独角兽企业重金招聘Python工程师标准>>>
虹软的人脸识别技术也是很强的，重要的是他免费提供了离线的sdk，还提供了实例，这个是目前几家研究人脸识别的大公司里面少有的。识别能力正常用还是可以的。我这个代码是调用的离线sdk实现的
from arcsoft import CLibrary, ASVL_COLOR_FORMAT, ASVLOFFSCREEN,c_ubyte_p,FaceInfofrom arcsoft.utils import BufferInfo, ImageLoaderfrom arcsoft.AFD_FSDKLibrary import *from ctypes import *import tracebackimport cv2import timeAPPID = c_char_p(b'your id')FD_SDKKEY = c_char_p(b'your key')FD_WORKBUF_SIZE = 20 * 1024 * 1024MAX_FACE_NUM = 50bUseYUVFile = FalsebUseBGRToEngine = Truedef doFaceDetection(hFDEngine, inputImg): #对图像中的人脸进行定位faceInfo = []pFaceRes = POINTER(AFD_FSDK_FACERES)()ret = AFD_FSDK_StillImageFaceDetection(hFDEngine, byref(inputImg), byref(pFaceRes))#ret 为0if ret != 0:print(u'AFD_FSDK_StillImageFaceDetection 0x{0:x}'.format(ret))return faceInfofaceRes = pFaceRes.contentsprint('******')facecont=faceRes.nFace #faceRes 是一个对象所以 输出会是一个地址值 而他的一个属性nface是表示的是人脸的个数print('%d 个人脸' %facecont)if faceRes.nFace > 0:for i in range(0, faceRes.nFace):rect = faceRes.rcFace[i]orient = faceRes.lfaceOrient[i]faceInfo.append(FaceInfo(rect.left,rect.top,rect.right,rect.bottom,orient))return faceInfodef loadImage(filePath):inputImg = ASVLOFFSCREEN()if bUseBGRToEngine: #truebufferInfo = ImageLoader.getBGRFromFile(filePath)inputImg.u32PixelArrayFormat = ASVL_COLOR_FORMAT.ASVL_PAF_RGB24_B8G8R8inputImg.i32Width = bufferInfo.widthinputImg.i32Height = bufferInfo.heightinputImg.pi32Pitch[0] = bufferInfo.width*3inputImg.ppu8Plane[0] = cast(bufferInfo.buffer, c_ubyte_p)inputImg.ppu8Plane[1] = cast(0, c_ubyte_p)inputImg.ppu8Plane[2] = cast(0, c_ubyte_p)inputImg.ppu8Plane[3] = cast(0, c_ubyte_p)else:bufferInfo = ImageLoader.getI420FromFile(filePath)inputImg.u32PixelArrayFormat = ASVL_COLOR_FORMAT.ASVL_PAF_I420inputImg.i32Width = bufferInfo.widthinputImg.i32Height = bufferInfo.heightinputImg.pi32Pitch[0] = inputImg.i32WidthinputImg.pi32Pitch[1] = inputImg.i32Width // 2inputImg.pi32Pitch[2] = inputImg.i32Width // 2inputImg.ppu8Plane[0] = cast(bufferInfo.buffer, c_ubyte_p)inputImg.ppu8Plane[1] = cast(addressof(inputImg.ppu8Plane[0].contents) + (inputImg.pi32Pitch[0] * inputImg.i32Height), c_ubyte_p)inputImg.ppu8Plane[2] = cast(addressof(inputImg.ppu8Plane[1].contents) + (inputImg.pi32Pitch[1] * inputImg.i32Height // 2), c_ubyte_p)inputImg.ppu8Plane[3] = cast(0, c_ubyte_p)inputImg.gc_ppu8Plane0 = bufferInfo.bufferreturn inputImgif __name__ == u'__main__':t=time.time()print(u'#####################################################')# init EnginepFDWorkMem = CLibrary.malloc(c_size_t(FD_WORKBUF_SIZE))hFDEngine = c_void_p()ret = AFD_FSDK_InitialFaceEngine(APPID, FD_SDKKEY, pFDWorkMem, c_int32(FD_WORKBUF_SIZE), byref(hFDEngine), AFD_FSDK_OPF_0_HIGHER_EXT, 32, MAX_FACE_NUM)#ret 为0if ret != 0:CLibrary.free(pFDWorkMem)print(u'AFD_FSDK_InitialFaceEngine ret 0x{:x}'.format(ret))exit(0)#--------------------------------以上部分两个函数以及主函数的几条语句不变-----------------------------------------------------------filePath = '001.jpg'inputImg = loadImage(filePath) #调用loadImage函数 返回一种格式（目前还不知道这种格式是什么）frame=cv2.imread(filePath)# do Face DetectfaceInfos = doFaceDetection(hFDEngine, inputImg) #调用dofaceDetection函数 进行图像处理检测人脸#print('faceInfos %s'% faceInfos[0])for i in range(0, len(faceInfos)):rect = faceInfos[i]print(u'{} ({} {} {} {}) orient {}'.format(i, rect.left, rect.top, rect.right, rect.bottom, rect.orient))cv2.rectangle(frame, (rect.left, rect.top), (rect.right, rect.bottom), (0, 0, 255), 2)cropimg=frame[rect.top:rect.bottom,rect.left:rect.right]# 使用opencv裁剪照片 把人脸的照片裁剪下来cv2.imwrite('crop-photo/'+str(i)+'.jpg',cropimg) # 把人脸照片保存下来AFD_FSDK_UninitialFaceEngine(hFDEngine)# release Enginecv2.imshow('tuxiang',frame)cv2.waitKey(1)print('所用时间为{} '.format(time.time()-t)) #不进行保存图片 0.12s 保存图片0.16stime.sleep(1)CLibrary.free(pFDWorkMem)print(u'#####################################################')
运行结果
运行时间0.14800000190734863
底层是c写的所以运行起来还是比较快的 使用的是离线的sdk配置需要动态链接库fd （官网有）
对于虹软的这个 我只会用 里面的代码很大一部分都是不懂的，因为那些函数都被封装起来了，定义看不到也看不懂。
opencv就是用来显示照片以及标框 time用来测时间和暂停
对于虹软的人脸识别，是使用了另一种动态链接库fr，跟这个类似，代码有些差别，等做出来基于虹软的实时的人脸识别再分享出来。
