连 Python 都不熟也能跑通 AI 人脸识别？“隐藏 Boss”竟是它！

摘要：先把 AI 人脸识别跑起来，然后研究它是如何实现的，整个过程中确实收获不少。所谓先跟着做，再跟着学，实践与理论结合，自己感觉有理解了一些基础概念入个门，在此分享一下自己的捣鼓经验。

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，简单搜了下，基本有以下几个选择：

• 树莓派 4： ARM 系统，生态好。价格合适，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 系统，比树莓派 4 还贵，但是多一个英伟达的 GPU（当然是丐版的 GPU），价格 99 刀。算力 0.47TFLOPS

这 3 个里面，考虑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，于是就选择了英伟达的 Jetson Nano 开发板（主要也是想先入门英伟达的 GPU 派系，谁叫现在 NVIDIA 比较香呢）。

参考链接：

https://www.zhihu.com/question/384561694

https://zhuanlan.zhihu.com/p/81969854

2、启动系统

这里需要先把“系统 image”刷到 tf 卡里面，然后把 tf 卡插到开发板上，然后开机启动。启动有 2 个点需要注意：

1. 跳线帽，需要插上（不然电源点不亮）。

2. 第一次开机会卡住，需要重启一次。

启动后，发现是个带界面的 Ubuntu 系统，接上鼠标+键盘，就是最熟悉的小电脑嘛。

连接网络，设置国内 Ubuntu 源，安装 jtop 命令（因为 nano 不能敲 nvidia-smi 命令）。

设置系统参考：https://zhuanlan.zhihu.com/p/336429888

3、原来 CUDA 是个编译器

既然选了英伟达的 GPU 开发板，刚好了解一下 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

可以看到是 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，需要先进行编译。发现不使用 gcc，而是使用 nvcc 编译器，有意思。

Jetson Nano 的 image 已经安装了 nvcc，所以可以直接用，只是使用前需要设置一下 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，才可以敲 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

普通的程序编译出来都是给 CPU 跑的；写个程序，想给 GPU 跑，就得使用 cuda 编译器了。毕竟咱们的这个 GPU 弱是弱了一点，也有 128 核呢，跑这种简单的 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，比如：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 进行复杂的并行计算。然后很多 AI 框架都是基于 CUDA 搞的，所以跑个 cuda 程序，帮助理解挺好的。

4、检测摄像头功能 OK

这里需要使用 nvgstcapture-1.0 命令，经查，字母 gst 原来是 Gstreamer 的缩写。

直接敲：

nvgstcapture-1.0

发现可以把摄像头打开了。

4.1 Gstreamer

搜了下，发现是一个音视频流处理的 pipeline 框架。

比如 Shell 命令的管道符为：|

为避免冲突，Gstreamer 的管道符，用了个比较像的：! 符号。

参考：https://thebigdoc.readthedocs.io/en/latest/gstreamer/gst-concept.html

5、人脸可以正常识别

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

Copy 了一个 face_detect.py 文件。

直接运行了：

python ./face_detect.py   

发现就可以识别出人脸了，厉害了。。。（额，只是图像是倒过来的）

于是简单看了下代码（不会 Python，但是也大概能看懂），发现有一个图像模式的参数 “flip_method=0”，我改成了 6，发现图像就转过来正常了。

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 才是隐藏的 Boss？

通过上面的章节，发现总共代码没几行，怎么就能识别人脸了呢？虽然 python 不熟，但好在代码少，仔细看了下：发现主要是调用了 opencv 的函数就可以识别人脸了，那说明 opencv 还是得了解一下。

你看识别人脸的代码，总共也就 10 行，简单过一下：

找了这篇文章，还不错：https://www.jianshu.com/p/0514c03e6727

6.1 Haar 分类器

再搜索，发现这里的人脸识别用的是 “Haar 分类器”这种方法实现的。学习了下，属于机器学习的范畴，没有用卷积神经网络。可参考：https://zhuanlan.zhihu.com/p/51431663

完整的 Opencv 的介绍：http://woshicver.com/

7、Windows 上面复现人脸识别

既然通过 opencv 就能识别人脸，那我不需要摄像头，直接拿图片是不是也可以跑了？于是 Windows 上面安装个 opencv 试试。

7.1 安装 Python

去 https://www.python.org/ 下载最新的 Python，安装后就有 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:\Users\tsjsdbd\AppData\Local\Programs\Python\Python39\Scripts

这个目录下。

于是把这个路径，加入到了本机的环境变量里面：

所以 pip 命令 ok 了

7.3 设置 pip 国内源

vi ~/pip/pip.ini

然后设置内容：

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

7.4 安装 opencv 包

pip install opencv-python 

这条命令会同时安装 numpy 包。

Ps：如果需要代理。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，这里假设名为 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

得到结果：

发现确实可以，杠杠滴。

8、通过神经网络的人脸识别

现在视频图像的识别，一般走 CNN，所以咱也得玩一遍。Jetson 开发板，自己配套了一套 jetson-inference 的推理项目，就是用来跑 GPU 推理的。

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

点击关注，第一时间了解华为云新鲜技术~