=rknn.inference(inputs=[img])show_outputs(outputs)print('done')#perf-性能測試print('-->Beginevaluatemodelperformance')perf_results=rknn.eval_perf(inputs=[img])print('done')8.6項目落地8.6.1編譯環(huán)境

操作系統(tǒng) Linux5.13.0-30-generic#33~20.04.1-UbuntuSMPMonFeb714:25:10UTC2022x86_64x86_64x86_64GNU/Linux

編譯器 gcc-linaro-6.3.1-2017.05-x86_64_aarch64-linux-gnu。 需要提前加入到系統(tǒng)的環(huán)境變量中。加入環(huán)境變量的步驟如下。1)cdtools/rk1808/prebuilts/gcc/linux-x86/aarch64/gcc-linaro-6.3.1-2017.05-

x86_64_aarch64-linux-gnu/bin/2)pwd3)拷貝pwd輸出地址4)vi~/.bashrc5)在.bashrc文件最后增加exportPATH=$PATH:XXXXXX為拷貝的pwd地址6）保存退出（ESC；冒號；wq；回車） 驗證環(huán)境變量是否設(shè)置成功aarch64-linux-gnu-gcc–version若設(shè)置成功，會有類似右圖的信息輸出8.6項目落地8.6.2基礎(chǔ)庫準(zhǔn)備首先，編譯算法部署所需要的基礎(chǔ)庫。之所以稱為基礎(chǔ)庫，是因為這些模塊對對于不同的算法來說一般不用修改。部署所需的庫如下所示├──libcamera_hq.so//攝像頭處理庫├──libffmpeg_dec_lib.so//視頻解碼庫，使用ffmpeg軟解├──libhq_rknn.so//模型處理庫，包括初始化、推理等├──liblog_hq.so//日志庫，實際上是封裝的spdlog庫。有關(guān)spdlog可以參考/gabime/spdlog├──libobject_det.so//目標(biāo)檢測后處理庫├──librga_hq.so//rga（rockchip的圖形加速單元）庫└──libvideo_source.so//視頻源處理8.6項目落地8.6.3測試程序部署測試程序的源碼目錄如下所示libfacedetection_rknn├──CMakeLists.txt├──lib│├──CMakeLists.txt│├──face_cnn_interface.h│├──face_cnn_proc.cpp│├──face_cnn_proc.h│├──globle.cpp│├──globle.h└──proc├──CMakeLists.txt├──face_proc.cpp├──face_proc.h├──face_proc_interface.h├──main.cpp8.6項目落地8.6.3測試程序部署編譯步驟如下mkdirbuildcdbuildcmake-DTARGET_SDK=sdk_rk1808..make-j8makeinstall編譯完成后，可以得到兩個庫和一個二進(jìn)制文件，如下所示├──bin│├──face_proc_test└──lib