开发案例

开发案例

人脸识别样例

功能：通过摄像头对视频中的人脸信息进行预测，与已注册的人脸进行比对，预测出最可能的用户。
样例输入：摄像头。
样例输出：presenter界面展现推理结果。

前置条件

请检查以下条件要求是否满足，如不满足请按照备注进行相应处理。如果CANN版本升级，请同步检查第三方依赖是否需要重新安装（5.0.4及以上版本第三方依赖和5.0.4以下版本有差异，需要重新安装）。

样例准备

1. 获取源码包。
   可以使用以下两种方式下载，请选择其中一种进行源码准备。

   • 命令行方式下载（下载时间较长，但步骤简单）。

     # 开发环境，非root用户命令行中执行以下命令下载源码仓。    
     cd ${HOME}     
     git clone https://gitee.com/ascend/samples.git

      
     注：如果需要切换到其它tag版本，以v0.5.0为例，可执行以下命令。

     git checkout v0.5.0

      
   • 压缩包方式下载（下载时间较短，但步骤稍微复杂）。
     注：如果需要下载其它版本代码，请先请根据前置条件说明进行samples仓分支切换。

      # 1. samples仓右上角选择 【克隆/下载】 下拉框并选择 【下载ZIP】。    
      # 2. 将ZIP包上传到开发环境中的普通用户家目录中，【例如：${HOME}/ascend-samples-master.zip】。     
      # 3. 开发环境中，执行以下命令，解压zip包。     
      cd ${HOME}    
      unzip ascend-samples-master.zip

      

2. 获取此应用中所需要的原始网络模型。

   模型名称	模型说明	模型下载路径
   face_detection	人脸检测网络模型。是基于Caffe的Resnet10-SSD300模型转换后的网络模型。	请参考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/facedetection/ATC_resnet10-SSD_caffe_AE目录中README.md下载原始模型章节下载模型和权重文件。
   vanillacnn	人脸特征点标记网络模型。是基于Caffe的VanillaCNN模型转换后的网络模型。	请参考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/vanillacnn/ATC_vanillacnn_caffe_AE目录中README.md下载原始模型章节下载模型和权重文件。
   sphereface	特征向量获取网络模型。是基于Caffe的SphereFace模型转换后的网络模型。	请参考https://gitee.com/ascend/ModelZoo-TensorFlow/tree/master/TensorFlow/contrib/cv/sphereface/ATC_sphereface_caffe_AE目录中README.md下载原始模型章节下载模型和权重文件。

   # 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。也可以参照上表在modelzoo中下载并手工转换，以了解更多细节。     
   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

    

样例部署

执行以下命令，执行编译脚本，开始样例编译。

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

样例运行

注：开发环境与运行环境合一部署，请跳过步骤1，直接执行步骤2即可。

1. 执行以下命令,将开发环境的 face_recognition_camera 目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

   # 【xxx.xxx.xxx.xxx】为运行环境ip，200DK在USB连接时一般为192.168.1.2，300（ai1s）为对应的公网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. 执行运行脚本，开始样例运行。

   bash sample_run.sh

    

查看结果

1. 打开presentserver网页界面(打开启动Presenter Server服务时提示的URL即可)。
2. 等待Presenter Agent传输数据给服务端，单击“Refresh“刷新，当有数据时相应的Channel 的Status变成绿色。
3. 单击右侧对应的View Name链接，查看结果。

常见错误

请参考常见问题定位对遇到的错误进行排查。如果wiki中不包含，请在samples仓提issue反馈。