連Python都不熟也能跑通AI人臉識別？「隱藏Boss」竟是它！

摘要：先把AI人臉識別跑起來，而後研究它是如何實現的，整個過程當中確實收穫很多。所謂先跟着作，再跟着學，實踐與理論結合，本身感受有理解了一些基礎概念入個門，在此分享一下本身的搗鼓經驗。

一、買臺小「電腦」

既然要作人臉識別，那得找臺帶攝像頭的小電腦啊。首先得價格便宜，簡單搜了下，基本有如下幾個選擇：

• 樹莓派4： ARM系統，生態好。價格合適，55刀。CPU在3箇中最好，算力0.1TFLOPS
• K210：RISC-V的（非ARM），價格是最實惠的，299元。算力有0.8TOPS
• Jetson Nano：ARM系統，比樹莓派4還貴，可是多一個英偉達的GPU（固然是丐版的GPU），價格99刀。算力0.47TFLOPS

這3個裏面，考慮到人臉識別應該有更多的AI屬性，那麼帶GPU能作AI推理不是更香麼，因而就選擇了英偉達的Jetson Nano開發板（主要也是想先入門英偉達的GPU派系，誰叫如今NVIDIA比較香呢）。

參考連接：

https://www.zhihu.com/questio...

https://zhuanlan.zhihu.com/p/...

二、啓動系統

這裏須要先把「系統image」刷到 tf 卡里面，而後把tf卡插到開發板上，而後開機啓動。啓動有2個點須要注意：

1. 跳線帽，須要插上（否則電源點不亮）。
2. 第一次開機會卡住，須要重啓一次。

啓動後，發現是個帶界面的 Ubuntu系統，接上鼠標+鍵盤，就是最熟悉的小電腦嘛。

鏈接網絡，設置國內Ubuntu源，安裝 jtop 命令（由於nano不能敲 nvidia-smi 命令）。

設置系統參考：https://zhuanlan.zhihu.com/p/...

三、原來CUDA是個編譯器

既然選了英偉達的GPU開發板，恰好了解一下CUDA是什麼。

3.1 寫個CUDA程序

固然，程序是抄課本的，以下。

https://blog.csdn.net/fb_help/article/details/79283032

能夠看到是C語言的，一共就2個函數。一個main函數，一個useCUDA函數。

要跑起來，須要先進行編譯。發現不使用gcc，而是使用 nvcc 編譯器，有意思。

Jetson Nano的image已經安裝了nvcc，因此能夠直接用，只是使用前須要設置一下path。

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.0/bin:$PATH

設置後，才能夠敲 nvcc 命令。參考：https://www.huaweicloud.com/articles/0ba49cd30493adbb37c82250408d8be4.html

因而開始編譯：

nvcc -o main.out main.cu foo.cu  （跟gcc編譯同樣）

運行：./main.out 便可。呵，原來CUDA是個編譯器啊（編譯出給GPU跑的程序）。

3.2 CUDA在幹嗎

普通的程序編譯出來都是給CPU跑的；寫個程序，想給GPU跑，就得使用cuda編譯器了。畢竟我們的這個GPU弱是弱了一點，也有128核呢，跑這種簡單的cuda程序仍是OK的。

另外，CUDA還提供了一些現成的操做GPU的函數，好比：矩陣乘法，矩陣轉置 之類的。CUDA只能用於英偉達的GPU，用於利用GPU進行復雜的並行計算。而後不少AI框架都是基於CUDA搞的，因此跑個cuda程序，幫助理解挺好的。

四、檢測攝像頭功能OK

這裏須要使用 nvgstcapture-1.0 命令，經查，字母gst原來是Gstreamer的縮寫。

直接敲：

nvgstcapture-1.0

發現能夠把攝像頭打開了。

4.1 Gstreamer

搜了下，發現是一個音視頻流處理的pipeline框架。

好比Shell命令的管道符爲：|

爲避免衝突，Gstreamer的管道符，用了個比較像的：! 符號。

參考：https://thebigdoc.readthedocs...

五、人臉能夠正常識別

按照教程：https://github.com/JetsonHacksNano/CSI-Camera/blob/master/face_detect.py

Copy了一個 face_detect.py 文件。

直接運行了：

python ./face_detect.py

發現就能夠識別出人臉了，厲害了。。。（額，只是圖像是倒過來的）

因而簡單看了下代碼（不會Python，可是也大概能看懂），發現有一個圖像模式的參數 「flip_method=0」，我改爲了6，發現圖像就轉過來正常了。

再看了下，發現獲取攝像頭拍攝的圖片，仍是經過 Gstreamer 來實現的。

六、Opencv纔是隱藏的Boss？

經過上面的章節，發現總共代碼沒幾行，怎麼就能識別人臉了呢？雖然python不熟，但好在代碼少，仔細看了下：發現主要是調用了opencv的函數就能夠識別人臉了，那說明opencv仍是得了解一下。

你看識別人臉的代碼，總共也就10行，簡單過一下：

找了這篇文章，還不錯：https://www.jianshu.com/p/051...

6.1 Haar分類器

再搜索，發現這裏的人臉識別用的是 「Haar分類器」這種方法實現的。學習了下，屬於機器學習的範疇，沒有用卷積神經網絡。可參考：https://zhuanlan.zhihu.com/p/...

完整的Opencv的介紹：http://woshicver.com/

七、Windows上面復現人臉識別

既然經過opencv就能識別人臉，那我不須要攝像頭，直接拿圖片是否是也能夠跑了？因而Windows上面安裝個opencv試試。

7.1 安裝Python

去 https://www.python.org/ 下載最新的Python，安裝後就有Python了。固然執行命令是 py。

7.2 pip命令

發現pip命令，仍是不行。 找到原來在：

C:UserstsjsdbdAppDataLocalProgramsPythonPython39Scripts

這個目錄下。

因而把這個路徑，加入到了本機的環境變量裏面：

因此pip命令ok了

7.3 設置pip國內源

vi ~/pip/pip.ini

而後設置內容：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

7.4 安裝 opencv 包

pip install opencv-python

這條命令會同時安裝 numpy 包。

Ps：若是須要代理。設置一下

export http_proxy=http://代理:端口
export https_proxy=http://代理:端口

7.5 重現Haar人臉識別

下載一個帶人臉的jpg照片，這裏假設名爲 face.jpg

detect.py代碼以下：

import cv2

# load model
detector=cv2.CascadeClassifier('C:/Users/t00402375/AppData/Local/Programs/Python/Python39/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml')

src = cv2.imread("./face.jpg")
cv2.namedWindow("image", cv2.WINDOW_AUTOSIZE);

# detect
gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
faces=detector.detectMultiScale(gray,1.2,5)

# box
for x,y,w,h in faces:
    cv2.rectangle(src,(x,y),(x+w,y+h),(255,0,0),2)    

# show
cv2.imshow("image", src);
cv2.waitKey(0);
cv2.destroyAllWindows();

運行就好了。

py detect.py

獲得結果：

發現確實能夠，槓槓滴。

八、經過神經網絡的人臉識別

如今視頻圖像的識別，通常走CNN，因此咱也得玩一遍。Jetson 開發板，本身配套了一套 jetson-inference 的推理項目，就是用來跑GPU推理的。

參考：https://blog.csdn.net/weixin_45319326/article/details/107956896

點擊關注，第一時間瞭解華爲雲新鮮技術~