人脸检测

此程序构建一个通用IPC摄像头架构，实现IPC核心功能。功能如下： 1. 人脸检测、识别；物体检测 2. 编码和osd配置保存读取 3. osd(主码流显示,子码流因为显示AI的画框,代码已经注释掉) 4. rtsp(基于rockchip库) 5. 消息服务 程序是基于rust语言，也是为了验证此语言在嵌入式方面的应用，实现了下面的目标： 1. rust 在嵌入式方面的应用参考 2. rust 与c交互 3. 最小化二进制大小 4. ip camera 大致架子及媒体层抽象 5. ai 在rockchip rknn上的应用展示 6. rv1106g 平台实现

106点人脸关键点检测模型 输入一张人脸图像，实现人脸关键点检测，输出图像中人脸的106点关键点坐标和人像姿态角度。 106点人脸关键点 模型描述 该模型主要用于人脸关键点检测和对齐任务，从包含人脸

基于图片、视频以及实时视频的人脸识别以及人脸属性识别，使用python语言，实时率和准确率都很高，还具有很高的鲁棒性。

移动端快速人脸检测模型是基于RetinaFace的优化去掉stride8以及stride32和stride16的landmark 在CPU位Intel(R) Pentium(R) CPU G2020 @ 2.90GHz(2900 MHz)的设备中人脸检测可达到40ms/帧

HyperFT项目的多人脸跟踪算法分三大部分： 第一部分是初始化，通过mtcnn的人脸检测找出第一帧的人脸位置然后将其结果对人脸跟踪进行初始化； 第二部分是更新，利用模板匹配进行人脸目标位置的初步预判，再结合mtcnn中的onet来对人脸位置进行更加精细的定位，最后通过mtcnn中的rnet的置信度来判断跟踪是否为人脸，防止当有手从面前慢慢挥过去的话，框会跟着手走而无法跟踪到真正的人脸； 第三部分是定时检测，通过在更新的部分中加入一个定时器来做定时人脸检测，从而判断中途是否有新人脸的加入，本项目在定时人脸检测中使用了一个trick就是将已跟踪的人脸所在位置利用蒙版遮蔽起来，避免了人脸检测的重复检测，减少其计算量，从而提高了检测速度。 算法改进的思路（加入五个关键点的跟踪） 1、在HyperFT项目中的Face类中仅定义了人脸矩形的变量，如若需要加入五个关键点的跟踪则需要在Face类中需要定义一个Bbox类faceBbox，这样Face即能保存人脸位置又能保存人脸关键点。 2、在原来的doingLandmark_onet函数的基础上重载函数，将传入的std::vector< cv::Point > &pts改为传入Bbox& faceBbox。 3、在tracking函数中修改doingLandmark_onet函数的调用 4、通过人脸跟踪中Face类中的faceBbox即可获得人脸的位置及其五个人脸关键点（main.cpp）

这是一个移动端快速视频多人脸跟踪的开源项目，这个项目是基于mtcnn人脸检测加上最简单的模板匹配进行人脸跟踪的，算法简单但效果显著，移动端速度可以达到150帧以上，该项目的特点是可实现多人脸跟踪。 代码算法解析 HyperFT项目的多人脸跟踪算法分三大部分： 第一部分是初始化，通过mtcnn的人脸检测找出第一帧的人脸位置然后将其结果对人脸跟踪进行初始化； 第二部分是更新，利用模板匹配进行人脸目标位置的初步预判，再结合mtcnn中的onet来对人脸位置进行更加精细的定位，最后通过mtcnn中的rnet的置信度来判断跟踪是否为人脸，防止当有手从面前慢慢挥过去的话，框会跟着手走而无法跟踪到真正的人脸； 第三部分是定时检测，通过在更新的部分中加入一个定时器来做定时人脸检测，从而判断中途是否有新人脸的加入，本项目在定时人脸检测中使用了一个trick就是将已跟踪的人脸所在位置利用蒙版遮蔽起来，避免了人脸检测的重复检测，减少其计算量，从而提高了检测速度。 算法改进的思路（加入五个关键点的跟踪） 1、在HyperFT项目中的Face类中仅定义了人脸矩形的变量，如若需要加入五个关键点的跟踪则需要在Face类中需要定义一个Bbox类faceBbox，这样Face即能保存人脸位置又能保存人脸关键点。 2、在原来的doingLandmark_onet函数的基础上重载函数，将传入的std::vector< cv::Point > &pts改为传入Bbox& faceBbox。 3、在tracking函数中修改doingLandmark_onet函数的调用 4、通过人脸跟踪中Face类中的faceBbox即可获得人脸的位置及其五个人脸关键点（main.cpp）

该项目简称为B端，用于展示A端发布的内容以及购买A端发布的商品，所有商品可以进行分享好友来推送自己喜欢的产品，可以分享到微信并跳转微信小程序，并且做了多次分享处理。主要是对A端发布的商品进行规划整理。 通过定位技术为用户推荐附近店铺，即时推送用户订单状态，接入微信和支付宝支付接口，方便用户快捷支付。还运用了图片加载框架、Sqlite存储，偏好设置，自定义View，动画，EventBus，人脸检测，人脸识别等技术。

项目包含人脸相关各个功能：人脸检测，人脸对比，人脸关键点检测，人脸口罩佩戴检测，人脸属性分析等。最终算法部署到PC端上及安卓端上，也可以通过接口请求。算法的精度也很高，并不比大厂做的差，大家可以通过小程序来体验。 自己负责所有的算法实现，算法的服务端部署，及前端或者小程序的开发，能解决遇到所有问题。