# 人脸识别 [[English]](./README.md)
本项目为人脸识别接口的示例。人脸识别接口的输入图片为一张带有人脸的静态图片,输出是录入人脸、识别人脸、删除人脸等接口功能的运行结果,显示在终端中。
该接口提供了 16 位量化与 8 位量化两个版本的模型。16 位量化的模型相比于 8 位量化的模型,精度更高,但是占用内存更多,运行速度也更慢。您可以根据实际使用场景挑选合适的模型。
项目所在文件夹结构如下:
```shell
face_recognition/
├── CMakeLists.txt
├── image.jpg
├── main
│ ├── app_main.cpp
│ ├── CMakeLists.txt
│ └── image.hpp
├── partitions.csv
└── README.md
└── README_cn.md
```
## 运行示例
1. 打开终端,进入人脸检测示例所在文件夹 esp-dl/examples/face_recognition
```shell
cd ~/esp-dl/examples/face_recognition
```
2. 设定目标芯片:
```shell
idf.py set-target [SoC]
```
将 [SoC] 替换为您的目标芯片,如 esp32、esp32s2、esp32s3。
由于 ESP32-S3 芯片在 AI 应用上的运行速度远快于其他芯片,我们更推荐您使用 ESP32-S3 芯片。
3. 烧录程序,运行 IDF 监视器获取各功能的运行结果:
```shell
idf.py flash monitor
... ...
E (1907) MFN: Flash is empty
enroll id ...
name: Sandra, id: 1
name: Jiong, id: 2
recognize face ...
[recognition result] id: 1, name: Sandra, similarity: 0.728666
[recognition result] id: 2, name: Jiong, similarity: 0.827225
recognizer information ...
recognizer threshold: 0.55
input shape: 112, 112, 3
face id information ...
number of enrolled ids: 2
id: 1, name: Sandra
id: 2, name: Jiong
delete id ...
number of remaining ids: 1
[recognition result] id: -1, name: unknown, similarity: 0.124767
enroll id ...
name: Jiong, id: 2
write 2 ids to flash.
recognize face ...
[recognition result] id: 1, name: Sandra, similarity: 0.758815
[recognition result] id: 2, name: Jiong, similarity: 0.722041
```
## 其他设置
1. [./main/app_main.cpp](./main/app_main.cpp) 开头处的宏定义 `QUANT_TYPE`,可定义模型的量化类型。
- `QUANT_TYPE` = 0:使用 8 位量化模型,识别精度低于 16 位模型,但速度更快,内存占用更少。
- `QUANT_TYPE` = 1:使用 16 位量化模型,识别精度与浮点模型一致。
您可根据实际使用场景挑选合适的模型。
2. [./main/app_main.cpp](./main/app_main.cpp) 开头处的宏定义 `USE_FACE_DETECTOR`,可定义人脸关键点 (landmark) 坐标的获得方式。
- `USE_FACE_DETECTOR` = 0:使用存放在 ./image.hpp 中的关键点坐标。
- `USE_FACE_DETECTOR` = 1:使用人脸检测模型获得关键点坐标。
请注意关键点坐标顺序为:
```
left_eye_x, left_eye_y,
mouth_left_x, mouth_left_y,
nose_x, nose_y,
right_eye_x, right_eye_y,
mouth_right_x, mouth_right_y
```
## 延时情况
| SoC | 8 位 | 16 位 |
| :------: | --------: | -------: |
| ESP32 | 13,301 ms | 5,041 ms |
| ESP32-S3 | 287 ms | 554 ms |
To create a project from this example, run:
idf.py create-project-from-example "espressif/esp-dl=1.1.0:face_recognition"