關于人臉識別

目前的人臉識別已經(jīng)相對成熟，有各種收費免費的商業(yè)方案和開源方案，其中OpenCV很早就支持了人臉識別，在我選擇人臉識別開發(fā)庫時，也橫向?qū)Ρ攘巳N庫，包括在線識別的百度、開源的OpenCV和商業(yè)庫虹軟（中小型規(guī)模免費）。

百度的人臉識別，才上線不久，文檔不太完善，之前聯(lián)系百度，官方也給了我基于Android的Example，但是不太符合我的需求，一是照片需要上傳至百度服務器（這個是最大的問題），其次，人臉的定位需要自行去實現(xiàn)（捕獲到人臉后上傳進行識別）。

OpenCV很早以前就用過，當時做人臉+車牌識別時，最先考慮的就是OpenCV，但是識別率在當時不算很高，后來是采用了一個電子科大的老師自行開發(fā)的識別庫（相對易用，識別率也還不錯），所以這次準備做時，沒有選擇OpenCV。

虹軟其實在無意間發(fā)現(xiàn)的，當時正在尋找開發(fā)庫，正在測試Python的一個方案，就發(fā)現(xiàn)有新聞說虹軟的識別庫全面開放并且可以免費使用，而且是離線識別，所以就下載嘗試了一下，發(fā)現(xiàn)識別率還不錯，所以就暫定了采用虹軟的識別方案。這里主要就給大家分享一下開發(fā)過程當中的一些坑和使用心得，順便開源識別庫的C# Wrapper。

SDK的C# Wrapper

由于虹軟的庫是采用C++開發(fā)的，而我的應用程序采用的是C#，所以，需要對庫進行包裝，便于C#的調(diào)用，包裝的主要需求是可以在C#中快速方便的調(diào)用，無需考慮內(nèi)存、指針等問題，并且具備一定的容錯性。Wrapper庫目前已經(jīng)開源，大家可以到Github上進行下載，地址點擊這里。Wrapper庫基本上沒有什么可以說的，無非是對PInvoke的包裝，只是里面做了比較多的細節(jié)處理，屏蔽了調(diào)用細節(jié)，提供了相對高層的函數(shù)。有興趣的可以看看源代碼。

Wrapper庫的使用例子

基本使用

人臉檢測（靜態(tài)圖片）：

using (var detection = LocatorFactory.GetDetectionLocator("appId", "sdkKey"))
{
  var image = Image.FromFile("test.jpg");
  var bitmap = new Bitmap(image);

  var result = detection.Detect(bitmap, out var locateResult);
  //檢測到位置信息在使用完畢后，需要釋放資源，避免內(nèi)存泄露
  using (locateResult)
  {
    if (result == ErrorCode.Ok && locateResult.FaceCount > 0)
    {
      using (var g = Graphics.FromImage(bitmap))
      {
        var face = locateResult.Faces[0].ToRectangle();
        g.DrawRectangle(new Pen(Color.Chartreuse), face.X, face.Y, face.Width, face.Height);
      }

      bitmap.Save("output.jpg", ImageFormat.Jpeg);
    }
  }
}

人臉跟蹤（人臉跟蹤一般用于視頻的連續(xù)幀識別，相較于檢測，又更高的執(zhí)行效率，這里用靜態(tài)圖片做例子，實際使用和檢測沒啥區(qū)別）：

using (var detection = LocatorFactory.GetTrackingLocator("appId", "sdkKey"))
{
  var image = Image.FromFile("test.jpg");
  var bitmap = new Bitmap(image);

  var result = detection.Detect(bitmap, out var locateResult);
  using (locateResult)
  {
    if (result == ErrorCode.Ok && locateResult.FaceCount > 0)
    {
      using (var g = Graphics.FromImage(bitmap))
      {
        var face = locateResult.Faces[0].ToRectangle();
        g.DrawRectangle(new Pen(Color.Chartreuse), face.X, face.Y, face.Width, face.Height);
      }

      bitmap.Save("output.jpg", ImageFormat.Jpeg);
    }
  }
}

人臉對比：

using (var proccesor = new FaceProcessor("appid",
        "locatorKey", "recognizeKey", true))
{
  var image1 = Image.FromFile("test2.jpg");
  var image2 = Image.FromFile("test.jpg");

  var result1 = proccesor.LocateExtract(new Bitmap(image1));
  var result2 = proccesor.LocateExtract(new Bitmap(image2));
  
  //FaceProcessor是個整合包裝類，集成了檢測和識別，如果要單獨使用識別，可以使用FaceRecognize類
  //這里做演示，假設圖片都只有一張臉
  //可以將FeatureData持久化保存，這個即是人臉特征數(shù)據(jù)，用于后續(xù)的人臉匹配
  //File.WriteAllBytes("XXX.data", feature.FeatureData);FeatureData會自動轉(zhuǎn)型為byte數(shù)組

  if ((result1 != null) & (result2 != null))
    Console.WriteLine(proccesor.Match(result1[0].FeatureData, result2[0].FeatureData, true));
}

使用注意事項

LocateResult（檢測結(jié)果）和Feature（人臉特征）都包含需要釋放的內(nèi)存資源，在使用完畢后，記得需要釋放，否則會引起內(nèi)存泄露。FaceProcessor和FaceRecognize的Match函數(shù)，在完成比較后，可以自動釋放，只需要最后兩個參數(shù)指定為true即可，如果是用于人臉匹配（1:N），則可以采用默認參數(shù)，這種情況下，第一個參數(shù)指定的特征數(shù)據(jù)不會自動釋放，用于循環(huán)和特征庫的特征進行比對。

整合的完整例子

在Github上，有完整的FaceDemo例子，里面主要實現(xiàn)了通過ffmpeg采集RTSP協(xié)議的圖像（使用?？档臄z像機），然后進行人臉匹配。在開發(fā)過程中遇到不少的坑。

人臉識別的首要工作就是捕獲攝像機視頻幀，這一塊上是坑的最久的，因為最開始采用的是OpenCV的包裝庫，Emgu.CV，在開發(fā)過程中，捕獲USB攝像頭時，倒是問題不大，沒有出現(xiàn)過異常。在捕獲RTSP視頻流時，會不定時的出現(xiàn)AccessviolationException異常，短則幾十分鐘，長則幾個小時，總之就是不穩(wěn)定。在官方Github地址上，也提了Issue，他們給出的答復是屏蔽的我業(yè)務邏輯，僅捕獲視頻流試試，結(jié)果問題依然，所以，我基本坑定了試Emgu.CV上面的問題。后來經(jīng)過反復的實驗，最終確定了選擇ffmpeg。

ffmepg主要采用ProcessStartInfo進行調(diào)用，我采用的是NReco.VideoConverter（一個ffmpeg調(diào)用的包裝，可以通過nuget搜索安裝），雖然ffmpeg解決了穩(wěn)定性問題，但是實際開發(fā)時，也遇到了不少坑，其中，最主要的是NReco.VideoConverter沒有任何文檔和例子（實際有，需要75刀購買），所以，自己研究了半天，如何捕獲視頻流并轉(zhuǎn)換為Bitmap對象。只要實現(xiàn)這一步，后續(xù)就是調(diào)用Wrapper就行了。

FaceDemo詳解

上面說到了，通過ffmpeg捕獲視頻流并轉(zhuǎn)換Bitmap是重點，所以，這里也主要介紹這一塊。

首先是ffmpeg的調(diào)用參數(shù)：

var setting =
new ConvertSettings
{
  CustomOutputArgs = "-an -r 15 -pix_fmt bgr24 -updatefirst 1"
}; //-s 1920x1080 -q:v 2 -b:v 64k

task = ffmpeg.ConvertLiveMedia("rtsp://admin:12qwaszxA@192.168.1.64:554/h264/ch1/main/av_stream", null,
outputStream, Format.raw_video, setting);
task.OutputDataReceived += DataReceived;
task.Start();

-an表示不捕獲音頻流，-r表示幀率，根據(jù)需求和實際設備調(diào)整此參數(shù)，-pix_fmt比較重要，一般情況下，指定為bgr24不會有太大問題（還是看具體設備），之前就是用成了rgb24，結(jié)果捕獲出來的圖像，人都變成阿凡達了，顏色是反的。最后一個參數(shù)，坑的我差點放棄這個方案。本身，ffmpeg在調(diào)用時，需要指定一個文件名模板，捕獲到的輸出會按照模板生成文件，如果要將數(shù)據(jù)輸出到控制臺，則最后傳入一個-即可，最開始沒有指定updatefirst，ffmpeg在捕獲了第一幀后就拋出了異常，最后查了半天ffmpeg說明（完整參數(shù)說明非常多，輸出到文本有1319KB），發(fā)現(xiàn)了這個參數(shù)，表示持續(xù)更新第一個文件。最后，在調(diào)用視頻捕獲是，需要指定輸出格式，必須指定為Format.raw_video，實際上這個格式名稱有些誤導人，按道理將應該叫做raw_image，因為最終輸出的是每幀原始的位圖數(shù)據(jù)。

到此為止，還并沒有解決視頻流數(shù)據(jù)的捕獲，因為又來一個坑，ProcessStartInfo的控制臺緩沖區(qū)大小只有32768 bytes，即，每一次的輸出，實際上并不是一個完整的位圖數(shù)據(jù)。

//完整代碼參加Github源代碼
//代碼片段1
private Bitmap _image;
private IntPtr _pImage;

{
  _pImage = Marshal.AllocHGlobal(1920 * 1080 * 3);
  _image = new Bitmap(1920, 1080, 1920 * 3, PixelFormat.Format24bppRgb, _pImage);
}

//代碼片段2
private MemoryStream outputStream;

private void DataReceived(object sender, EventArgs e)
{
  if (outputStream.Position == 6220800)
    lock (_imageLock)
    {
      var data = outputStream.ToArray();

      Marshal.Copy(data, 0, _pImage, data.Length);

      outputStream.Seek(0, SeekOrigin.Begin);
    }
}

花了不少時間摸索（不要看只有幾行，人都整崩潰了），得出了上述代碼。首先，我捕獲的圖像數(shù)據(jù)是24位的，并且圖像大小是1080p的，所以，實際上，一個原始位圖數(shù)據(jù)的大小為stride * height，即width * 3 * height，大小為6220800 bytes。所以，在判斷了捕獲數(shù)據(jù)到達這個大小后，就進行Bitmap轉(zhuǎn)換處理，然后將MemoryStream的位置移動到最開始。需要注意的時，由于捕獲到的是原始數(shù)據(jù)（不包含bmp的HeaderInfo），所以注意看Bitmap的構(gòu)造方式，是通過一個指向原始數(shù)據(jù)位置的指針就行構(gòu)造的，更新該圖像時，也僅需要更新指針指向的位置數(shù)據(jù)即可，無需在建立新的Bitmap實例。

位圖數(shù)據(jù)獲取到了，就可以進行識別處理了，高高興興的加上了識別邏輯，但是現(xiàn)實總是充滿了意外和驚喜，沒錯，坑又來了。沒有加入識別邏輯的時候，捕獲到的圖像在PictureBox上顯示非常正常，清晰、流暢，加上識別邏輯后，開始出現(xiàn)花屏（捕獲到的圖像花屏）、拖影、顯示延遲（至少會延遲10-20秒以上）、程序卡頓，總之就是各種問題。最開始，我的識別邏輯寫到DataReceived方法里面的，這個方法是運行于主線程外的另一個線程中的，其實按道理將，捕獲、識別、顯示位于一個線程中，應該是不會出現(xiàn)問題，我估計（不確定，沒有去深入研究，如果誰知道實際原因，可以留言告訴我），是因為ffmpeg的原因，因為ffmpeg是單獨的一個進程在跑，他的數(shù)據(jù)捕獲是持續(xù)在進行的，而識別模塊的處理時間大于每一幀的采集時間，所以，緩沖區(qū)中的數(shù)據(jù)沒有得到及時處理，ffmpeg接收到的部分圖像數(shù)據(jù)（大于32768的數(shù)據(jù)）被丟棄了，然后就出現(xiàn)了各種問題。最后，又是一次耗時不短的探索之旅。

private void Render()
{
  while (_renderRunning)
  {
    if (_image == null)
      continue;

    Bitmap image;

    lock (_imageLock)
    {
      image = (Bitmap) _image.Clone();
    }

    if (_shouldShot){
      WriteFeature(image);
      _shouldShot = false;
    }

    Verify(image);

    if (videoImage.InvokeRequired)
      videoImage.Invoke(new Action(() => { videoImage.Image = image; }));
    else
      videoImage.Image = image;
  }
}

如上代碼所述，我單獨開了一個線程，用于圖像的識別處理和顯示，每次都從已捕獲到的圖像中克隆出新的Bitmap實例進行處理。這種方式的缺點在于，有可能會導致丟幀的現(xiàn)象，因為上面說到了，識別時間（如果檢測到新的人臉，那么加上匹配，大約需要130ms左右）大于每幀時間，但是并不影響識別效果和需求的實現(xiàn)，基本丟棄的幀可以忽律。最后，運行，穩(wěn)定了、完美了，實際也感覺不到丟幀。

Demo程序，我運行了大約4天左右，中間沒有出現(xiàn)過任何異常和識別錯誤。

寫在最后

雖然虹軟官方表示，免費識別庫適用于1000人臉庫以下的識別，實際上，做一定的工作（工作量其實也不?。?，也是可以實現(xiàn)較大規(guī)模的人臉搜索滴。例如，采用多線程進行匹配，如果人臉庫人臉數(shù)量大于1000，則可以考慮每個線程分別進行處理，人臉特征數(shù)據(jù)做緩存（一個人臉的特征數(shù)據(jù)是22KB，對內(nèi)存要求較高），以提升程序的識別搜索效率。或者人臉庫特別大的情況下，可以采用分布式處理，人臉特征加載到Redis數(shù)據(jù)庫當中，多個進程多個線程讀取處理，每個線程上傳自己的識別結(jié)果，然后主進程做結(jié)果合并判斷工作，主要的挑戰(zhàn)就在于多線程的工作分配一致性和對單點故障的容錯性。

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論