共计 3507 个字符，预计需要花费 9 分钟才能阅读完成。
摘要 ：先把 AI 人脸识别跑起来，而后钻研它是如何实现的，整个过程中的确播种不少。所谓先跟着做，再跟着学，实际与实践联合，本人感觉有了解了一些根底概念入个门，在此分享一下本人的捣鼓教训。
1、买台小“电脑”
既然要做人脸识别，那得找台带摄像头的小电脑啊。首先得价格便宜，简略搜了下，根本有以下几个抉择：
- 树莓派 4：ARM 零碎，生态好。价格适合，55 刀。CPU 在 3 个中最好，算力 0.1TFLOPS
- K210：RISC- V 的（非 ARM），价格是最实惠的，299 元。算力有 0.8TOPS
- Jetson Nano：ARM 零碎，比树莓派 4 还贵，然而多一个英伟达的 GPU（当然是丐版的 GPU），价格 99 刀。算力 0.47TFLOPS
这 3 个外面，思考到人脸识别应该有更多的 AI 属性，那么带 GPU 能做 AI 推理不是更香么，于是就抉择了英伟达的 Jetson Nano 开发板（次要也是想先入门英伟达的 GPU 派别，谁叫当初 NVIDIA 比拟香呢）。
参考链接：
https://www.zhihu.com/questio…
https://zhuanlan.zhihu.com/p/…
2、启动零碎
这里须要先把“零碎 image”刷到 tf 卡外面，而后把 tf 卡插到开发板上，而后开机启动。启动有 2 个点须要留神：
- 跳线帽，须要插上（不然电源点不亮）。
- 第一次开机会卡住，须要重启一次。
启动后，发现是个带界面的 Ubuntu 零碎，接上鼠标 + 键盘，就是最相熟的小电脑嘛。
连贯网络，设置国内 Ubuntu 源，装置 jtop 命令（因为 nano 不能敲 nvidia-smi 命令）。
设置零碎参考：https://zhuanlan.zhihu.com/p/…
3、原来 CUDA 是个编译器
既然选了英伟达的 GPU 开发板，刚好理解一下 CUDA 是什么。
3.1 写个 CUDA 程序
当然，程序是抄课本的，如下。
https://blog.csdn.net/fb_help/article/details/79283032
能够看到是 C 语言的，一共就 2 个函数。一个 main 函数，一个 useCUDA 函数。
要跑起来，须要先进行编译。发现不应用 gcc，而是应用 nvcc 编译器，有意思。
Jetson Nano 的 image 曾经装置了 nvcc，所以能够间接用，只是应用前须要设置一下 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设置后，才能够敲 nvcc 命令。参考：https://www.huaweicloud.com/articles/0ba49cd30493adbb37c82250408d8be4.html
于是开始编译：
nvcc -o main.out main.cu foo.cu（跟 gcc 编译一样）运行：./main.out 即可。呵，原来 CUDA 是个编译器啊（编译出给 GPU 跑的程序）。
3.2 CUDA 在干嘛
一般的程序编译进去都是给 CPU 跑的；写个程序，想给 GPU 跑，就得应用 cuda 编译器了。毕竟咱们的这个 GPU 弱是弱了一点，也有 128 核呢，跑这种简略的 cuda 程序还是 OK 的。
另外，CUDA 还提供了一些现成的操作 GPU 的函数，比方：矩阵乘法，矩阵转置 之类的。CUDA 只能用于英伟达的 GPU，用于利用 GPU 进行简单的并行计算。而后很多 AI 框架都是基于 CUDA 搞的，所以跑个 cuda 程序，帮忙了解挺好的。
4、检测摄像头性能 OK
这里须要应用 nvgstcapture-1.0 命令，经查，字母 gst 原来是 Gstreamer 的缩写。
间接敲：
nvgstcapture-1.0发现能够把摄像头关上了。
4.1 Gstreamer
搜了下，发现是一个音视频流解决的 pipeline 框架。
比方 Shell 命令的管道符为：|
为防止抵触，Gstreamer 的管道符，用了个比拟像的：! 符号。
参考：https://thebigdoc.readthedocs…
5、人脸能够失常辨认
依照教程：https://github.com/JetsonHacksNano/CSI-Camera/blob/master/face_detect.py
Copy 了一个 face_detect.py 文件。
间接运行了：
python ./face_detect.py 发现就能够辨认出人脸了，厉害了。。。（额，只是图像是倒过去的）
于是简略看了下代码（不会 Python，然而也大略能看懂），发现有一个图像模式的参数“flip_method=0”，我改成了 6，发现图像就转过来失常了。
再看了下，发现获取摄像头拍摄的图片，还是通过 Gstreamer 来实现的。
6、Opencv 才是暗藏的 Boss？
通过下面的章节，发现总共代码没几行，怎么就能辨认人脸了呢？尽管 python 不熟，但好在代码少，认真看了下：发现次要是调用了 opencv 的函数就能够辨认人脸了，那阐明 opencv 还是得理解一下。
你看辨认人脸的代码，总共也就 10 行，简略过一下：
找了这篇文章，还不错：https://www.jianshu.com/p/051…
6.1 Haar 分类器
再搜寻，发现这里的人脸识别用的是“Haar 分类器”这种办法实现的。学习了下，属于机器学习的领域，没有用卷积神经网络。可参考：https://zhuanlan.zhihu.com/p/…
残缺的 Opencv 的介绍：http://woshicver.com/
7、Windows 下面复现人脸识别
既然通过 opencv 就能辨认人脸，那我不须要摄像头，间接拿图片是不是也能够跑了？于是 Windows 下面装置个 opencv 试试。
7.1 装置 Python
去 https://www.python.org/ 下载最新的 Python，装置后就有 Python 了。当然执行命令是 py。
7.2 pip 命令
发现 pip 命令，还是不行。找到原来在：
C:UserstsjsdbdAppDataLocalProgramsPythonPython39Scripts
这个目录下。
于是把这个门路，退出到了本机的环境变量外面：
所以 pip 命令 ok 了
7.3 设置 pip 国内源
vi ~/pip/pip.ini而后设置内容：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple7.4 装置 opencv 包
pip install opencv-python 这条命令会同时装置 numpy 包。
Ps：如果须要代理。设置一下
export http_proxy=http:// 代理: 端口
export https_proxy=http:// 代理: 端口 7.5 重现 Haar 人脸识别
下载一个带人脸的 jpg 照片，这里假如名为 face.jpg
detect.py 代码如下：
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();运行就行了。
py detect.py失去后果：
发现的确能够，杠杠滴。
8、通过神经网络的人脸识别
当初视频图像的辨认，个别走 CNN，所以咱也得玩一遍。Jetson 开发板，本人配套了一套 jetson-inference 的推理我的项目，就是用来跑 GPU 推理的。
参考：https://blog.csdn.net/weixin_45319326/article/details/107956896
点击关注，第一工夫理解华为云陈腐技术~
