深度学习|人脸检测+人体检测C++ Android实现人脸检测|人体检测|Android人体

人脸检测+人体检测C++ Android实现本博客将实现C++版本的人脸检测，人脸关键点检测，人体检测，人脸+人体检测，推理框架采用TNN，在普通Android手机，CPU和GPU都可以达到实时检测的效果

【深度学习|人脸检测+人体检测C++ Android实现】人脸检测+人脸关键点检测+人体检测Android Demo APP(非源码，仅供学习交流)
链接: https://pan.baidu.com/s/1By43I1DbMa0gBPLObtPZMQ 提取码: msnr

尊重原创，转载请注明出处：https://panjinquan.blog.csdn.net/article/details/120688804
1.项目说明（1）训练
训练代码请参考：https://github.com/Linzaer/Ultra-Light-Fast-Generic-Face-Detector-1MB ，一个基于SSD简化的人脸检测模型，很轻量化，整个模型仅仅1.7M左右，在普通Android手机都可以实时检测。
原始代码使用WiderFace人脸数据集进行训练，仅支持了人脸检测，后经鄙人优化后，提高了人脸检测效果，并支持人脸关键点检测，人体检测。数据集是WiderFace,VOC和COCO。
（2）端上部署

原始代码已经支持MNN和NCNN

（3）依赖库

TNN：https://github.com/Tencent/TNN
OpenCV: Releases - OpenCV （推荐opencv-4.3.0）
OpenCL: Choose & Download Intel? SDK for OpenCL? Applications (GPU的支持)
base-utils：https://github.com/PanJinquan/base-utils (一些文件和图像处理的相关工具)
拉取子模块submodule(TNN,base-utils)库

# pull 3rdparty(TNN,base-utils) submodule git submodule init git submodule update

配置OpenCV

推荐opencv-4.3.0

mkdir build cd build cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. sudo make install

配置OpenCL（可选）

Android系统一般都支持OpenCL，Linux系统可参考如下配置：

# 参考安装OpenCL： https://blog.csdn.net/qq_28483731/article/details/68235383，作为测试，安装`intel cpu版本的OpenCL`即可 # 安装clinfo，clinfo是一个显示OpenCL平台和设备的软件 sudo apt-get install clinfo # 安装依赖 sudo apt install dkms xz-utils openssl libnuma1 libpciaccess0 bc curl libssl-dev lsb-core libicu-dev sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-keys 3FA7E0328081BFF6A14DA29AA6A19B38D3D831EF echo "deb http://download.mono-project.com/repo/debian wheezy main" | sudo tee /etc/apt/sources.list.d/mono-xamarin.list sudo apt-get update sudo apt-get install mono-complete # 在intel官网上下载了intel SDK的tgz文件，并且解压 sudo sh install.sh

CMake配置说明

Linux OR Windows测试，CMakeLists.txt

# TNN set set(TNN_OPENCL_ENABLE ON CACHE BOOL "" FORCE) set(TNN_CPU_ENABLE ON CACHE BOOL "" FORCE) set(TNN_X86_ENABLE ON CACHE BOOL "" FORCE) set(TNN_QUANTIZATION_ENABLE OFF CACHE BOOL "" FORCE) set(TNN_OPENMP_ENABLE ON CACHE BOOL "" FORCE)# Multi-Thread add_definitions(-DTNN_OPENCL_ENABLE)# for OpenCL GPU add_definitions(-DDEBUG_ON)# for WIN/Linux Log add_definitions(-DDEBUG_LOG_ON)# for WIN/Linux Log add_definitions(-DDEBUG_IMSHOW_OFF)# for OpenCV show add_definitions(-DPLATFORM_LINUX) # add_definitions(-DPLATFORM_WINDOWS)

2. 人脸人体检测Demo 推理框架使用TNN进行部署，手撸Python转C++实现人脸人体检测推理过程，
下面是测试代码demo部分代码

void test_face_person_detector() { const int num_thread = 1; DeviceType device = CPU; // 人脸和关键点检测 // const char *model_file = (char *) "../data/tnn/face_ldmks/rfb_landm_face_320_320_sim.opt.tnnmodel"; // const char *proto_file = (char *) "../data/tnn/face_ldmks/rfb_landm_face_320_320_sim.opt.tnnproto"; // ObjectDetectiobParam model_param = FACE_LANDMARK_MODEL; // 人脸+人体检测 // const char *model_file = (char *) "../data/tnn/face_person/rfb1.0_face_person_300_300_sim.opt.tnnmodel"; // const char *proto_file = (char *) "../data/tnn/face_person/rfb1.0_face_person_300_300_sim.opt.tnnproto"; // ObjectDetectiobParam model_param = FACE_PERSON_MODEL; //模型参数 // 人脸检测 const char *model_file = (char *) "../data/tnn/face/rfb1.0_face_320_320.opt.tnnmodel"; const char *proto_file = (char *) "../data/tnn/face/rfb1.0_face_320_320.opt.tnnproto"; ObjectDetectiobParam model_param = FACE_MODEL; //模型参数// 设置检测阈值 const float scoreThresh = 0.5; const float iouThresh = 0.3; ObjectDetection *detector = new ObjectDetection(model_file, proto_file, model_param, num_thread, device); string image_dir = "../data/test_image/person"; std::vector image_list = get_files_list(image_dir); for (string image_path:image_list) { cv::Mat bgr_image = cv::imread(image_path); if (bgr_image.empty()) continue; FrameInfo resultInfo; printf("init frame\n"); // 开始检测 detector->detect(bgr_image, &resultInfo, scoreThresh, iouThresh); // 可视化代码 detector->visualizeResult(bgr_image, &resultInfo); } delete detector; detector = nullptr; printf("FINISHED.\n"); }

3. Android Demo效果可以轻松移植到Android系统，在普通手机，CPU和GPU都可以达到实时检测

人脸检测+人脸关键点检测+人体检测Android Demo APP(非源码，仅供学习交流)：
链接: https://pan.baidu.com/s/1By43I1DbMa0gBPLObtPZMQ 提取码: msnr

这是APP的检测效果：

APP	模型选择	人脸检测
文章图片	文章图片
人脸关键点检测	人体检测	人脸+人体检测
		文章图片

4.人体关键点Demo（Android版本）
人体关键点检测需要用到人体检测，请查看鄙人另一篇博客：2D Pose人体关键点实时检测(Python/Android /C++ Demo)_pan_jinquan的博客-CSDN博客

如果你觉得该帖子帮到你，还望贵人多多支持，鄙人会再接再厉，继续努力的~