这是一个对seetaface6项目的一个go语言的封装，方便go语言调用这个优秀的人脸识别库
目前仅在ubuntu20.04系统上编译了seetaface6，windows平台的dll还要等一等
修改代码中对动态链接库的引用方式，完全使用环境变量读取路径
开发环境需要同时设置CGO_LDFLAGS和LD_LIBRARY_PATH两个系统变量
部署环境只需要设置LD_LIBRARY_PATH系统变量
环境要求
ubuntu 20.04\ubuntu 18.04
go >= 1.17
CPU指令集 性能 AVX2+FMA 高 AVX2 中 SSE2 低 CPU最低要求需要支持SSE2指令集，否则将无法运行
- 下载模型和动态链接库
- 配置动态链接库的环境变量，将lib下面相应系统动态连接库文件夹路径配置到"LD_LIBRARY_PATH"和"CGO_LDFLAGS"中
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:路径
export CGO_LDFLAGS="-L路径"
注意: 开发时需要CGO_LDFLAGS和LD_LIBRARY_PATH变量都存在
生产环境中只需要LD_LIBRARY_PATH变量
sudo apt update && sudo apt install cmake g++ gcc -ygo get github.com/jyk1987/sf6go
在使用前需要先加载模型目录，模型目录只需要加载一次
sf6go.InitModelPath("模型存放的目录")
seetaface6使用的是BGR色彩空间数据，我们通常情况下用到的数据都是RGB色彩空间，所以图像（图片）数据是需要先进行转换才能够传递给seetaface6进行使用的 我再sf6go中已经实现了几种常用的转换方法
// 通过图片文件创建SeetaImageData
sf6go.NewSeetaImageDataFromFile("image path")
// 通过Image创建SeetaImageData
sf6go.NewSeetaImageDataFromImage(img)
// 通过base64字符串创建SeetaImageData
sf6go.NewSeetaImageDataFromBase64("base64 string")
/**
如果使用opencv(govc)获取图像数据，不能直接转换成SeetaImageData
需要先创建一个SeetaImageData然后再通过设置数据的方式来使用
这是为了让sf6go不依赖gocv方便服务器端部署使用
**/
// 创建SeetaImageData, channels一般情况下都是3（彩色数据）
imageData := sf6go.NewSeetaImageData(width,height,channels)
imageData.SetUint8(mat.ToBytes()) // mat 为 gocv.Mat
// 人脸检测器
fd := sf6go.NewFaceDetector()
defer fd.Close()
postions := fd.Detect(imageData)// postions为图像中所检测到的人脸的位置和大小信息
for i := 0; i < len(postions); i++ {
postion := postions[i].Postion
log.Println(postion)
}
func (s *FaceDetector) Detect(img *SeetaImageData) []*SeetaFaceInfo
返回数据SeetaFaceInfo结构：
type SeetaFaceInfo struct {
Postion *SeetaRect // 人脸位置信息
Score float32 // 结果置信度
}
使用5点信息模型,5点模型定位的特征是后续操作的必要数据
用于后续的人脸对其裁剪+特征提取操作等多种操作
不能使用其他模型进行定位
可选用的模型:
- 5点模型sf6go.ModelType_light，用于后续的前置必要数据
- 5点遮挡信息模型sf6go.ModelType_mask，包含5个特征点（左眉心、右眉心、鼻尖、左嘴角、右嘴角）的遮挡信息，进用于遮挡判断，不能用于后续
fl := sf6go.NewFaceLandmarker(sf6go.ModelType_light)
defer fl.Close()
// 定位5点特征
pointInfo := fl.Mark(imageData, postion)
log.Println(pointInfo)
func (s *FaceLandmarker) Mark(img *SeetaImageData, postion *SeetaRect) *SeetaPointInfo
返回数据SeetaPointInfo结构：
// SeetaPointInfo 人脸特征点信息
type SeetaPointInfo struct {
PointCount int // 特征点数
Points []C.struct_SeetaPointF // 特征点坐标
Masks []int // 特征点这档信息，需要使用sf6go.ModelType_mask模型
}
特征提取使用的特征定位信息必须是sf6go.ModelType_light模型提取的，参看"人脸特征点定位"章节 特征提取可用模型:
68点高精度特征模型 sf6go.ModelType_default，用于需要高精度特征的场景
5点轻量特征模型 sf6go.ModelType_light，用于大部分的通用场景
5点口罩特征模型 sf6go.ModelType_mask，用于对佩戴口罩人脸进行特征提取
注意: 通常情况5点特征就够用了，68点高精度特征并不一定就会比5点特征能提升巨大的准确度（seetaface6官方文档中是这样说的），同时68点特征进行定位和特征对比时时间都会比较长。如果需要在实时场景（基于视频的人脸识别系统）中使用68点特征，那将对开发者和硬件都提出很高的要求。
// 5点轻量特征提取器
fr := sf6go.NewFaceRecognizer(sf6go.ModelType_light)
defer fr.Close()
- 人脸裁剪对齐+特征提取，一气呵成
// 组合方法特征提取
success, features := fr.Extract(imageData, pointInfo)
- 人脸裁剪对齐+特征提取，拆分操作
// 裁剪并对齐人脸
face := fr.CropFaceV2(imageData, pointInfo)
// 通过裁剪的人脸获取特征
success, features := fr.ExtractCroppedFace(face)
特征提取方法返回的数据为：bool, []float32
第一个参数代表提取是否成功，第二个参数为特征数据
特征长度: 5点轻量模型和5点口罩模型提取的特征长度512，68点高精度模型提取的特征是1024长度
- 使用seetaface6远程的c++代码进行相似度计算
func (s *FaceRecognizer) CalculateSimilarity(features1, features2 []float32) float32
不推荐这样进行特征相似度对比，因为在大的底库中进行对比时，需要反复通过cgo中转调用调用C，然后再转到C++中，这个中转过程相对还是比较耗时的。大一些的底库会浪费很长时间。
- 直接使用go代码进行特征相似度计算，推荐
我在sf6go中没有加入这个代码,下面是对比代码
// CompareFeatures 对比特征相似度
func CompareFeatures(features1 []float32, features2 []float32) float32 {
var sum float32 = 0.0
fcount := len(features1)
for i := 0; i < fcount; i++ {
sum += features1[i] * features2[i]
}
return sum
}
相似度阈值:
模型 特征长度 一般阈值 sf6go.ModelType_default 1024 0.62 sf6go.ModelType_light 512 0.55 sf6go.ModelType_mask 512 0.48
详细查看 ./cmd/main.go
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent