Github项目推荐 | 比快更快！速度超越OpenCV的人脸检测库 libfacedetection 开源！

libfacedetection是一个用于图像中人脸检测的开源库。人脸检测速度可达1500FPS。

Github项目地址：

https://github.com/ShiqiYu/libfacedetection

这是一个用在图像中的基于CNN的人脸检测开源库。 CNN模型已转换为C源文件中的静态变量。 源代码不依赖于任何其他库。 你只需要一个C++编译器，在Windows，Linux、ARM和任何平台下均可以编译源代码。

SIMD指令用于加速检测。 如果使用Intel CPU或NEON for ARM，则可以采用AVX2。

模型文件也已在项目的 ./models/ 目录中提供。

examples/libfacedetectcnn-example.cpp 文件显示了如何使用该开源库。

注：图片来自本Github项目（https://github.com/ShiqiYu/libfacedetection）

如何编译

在使用 g++ 编译源代码时，请添加 -O3 来启用优化。

在使用Microsoft Visual Studio编译源代码的时候，请选择“Maximize Speed（最大化速度）/-O2”。

创建构建文件夹

mkdir build; cd build; rm -rf *

aarch64的交叉构建

• 为aarch64设置交叉编译器（请参考aarch64-toolchain.cmake）

• 设置opencv的路径，因为示例代码依赖于opencv

cmake \    -DENABLE_INT8=ON \    -DENABLE_NEON=ON \    -DCMAKE_BUILD_TYPE=RELEASE \    -DCMAKE_TOOLCHAIN_FILE=../aarch64-toolchain.cmake \     ..
make

avx2的原生构建

cmake \    -DENABLE_INT8=ON \    -DENABLE_AVX2=ON \    -DCMAKE_BUILD_TYPE=RELEASE \    -DDEMO=ON \     ..
make

在Windows系统上进行基于CNN的人脸检测

结果如下所示：

Method -  方法	Time	FPS	Time	FPS
	X64	X64	X64	X64
	Single-thread - 单线程	Single-thread - 单线程	Multi-thread - 多线程	Multi-thread - 多线程
OpenCV Haar+AdaBoost (640x480)	--	--	12.33ms	81.1
cnn (CPU, 640x480)	64.21ms	15.57	15.59ms	64.16
cnn (CPU, 320x240)	15.23ms	65.68	3.99ms	250.4
cnn (CPU, 160x120)	3.47ms	288.08	0.95ms	1052.2
cnn (CPU, 128x96)	2.35ms	425.95	0.64ms	1562.1

注：

• OpenCV Haar + AdaBoost 运行的最小面部尺寸为48x48

• 仅作面部检测，不包括地标检测。

• 最小面部尺寸为 12x12

• 处理器：Intel（R）Core（TM）i7-7700 CPU @ 3.6GHz。

基于CNN的ARM Linux人脸检测（树莓派 3 B +）

结果如下所示：

Method - 方法	Time	FPS	Time	FPS
	Single-thread - 单线程	Single-thread - 单线程	Multi-thread - 多线程	Multi-thread - 多线程
cnn(CPU, 640x480)	512.04ms	1.95	174.89ms	5.72
cnn(CPU, 320x240)	123.47ms	8.1	42.13ms	23.74
cnn(CPU, 160x120)	27.42ms	36.47	9.75ms	102.58
cnn(CPU, 128x96)	17.78ms	56.24	6.12ms	163.5

注：

• 仅作面部检测，不包括地标检测。

• 最小面部尺寸为 12x12

• 处理器：Raspberry Pi 3 B +，Broadcom BCM2837B0，

  Cortex-A53（ARMv8）64位 SoC @ 1.4GHz

作者

于仕琪，深圳大学计算机科学与软件工程学院副教授，shiqi.yu @ gmail.com

贡献者

Jia Wu、Shengyin Wu、Dong Xu

鸣谢

本研究部分得到了深圳市科学基金会的资助（批准号：JCYJ20150324141711699）。

扫码加入计算机视觉基础入门课程学习

点击阅读原文，查看划线部分链接内容