開發案例

人臉識別樣例

功能：通過攝像頭對視頻中的人臉信息進行預測，與已注冊的人臉進行比對，預測出最可能的用戶。
樣例輸入：攝像頭。
樣例輸出：presenter界面展現推理結果。

前置條件

請檢查以下條件要求是否滿足，如不滿足請按照備注進行相應處理。如果CANN版本升級，請同步檢查第三方依賴是否需要重新安裝（5.0.4及以上版本第三方依賴和5.0.4以下版本有差異，需要重新安裝）。

樣例準備

1. 獲取源碼包。
   可以使用以下兩種方式下載，請選擇其中一種進行源碼準備。

   • 命令行方式下載（下載時間較長，但步驟簡單）。

     # 開發環境，非root用戶命令行中執行以下命令下載源碼倉。    
     cd ${HOME}     
     git clone https://gitee.com/ascend/samples.git

      
     注：如果需要切換到其它tag版本，以v0.5.0為例，可執行以下命令。

     git checkout v0.5.0

      
   • 壓縮包方式下載（下載時間較短，但步驟稍微復雜）。
     注：如果需要下載其它版本代碼，請先請根據前置條件說明進行samples倉分支切換。

      # 1. samples倉右上角選擇 【克隆/下載】 下拉框并選擇 【下載ZIP】。    
      # 2. 將ZIP包上傳到開發環境中的普通用戶家目錄中，【例如：${HOME}/ascend-samples-master.zip】。     
      # 3. 開發環境中，執行以下命令，解壓zip包。     
      cd ${HOME}    
      unzip ascend-samples-master.zip

      

2. 獲取此應用中所需要的原始網絡模型。

   模型名稱	模型說明	模型下載路徑
   face_detection	人臉檢測網絡模型。是基于Caffe的Resnet10-SSD300模型轉換后的網絡模型。	請參考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/facedetection/ATC_resnet10-SSD_caffe_AE目錄中README.md下載原始模型章節下載模型和權重文件。
   vanillacnn	人臉特征點標記網絡模型。是基于Caffe的VanillaCNN模型轉換后的網絡模型。	請參考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/vanillacnn/ATC_vanillacnn_caffe_AE目錄中README.md下載原始模型章節下載模型和權重文件。
   sphereface	特征向量獲取網絡模型。是基于Caffe的SphereFace模型轉換后的網絡模型。	請參考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/sphereface/ATC_sphereface_caffe_AE目錄中README.md下載原始模型章節下載模型和權重文件。

   # 為了方便下載，在這里直接給出原始模型下載及模型轉換命令,可以直接拷貝執行。也可以參照上表在modelzoo中下載并手工轉換，以了解更多細節。     
   cd ${HOME}/samples/cplusplus/level2_simple_inference/n_performance/1_multi_process_thread/face_recognition_camera/model
   wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/facedection/face_detection_fp32.caffemodel
   wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/facedection/face_detection.prototxt
   wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/face_recognition_camera/face_detection_insert_op.cfg
   atc --model=./face_detection.prototxt --weight=./face_detection_fp32.caffemodel --framework=0 --output=./face_detection --soc_version=Ascend310 --insert_op_conf=./face_detection_insert_op.cfg --input_shape="data:1,3,300,300" --input_format=NCHW 
   wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/vanillacnn/vanillacnn.caffemodel
   wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/vanillacnn/vanilla_deploy.prototxt
   atc --model=./vanilla_deploy.prototxt --weight=./vanillacnn.caffemodel --framework=0 --output=./vanillacnn --soc_version=Ascend310 --input_shape="data:4,3,40,40" --input_format=NCHW
   wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/sphereface/sphereface.caffemodel
   wget https://modelzoo-train-atc.obs.cn-north-4.myhuaweicloud.com/003_Atc_Models/AE/ATC%20Model/sphereface/sphereface.prototxt
   wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/models/face_recognition_camera/sphereface_insert_op.cfg
   atc --model=./sphereface.prototxt --weight=./sphereface.caffemodel --framework=0 --output=./sphereface --soc_version=Ascend310 --insert_op_conf=./sphereface_insert_op.cfg --input_shape="data:8,3,112,96" --input_format=NCHW

    

樣例部署

執行以下命令，執行編譯腳本，開始樣例編譯。

cd ${HOME}/samples/cplusplus/level2_simple_inference/n_performance/1_multi_process_thread/face_recognition_camera/scripts    
bash sample_build.sh

樣例運行

注：開發環境與運行環境合一部署，請跳過步驟1，直接執行步驟2即可。

1. 執行以下命令,將開發環境的 face_recognition_camera 目錄上傳到運行環境中，例如 /home/HwHiAiUser，并以HwHiAiUser（運行用戶）登錄運行環境（Host）。

   # 【xxx.xxx.xxx.xxx】為運行環境ip，200DK在USB連接時一般為192.168.1.2，300（ai1s）為對應的公網ip。
   scp -r ${HOME}/samples/cplusplus/level2_simple_inference/n_performance/1_multi_process_thread/face_recognition_camera HwHiAiUser@xxx.xxx.xxx.xxx:/home/HwHiAiUser    
   ssh HwHiAiUser@xxx.xxx.xxx.xxx     
   cd ${HOME}/face_recognition_camera/scripts

    

2. 執行運行腳本，開始樣例運行。

   bash sample_run.sh

    

查看結果

1. 打開presentserver網頁界面(打開啟動Presenter Server服務時提示的URL即可)。
2. 等待Presenter Agent傳輸數據給服務端，單擊“Refresh“刷新，當有數據時相應的Channel 的Status變成綠色。
3. 單擊右側對應的View Name鏈接，查看結果。

常見錯誤

請參考常見問題定位對遇到的錯誤進行排查。如果wiki中不包含，請在samples倉提issue反饋。