目录 AZSC-2.0 DFace SDK 安装说明书 (v2.0.0) Linux amd64 系统安装 ARM Linux 系统安装 Windows 系统安装 Android 系统安装 ROS 系统安装.

Size: px

Start display at page:

Download "目录 AZSC-2.0 DFace SDK 安装说明书 (v2.0.0) Linux amd64 系统安装 ARM Linux 系统安装 Windows 系统安装 Android 系统安装 ROS 系统安装."

酉熟陶
4 years ago
Views:

1 目录 DFace SDK 安装说明书 (v2.0.0) Linux amd64 系统安装 ARM Linux 系统安装 Windows 系统安装 Android 系统安装 ROS 系统安装

2 DFace SDK 安装说明书 (v2.0.0) 1.0 Linux amd64 系统安装 1.1 环境变量设置下载 dface_sdk 并解压 (tar -xvf 命令 ), 注意一定要在 Linux 下的 ext 文件系统下解压, 保持压缩包里的库软链不受破坏把 DFace SDK 目录下的 lib/ 目录和 system/lib/ 目录添加到 LD_LIBRARY_PATH 环境变量 export LD_LIBRARY_PATH={dface_sdk}/lib:{dface_sdk}/system/lib 或者直接运行 setup.sh( 自动设置环境变量 ) source setup.sh 1.2 设备激活 DFace SDK 在 tools 目录下提供了一个在线激活工具 licencemanager, 按照提示输入 SN( 授权码 ) 即可 1.3 demo 运行 DFace SDK 根目录提供了一个可执行的 demo.run 运行程序用于测试各个功能是否正常终端输入./demo.run, 即可出现如下界面 2

1.3 工具包使用 DFace SDK 在 tools 目录下提供了几个工具可以快速在目标机器展开人脸识别类测试使用 --help 参数可以查看具体使用说明 testdetectimage ( 人脸检测图片工具 ) Usage: testdetectimage [model_path] [num_threads] [min_facesize] [img_path] [img_path]:

3 1.3 工具包使用 DFace SDK 在 tools 目录下提供了几个工具可以快速在目标机器展开人脸识别类测试使用 --help 参数可以查看具体使用说明 testdetectimage ( 人脸检测图片工具 ) Usage: testdetectimage [model_path] [num_threads] [min_facesize] [img_path] [img_path]: 图片路径 testdetectcamera ( 人脸检测摄像头工具 ) Usage: testdetectcamera [model_path] [num_threads] [min_facesize] [video_width] [video_ height] [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testdetectvideo ( 人脸检测视频工具 ) Usage: testdetectvideo [model_path] [num_threads] [min_facesize] [video_path] 3

4 [video_path]: 视频路径 testrecognize ( 人脸识别工具 ) Usage: testrecognize [model_path] [num_threads] [min_facesize] [accuracy_mode] [img1_pat h] [img2_path] [accuracy_mode]: 精度模式 0: 普通精度 1: 高精度 ( 速度稍慢 ) 2: 实时模式 ( 精度稍低 ) [img1_path]: 图片 1 路径 [img2_path]: 图片 2 路径 testmassivecompare ( 大规模 1:N 人脸比对工具 ) Usage: testmassivecompare [model_path] [num_threads] [accuracy_mode] [size] [accuracy_mode]: 精度模式 0: 普通精度 1: 高精度 ( 速度稍慢 ) 2: 实时模式 ( 精度稍低 ) [size]: 1:N 规模,N 值 testposeimage ( 人脸 68 关键点和 3D 姿态角估计工具 ) Usage: testposeimage [model_path] [num_threads] [min_facesize] [img_path] [img_path]: 图片路径 testinfrared ( 测试红外活体检测 ) Usage: testinfrared [model_path] [img_path] [img_path]: 图片路径 testrgbanticamera( 测试单目活体检测 ) Usage: tesrgbanticamera [model_path] [pat_threshold] [pat_count] [video_width] [video_h eight] [pat_threshold]: pat 阈值 (0.8~0.95) [pat_count]: pat 数量 (4~10) [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 4

5 testtrackcamera ( 人脸跟踪摄像头工具 ) Usage: testtrackcamera [model_path] [max_age] [video_width] [video_height] [max_age]: 被跟踪物体的最大过期次数 [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testdatabase ( 人脸数据库测试工具 ) Usage: testdatabase testcomparedatabase ( 人脸库特征比对测试工具 ) Usage: testtrackcamera [model_path] 1.4 测试源码编译 DFace SDK 利用 CMake 相关文件快速构建测试项目, 测试源码位于 example 目录提供脚本编译和手动编译的方法, 建议手动编译编译工具清单 : 工具描述编译器 gcc/g++ 版本号 4.8 以上, 支持 c++11 标准构建工具 Cmake, 版本 3.6 以上 Ide vim clion qtcreator codeblocks 标准库 libstdc++6 libc6 链接器 ld.so.3 手动编译, 进入 dface_sdk/example/cpp/demo_cmake_simple 目录下的 demo 工程 1. 创建编译目录 5

6 mkdir build & cd build 2. 执行 cmake cmake.. 3. 构建测试项目 make -j 4 构建完之后会在 build 目录生成几个可执行文件 (linux 下最好将需要运行的可执行文件链接一遍 libdfacepro.so, 达到加速效果, 例如 target_link_libraries(testdface libdfacepro.so) 1.5 QT 编译测试我们也提供了 QT 的 demo 源码, 直接用 QTCreator 打开 dface_sdk/example/cpp/de mo_qt 项目即可编译测试 6

7 2.0 ARM Linux 系统安装 2.1 环境变量设置 1. 下载 dface_sdk 并解压 (tar -xvf 命令 ), 注意一定要在 Linux 下的 ext 文件系统下解压, 保持压缩包里的库软链不受破坏以下是 GCC/G 版本的配置, 其他版本需要具体分析, 目标是把 GCC/G++ 的系统库目录添加到环境变量 2. 把 {dface_sdk}/lib 目录和 arm-linux-gnueabihf/lib 目录和 {dface_sdk}/system/arm-linux-gn ueabihf/libc/lib/arm-linux-gnueabihf 添加到 LD_LIBRARY_PATH 环境变量 export LD_LIBRARY_PATH={dface_sdk}/lib:{dface_sdk}/system/arm-linux-gnueabihf/lib:{dface_s dk}/system/arm-linux-gnueabihf/libc/lib/arm-linux-gnueabihf 这个只针对 GCC/G 的 toolchain, 如果其他版本的 GCC/G++ 类似, 只需要把对应的 GCC/G++ 系统库目录加入即可如果开发板自带的系统库目录和我们提供的 arm-linuxgnueabihf 系统库目录版本一致或兼容, 则可以不加 arm-linux-gnueabihf 的系统库目录注意 : 该环境变量需要同时对 ARM 终端设备和交叉编译的宿主机设置 3. 添加 ld-linux-armhf.so.3 软链 ln -s {dface_sdk}/system/arm-linux-gnueabihf/libc/lib/arm-linux-gnueabihf/ld s0 /lib/ld-linux-armhf.so.3 我们在 SDK 目录下提供了 Linux 开发环境下的 GCC/G++ 和 toolchain 工具 2.2 设备激活 DFace SDK 在 tools 目录下提供了一个在线激活工具 licencemanager, 按照提示输入 SN( 授权码 ) 即可 7

8 2.3 工具包使用 DFace SDK 在 tools 目录下提供了几个工具可以快速在目标机器展开人脸识别类测试使用 --help 参数可以查看具体使用说明 testdetectimage ( 人脸检测图片工具 ) Usage: testdetectimage [model_path] [num_threads] [min_facesize] [img_path] [img_path]: 图片路径 testdetectcamera ( 人脸检测摄像头工具 ) Usage: testdetectcamera [model_path] [num_threads] [min_facesize] [video_width] [vi deo_height] [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testdetectvideo ( 人脸检测视频工具 ) Usage: testdetectvideo [model_path] [num_threads] [min_facesize] [video_path] [video_path]: 视频路径 testrecognize ( 人脸识别工具 ) Usage: testrecognize [model_path] [num_threads] [min_facesize] [accuracy_mode] [img1_pat h] [img2_path] [accuracy_mode]: 精度模式 0: 普通精度 1: 高精度 ( 速度稍慢 ) 2: 实时模式 ( 精度稍低 ) [img1_path]: 图片 1 路径 [img2_path]: 图片 2 路径 testmassivecompare ( 大规模 1:N 比对工具 ) Usage: testmassivecompare [model_path] [num_threads] [accuracy_mode] [size] 8

9 [accuracy_mode]: 精度模式 0: 普通精度 1: 高精度 ( 速度稍慢 ) 2: 实时模式 ( 精度稍低 ) [size]: 1:N 规模,N 值 testposeimage ( 人脸 68 关键点和 3D 姿态角估计工具 ) Usage: testposeimage [model_path] [num_threads] [min_facesize] [img_path] [img_path]: 图片路径 testinfrared ( 测试红外活体检测 ) Usage: testinfrared [model_path] [img_path] [img_path]: 图片路径 testrgbanticamera( 测试单目活体检测 ) Usage: tesrgbanticamera [model_path] [pat_threshold] [pat_count] [video_width] [video_h eight] [pat_threshold]: pat 阈值 (0.8~0.95) [pat_count]: pat 数量 (4~10) [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testtrackcamera ( 人脸跟踪摄像头工具 ) Usage: testtrackcamera [model_path] [max_age] [video_width] [video_height] [max_age]: 被跟踪物体的最大过期次数 [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testdatabase ( 人脸数据库测试工具 ) Usage: testdatabase testcomparedatabase ( 人脸库特征比对测试工具 ) Usage: testtrackcamera [model_path] 9

10 2.4 测试源码编译工具描述编译器 arm-linux-gnueabihf-g++/aarch64-linux-g++ 版本号 4.7 以上, 最好支持 c++11 标准构建工具 cmake, 版本 3.6 以上 Ide vim clion qtcreator codeblocks 标准库 libstdc++6 libc6 链接器 ld-linux-armhf.so.2 等 DFace SDK 利用 CMake 相关文件快速构建测试项目, 测试源码位于 example 目录由于是 ARM 架构, 因此一般在宿主机上执行交叉编译,DFace SDK 提供了 arm 交叉编译的 toolchain 交叉编译 1. 安装交叉编译环境 sudo apt-get install gcc-arm-linux-gnueabihf sudo apt-get install g++-arm-linux-gnueabihf 如果是 arm 32 位架构 (armv7), 还需要安装 32 位的库 sudo apt-get install ia32-libs sudo apt-get install lib32ncurses5 lib32z1 2. 创建编译目录 10

11 进入 dface_sdk/example/cpp/demo_cmake_simple 目录下的 demo 工程 mkdir build & cd build 3. 执行 cmake cmake.. -DCMAKE_TOOLCHAIN_FILE={dface_sdk}/arm-gnueabi.toolchain.cmake 注意 : 如果需要 opencv, 可以加上 -DOpenCV_DIR={dface_sdk}/redistribute/share/OpenCV 可以增加优化选项 -DUSE_NEON=ON -DCMAKE_CXX_FLAGS= -mfpu=neon 4. 构建测试项目 make -j QT 编译测试我们也提供了 QT 的 demo 源码, 直接用 QTCreator 打开 dface_sdk/example/cpp/de mo_qt 项目即可编译测试 ARM 终端设备运行参考 2.1 设置环境变量, 把交叉编译完的可执行文件拷贝到 ARM 终端设备运行注意 : Linux arm 由于加密狗的原因需要 root 权限执行设置加密狗参考 Sentinel 硬件加密狗设置 Linux ARM 的 sentinel 的加密狗需要手动被引导, 请将 key/sentinel/driver/linux_arm 目录下的所有文件拷贝至 /etc/udev/rules.d 目录 root 权限运行 11

12 3.0 Windows 系统安装 3.1 环境变量设置环境变量支持手动设置和自动设置手动设置把 DFace SDK 目录下的 lib 目录和 3rdparty/bins 目录添加到 PATH 环境变量电脑 -> 属性 -> 高级系统设置 -> 环境变量 ->Path( 编辑并添加 dface_sdk 库目录 ) 12

13 13

14 3.1.2 自动设置双击运行 setup.bat 即可 3.2 设备激活双击 tools 目录下的 licencemanager.exe 激活工具, 按照提示在线激活即可 3.3 demo 运行根目录下提供了一个带 UI 界面的测试程序, 双击 demo 即可运行 14

15 3.4 工具包使用 DFace SDK 在 tools 目录下提供了 6 个工具可以快速在目标机器展开人脸识别类测试使用 --help 参数可以查看具体使用说明 testdetectimage.exe ( 人脸检测图片工具 ) Usage: testdetectimage.exe [model_path] [num_threads] [min_facesize] [img_path] [img_path]: 图片路径 testdetectcamera.exe ( 人脸检测摄像头工具 ) Usage: testdetectcamera.exe [model_path] [num_threads] [min_facesize] [video_width] [video_height] [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testdetectvideo.exe ( 人脸检测视频工具 ) Usage: testdetectvideo.exe [model_path] [num_threads] [min_facesize] [video_path] [video_path]: 视频路径 testrecognize.exe ( 人脸识别工具 ) Usage: testrecognize.exe [model_path] [num_threads] [min_facesize] [accuracy_mode] [img1 _path] [img2_path] [accuracy_mode]: 精度模式 0: 普通精度 1: 高精度 ( 速度稍慢 ) 2: 实时模式 ( 精度稍低 ) [img1_path]: 图片 1 路径 [img2_path]: 图片 2 路径 testmassivecompare.exe ( 大规模 1:N 比对工具 ) Usage: testmassivecompare.exe [model_path] [num_threads] [accuracy_mode] [size] 15

16 [accuracy_mode]: 精度模式 0: 普通精度 1: 高精度 ( 速度稍慢 ) 2: 实时模式 ( 精度稍低 ) [size]: 1:N 规模,N 值 testposeimage ( 人脸 68 关键点和 3D 姿态角估计工具 ) Usage: testposeimage.exe [model_path] [num_threads] [min_facesize] [img_path] [img_path]: 图片路径 testinfrared ( 测试红外活体检测 ) Usage: testinfrared.exe [model_path] [img_path] [img_path]: 图片路径 testrgbanticamera.exe( 测试单目活体检测 ) Usage: tesrgbanticamera [model_path] [pat_threshold] [pat_count] [video_width] [video_h eight] [pat_threshold]: pat 阈值 (0.8~0.95) [pat_count]: pat 数量 (4~10) [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testtrackcamera.exe ( 人脸跟踪摄像头工具 ) Usage: testtrackcamera [model_path] [max_age] [video_width] [video_height] [max_age]: 被跟踪物体的最大过期次数 [video_width]: 摄像头分辨率宽 [video_height]: 摄像头分辨率高 testdatabase.exe ( 人脸数据库测试工具 ) Usage: testdatabase testcomparedatabase.exe ( 人脸库特征比对测试工具 ) Usage: testtrackcamera [model_path] 16

$我们直接提供了 visual studio 2015 的测试工程 (dface_sdk\example\cpp\demo_ vs2015), 用户打开工程即可 2.$

17 3.5 测试源码编译工具描述编译器 Cl(V140) 版本号 V140 以上, 需要支持 c++11 标准构建工具 Visual studio 2015 以上版本 Ide Visual studio 2015 以上版本标准库链接器 1. 我们直接提供了 visual studio 2015 的测试工程 (dface_sdk\example\cpp\demo_ vs2015), 用户打开工程即可 2. ( 非必须 ) 打开 visual studio 项目属性,VC++ 目录 -> 包含目录 -> 编辑添加 DFace SDK 目录下的 include 目录和 3rdparty\OpenCV\include 目录 17

$3rdparty\OpenCV\x64\vc14\lib 目录添加到库目录 4.$

18 3. ( 非必须 ) 打开 visual studio 项目属性,VC++ 目录 -> 库目录 -> 编辑把 Dface SDK 目录下的 3rdparty\OpenCV\x64\vc14\lib 目录添加到库目录 4. ( 非必须 ) 打开 visual studio 项目属性, 连接器 -> 输入 -> 附加依赖项 -> 编辑添加 opencv_world310.lib 18

19 4.0 Android 系统安装 4.1 环境变量设置 DFace SDK 安卓版本是静态库生成的, 无需设置复杂的环境变量 4.2 设备激活安卓设备安装我们的 dface_demo.apk, app 会自动弹出激活对话框, 按照提示激活即可 4.3 工具包使用请安装我们的 APK, 查看演示 4.4 编译测试工具描述编译器 Clang, 最好选择 3.3 以上的版本, 支持 c++11 标准构建工具 cmake 3.6 以上版本 Ide Android studio/visual studio 标准库 libc++(clang 的标准库 ) 链接器 LLVM, 最好选择 3.3 以上的版本, 支持 c++11 标准 NDK 我们的 NDK 选用 r16b 的版本 1. 我们在 example/android_studio 目录下直接提供了 Android Studio 的 Demo 工程项目并且在 example/apk 目录下提供了测试安装包 19

2. 把 dface_sdk 目录下的 lib/libdfacepro.so 库文件拷贝到 Android studio 项目的 jnilibs 目录下, 例如 64 位 sdk 放在 jnilibs/arm64-v8a, 32 位 sdk 放在 jnilibs/armeabi-v7a 等 3. 导入 Jar 包, 把 dface_sdk 目录下的 android/jar/dface.

20 2. 把 dface_sdk 目录下的 lib/libdfacepro.so 库文件拷贝到 Android studio 项目的 jnilibs 目录下, 例如 64 位 sdk 放在 jnilibs/arm64-v8a, 32 位 sdk 放在 jnilibs/armeabi-v7a 等 3. 导入 Jar 包, 把 dface_sdk 目录下的 android/jar/dface.jar 导入 android studio 也可以将 dface_sdk 目录下的 example/java/src/main/java 源码拷贝到自己的项目中 4. 把 dface_sdk 目录下的 model/normal_binary 目录拷贝至 android studio 目录下的 assets 目录运行时请自行将该 assets 目录下的模型目录拷贝至设备的 SD 内存卡中后续的通道初始化过程依赖于该模型目录 20

21 5. 调用 SDK 之前需要动态加载 libdfacepro.so libdfacedb.so 库文件例如 : static { System.loadLibrary("dfacepro"); System.loadLibrary("dfacedb"); } 6. 具体调用 SDK 请参考开发文档, dface_sdk/doc 目录 21

22 5.0 ROS 系统安装持续更新中 22

Microsoft Word - 在VMWare-5.5+RedHat-9下建立本机QTopia-2.1.1虚拟平台a.doc

Microsoft Word - 在VMWare-5.5+RedHat-9下建立本机QTopia-2.1.1虚拟平台a.doc 在 VMWare-5.5+RedHat-9 下建立本机 QTopia-2.1.1 虚拟平台张大海 2008-5-9 一资源下载 1. 需要以下安装包 : tmake-1.13.tar.gz qtopia-free-source-2.1.1.tar.gz qt-embedded-2.3.10-free.tar.gz qt-x11-2.3.2.tar.gz qt-x11-free-3.3.4.tar.gz