Qt怎么實現人臉識別離線版

本篇內容主要講解“Qt怎么實現人臉識別離線版”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Qt怎么實現人臉識別離線版”吧!

一、前言

本篇文章采用的百度離線SDK作為解決方案。可以去官網申請，默認有6個免費的密鑰使用三個月，需要與本地設備的指紋信息匹配，感興趣的同學可以自行去官網下載SDK。百度離線人臉識別SDK文件比較大，光模型文件就645MB，估計這也許是識別率比較高的一方面原因吧，不斷訓練得出的模型庫，本篇文章只放出Qt封裝部分源碼。官網對應的使用說明還是非常詳細的，只要是學過編程的人就可以看懂。

處理流程：

1. 實例化BaiduFaceApi類，調用sdk_init初始化。

2. 調用is_auth判斷授權是否成功，成功了才能繼續。

3. 設置最小人臉比例（set_min_face_size）、光照閾值（set_illum_thr）等參數。

4. 調用track_max_face函數獲取人臉區域。

5. 調用rgb_liveness_check函數進行活體檢測。

6. 調用get_face_feature函數提取特征值。

7. 調用compare_feature函數進行人臉比對。

百度人臉識別在線版和離線版SDK的封裝：

1. 離線版要求支持C++11的編譯器，而且必須為MSVC。不支持mingw編譯器。

2. 在線版中的密鑰等信息，務必記得換成自己申請的。

3. 離線版本只能在windows上使用。

4. 離線版本需要自己申請密鑰。找到facebaidusdk文件夾下的LicenseTool.exe,填寫后臺離線SDK管理中申請到的序列號，單擊激活按鈕。

5. 離線版本對應的動態庫和模型文件自行從官網下載。

6. 如果源碼包中有facebaidusdk+face-resource文件夾則說明帶了動態庫和模型庫文件夾，只需要將facebaidusdk文件夾下的所有文件復制到可執行文件同一目錄，face-resource文件夾復制到可執行文件夾目錄同等級目錄即可。目錄位置見snap文件夾下的示例圖。

7. facebaidusdk目錄下的TestFaceApi.exe為百度提供的測試程序，先要將USB攝像頭插到電腦上，會實時找人臉框。

二、功能特點

1. 支持的功能包括人臉識別、人臉比對、人臉搜索、活體檢測等。

2. 在線版還支持身份證、駕駛證、行駛證、銀行卡等識別。

3. 在線版的協議支持百度、曠視，離線版的支持百度，可定制。

4. 除了支持X86架構，還支持嵌入式linux比如contex-A9、樹莓派等。

5. 每個功能的執行除了返回結果還返回執行用時時間。

6. 多線程處理，通過type控制當前處理類型。

7. 支持單張圖片檢索相似度最高的圖片。

8. 支持指定目錄圖片用來生成人臉特征值文件。

9. 可設置等待處理圖片隊列中的數量。

10. 每次執行都有成功或者失敗的信號返回。

11. 人臉搜索的返回結果包含了原圖+最大相似度圖+相似度等。

12. 人臉比對同時支持兩張圖片和兩個特征值比對。

13. 相關功能自定義一套協議用于客戶端和服務端，可以通過TCP通信進行交互。

14. 自定義人臉識別協議非常適用于中心一臺服務器，現場若干設備請求的場景。

15. 每個模塊全部是獨立的一個類，代碼整潔、注釋完善。

三、效果圖

四、核心代碼

void FaceLocalBaiDu::init()
{
    //如果已經正常則無需初始化
    if (isOk) {
        return;
    }

    int res = api->sdk_init();
    res = api->is_auth();
    if (res != 1) {
        qDebug() << TIMEMS << QString("init sdk error: %1").arg(res);
    } else {
        //設置最小人臉,默認30
        api->set_min_face_size(percent);
        //設置光照閾值,默認40
        api->set_illum_thr(20);
        //設置角度閾值,默認15
        //api->set_eulur_angle_thr(30, 30, 30);
        isOk = true;
        qDebug() << TIMEMS << "init sdk ok";
    }

    emit sdkInitFinsh(isOk);
}

bool FaceLocalBaiDu::getFaceRect(const QString &flag, const QImage &img, QRect &rect, int &msec)
{
    //qDebug() << TIMEMS << flag << "getFaceRect";

    QTime time;
    if (countTime) {
        time.start();
    }

    faces->clear();
    QByteArray imageData = FaceHelper::getImageData(img);
    int result = api->track_max_face(faces, imageData.constData(), 1);

    if (result == 1) {
        TrackFaceInfo info = faces->at(0);
        FaceInfo ibox = info.box;
        float width = ibox.mWidth;
        float x = ibox.mCenter_x;
        float y = ibox.mCenter_y;
        rect = QRect(x - width / 2, y - width / 2, width, width);
        msec = getTime(time);
        return true;
    }

    return false;
}

bool FaceLocalBaiDu::getFaceLive(const QString &flag, const QImage &img, float &result, int &msec)
{
    //qDebug() << TIMEMS << flag << "getFaceLive";

    QTime time;
    if (countTime) {
        time.start();
    }

    result = 0;
    QByteArray imageData = FaceHelper::getImageData(img);
    std::string value = api->rgb_liveness_check(imageData.constData(), 1);

    QString data = value.c_str();
    data = data.replace("\t", "");
    data = data.replace("\"", "");
    data = data.replace(" ", "");

    int index = -1;
    QStringList list = data.split("\n");
    foreach (QString str, list) {
        index = str.indexOf("score:");
        if (index >= 0) {
            result = str.mid(6, 4).toFloat();
            break;
        }
    }

    if (index >= 0) {
        msec = getTime(time);
        return true;
    }

    return false;
}

bool FaceLocalBaiDu::getFaceFeature(const QString &flag, const QImage &img, QList<float> &feature, int &msec)
{
    //qDebug() << TIMEMS << flag << "getFaceFeature" << img.width() << img.height() << img.size();

    QTime time;
    if (countTime) {
        time.start();
    }

    const float *fea = nullptr;
    QByteArray imageData = FaceHelper::getImageData(img);
    int result = api->get_face_feature(imageData.constData(), 1, fea);

    if (result == 512) {
        feature.clear();
        for (int i = 0; i < 512; i++) {
            feature.append(fea[i]);
        }

        msec = getTime(time);
        return true;
    }

    return false;
}

float FaceLocalBaiDu::getFaceCompare(const QString &flag, const QList<float> &feature1, const QList<float> &feature2)
{
    //qDebug() << TIMEMS << flag << "getFaceCompareXXX";

    std::vector<float> fea1, fea2;
    for (int i = 0; i < 512; i++) {
        fea1.push_back(feature1.at(i));
        fea2.push_back(feature2.at(i));
    }

    float result = api->compare_feature(fea1, fea2);
    //過濾非法的值
    result = result > 100 ? 0 : result;
    return result;
}

bool FaceLocalBaiDu::getFaceCompare(const QString &flag, const QImage &img1, const QImage &img2, float &result, int &msec)
{
    //qDebug() << TIMEMS << flag << "getFaceCompare";

    result = 0;
    bool ok1, ok2;
    QList<float> feature1, feature2;
    int msec1, msec2;
    QString flag1, flag2;
    if (flag.contains("|")) {
        QStringList list = flag.split("|");
        flag1 = list.at(0);
        flag2 = list.at(1);
    } else {
        flag1 = flag;
        flag2 = flag;
    }

    QTime time;
    if (countTime) {
        time.start();
    }

    ok1 = getFaceFeature(flag1, img1, feature1, msec1);
    if (ok1) {
        emit receiveFaceFeature(flag1, feature1, msec1);
    }

    ok2 = getFaceFeature(flag2, img2, feature2, msec2);
    if (ok2) {
        emit receiveFaceFeature(flag2, feature2, msec2);
    }

    if (ok1 && ok2) {
        result = getFaceCompare(flag, feature1, feature2);
        msec = getTime(time);
        return true;
    }

    return false;
}

到此，相信大家對“Qt怎么實現人臉識別離線版”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！