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：

  1. 跳线帽，须要插上（不然电源点不亮）。
  2. 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-10.0export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATHexport PATH=/usr/local/cuda-10.0/bin:$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/simple

7.4 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 modeldetector=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);# detectgray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)faces=detector.detectMultiScale(gray,1.2,5)# boxfor x,y,w,h in faces:    cv2.rectangle(src,(x,y),(x+w,y+h),(255,0,0),2)    # showcv2.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~