首页

人脸识别项目

更新-260317 | 发布-260316

从一个想法到实现的过程，供参考。

想法

想做一个人脸识别项目，识别摄像头拍到的人脸是张三还是李四。项目做出来后可用于：

• 刷脸开门：待项目逐步成熟后，替代当前部分房间的密码开门、钥匙开门。能力要持平商业产品，价格要有竞争力。
• 刷脸打卡：会议等签到可使用刷脸来打卡。
• ……（更多用途待畅想）

思考如何实现

真的能做到刷脸开门、刷脸打卡等，肯定还有很多功能要做的。比如要接喇叭说：你好！张三。核心功能还是：有个人脸库（存放若干人脸照片），和待识别图片比对，从而识别出是张三李四。

当前约定在华为开发板¹ 上实现。可能当前阶段还用不到 vibe coding 相关工具比如 Claude Code。先问问 deepseek 和 豆包，比如：

人脸识别系统

1、基于昇腾 200I DK A2 开发板。
2、请推荐人脸识别模型，小型、轻量即可。
3、将模型转换成开发板要求的 om 模型，由我用 ATC 工具来做。
4、识别最多10张不同的脸。
5、用 Python 实现。
6、要使用开发板的 ACL 语言，以便使用开发板的 NPU 算力做推理

请给出样例代码。

AI 给了 3 个模型：

• SCRFD，人脸检测
• VanillaCNN，关键点对齐
• SphereFace，特征提取

在开发板上执行给的代码，也不大对。

继续和AI交流，比如用一个模型，……。AI推荐 MobileFaceNet。在上网搜索，得到一个开源项目：夜雨飘零/Pytorch-MobileFaceNet↗。

本地电脑体验

夜雨飘零/Pytorch-MobileFaceNet↗ 貌似可以直接运行。在 macOS 笔记本上启动 终端，新建空目录，在空目录中执行 git clone 下载源码：

mkdir ailab
cd ailab
git clone git@gitee.com:yeyupiaoling/Pytorch-MobileFaceNet.git

主要做了以下操作，就可在 macOS 笔记本上跑通：

• 激活笔记本上的 Python 虚拟环境，尝试运行，并安装缺少的 Python 包。

• 修改 GPU 相关为 CPU，因为 macOS 笔记本不带 GPU。和 AI 交流后得到的主要修改有：

  # self.device = torch.device("cuda")
  self.device = torch.device("cpu")
  ...
  # self.model = torch.jit.load(mobilefacenet_model_path)
  self.model = torch.jit.load(
    mobilefacenet_model_path, map_location=torch.device("cpu")
  )
  

  有多处类似地方，要做相应修改。

执行以下命令得到推理结果：

python3 infer.py --image_path=dataset/test.jpg

开源项目说明中 --image_path=temp/test.jpg，应改为 --image_path=dataset/test.jpg。

弹出的图片窗口，可按空格后关闭。

开发板体验

新建用户

在开发板上新建用户 gdv2，从零开始。该步骤可选，不是必须。

• 先在本地电脑的终端 App中执行以下命令登录开发板，初始密码是 Mind@123。

  ssh root@192.168.137.100
  

• 登录后在终端（虽然终端是在本地电脑上，但已远程登录开发板，可理解为在开发板上了）以 root 用户身份执行命令新建用户 gdv2。

  adduser --home /home/gdv2 --shell /bin/bash gdv2
  

  如不确定当前是否为 root 用户，可执行命令 whoami。如显示 root 则OK。如不是，可执行命令 su - root 切换到 root 用户，root 用户的初始默认密码是 Mind@123。

  新建用户的命令中， gdv2 是用户名，可以是其他取值，比如 zhangsan。则命令相应变为 adduser --home /home/zhangsan --shell /bin/bash zhangsan。执行 adduser --help 可获得帮助，尤其是记不住的命令行相关参数。

• 再执行如下命令将新建的 gdv2 用户加入 sudo 组，可允许 gdv2 用户执行某些要超级用户 root 才能执行的命令，比如 sudo apt install 某软件（安装某软件）。

  adduser gdv2 sudo
  

创建环境

以下均以新建用户 gdv2（或其他用户名） 运行。执行以下命令切换到 gdv2 用户：

su - gdv2

开发板上已安装 conda。用 conda 创建新的虚拟环境，用于体验人脸识别。新建的虚拟环境可少一些这样那样环境相关的问题，同时不干扰其他已正常运行的其他项目，建议要新建虚拟环境来体验人脸识别。

• 连外网。有多种方式：

  开发板先要连接外网。创建虚拟环境、安装 Python 包，都需要访问外网。

  可共享本地电脑的网络（可以上外网的）给开发板，详情可参考：通过PC共享网络联网（Windows）↗。亲测可行。如不大行就重新操作一次即可。

  还可以再插一根可以上外网的网线，到开发板的上下排列的2个网口的下面那个网口。按开发板默认镜像的设置，下面那个网口是 DHCP（自动分配网址）。插上网线后，可以在终端执行 ifconfig | grep 172（通常校园网的IP地址是 172.xxx.xxx.xxx），如果能看到 172 开头的 IP 地址，则表示连接成功啦。

• 新建虚拟环境。执行以下命令：

  conda create -n mface python=3.9
  

  mface 是虚拟环境的名字。可以是其他名字。

  和AI交流，建议创建 Python 3.9 环境。

• 激活虚拟环境。执行以下命令：

  conda activate mface
  

  mface 是刚创建的虚拟环境的名字。

  可执行 conda env list 查看有哪些 Python 虚拟环境。

  可能提示 conda shell 相关错误。按屏幕提示信息处理就好：先执行 conda init bash，再从本地电脑终端重新 ssh gdv2@192.168.137.100。

  激活后命令行提示符行首会出现(mface)字样，表示当前已在 mface 虚拟环境中。

• 安装必要的 Python 包。执行以下命令：

  pip3 install opencv-python torch torchvision scikit-image tqdm scikit-learn
  

  确保是在 mface 环境中（即行提示符行首有(mface)字样）安装这些 Python 包。

体验人脸识别

执行以下命令，下载源代码：

mkdir ailab # 新建目录，名称随意
cd ailab
git clone git@gitee.com:yeyupiaoling/Pytorch-MobileFaceNet.git

对源代码做修改：

• 修改 GPU 相关为 CPU，因为开发板没有 GPU（对应的是 NPU）。如何修改请参考 本地电脑体验。
• 和AI交流，将 infer.py 中最后的 predictor.draw_face(args.image_path, boxes, names) 改成写文件。因为 ssh 远程登录开发板无法如本地电脑体验那样显示结果图片窗口。

执行以下命令体验人脸识别：

python3 infer.py --image_path=dataset/test.jpg

可用本地电脑上的 MobaXterm（仅支持 Windows） 软件打开结果图片文件查看。或者使用 scp 命令将结果图片文件复制到本地电脑后查看。

还可以做以下操作体验更多：

• 在开源项目的目录 face_db 中新增一张图片，比如 张凌赫.jpg。
• 再找一张不同的张凌赫图片，放在开源项目的目录 dataset 中，比如 zhanglinghe.jpg。
• 执行命令 python3 infer.py --image_path=dataset/zhanglinghe.jpg 并查看识别结果。
• 再找更多照片，但这些照片的人不在 face_db 中，运行推理程序，查看识别结果（期望结果是 unknown）。

使用 NPU 推理

开发板体验 只是把开发板当做普通计算机使用。还要进一步用到开发板的 AI 算力（NPU），以加快推理（识别）速度。

可参考以下资料，对上述程序做修改，使用到开发板的 NPU 算力做推理：

• 昇腾样例代码↗。可参考 inference、python、cplusplus 等子目录中的样例。
• AscendCL应用开发入门↗
• AscendCL应用开发指南(Python)↗

1. 华为开发者套件简介 ↩

This site is open source. Improve this page.