《DNK210使用指南 -CanMV版 V1.0》第四十三章 人脸属性分析实验

正点原子运营

第四十三章 人脸属性分析实验

1）实验平台：正点原子DNK210开发板

2）章节摘自【正点原子】DNK210使用指南 - CanMV版 V1.0

3）购买链接：https://detail.tmall.com/item.htm?&id=782801398750

4）全套实验源码+手册+视频下载地址：http://www.openedv.com/docs/boards/k210/ATK-DNK210.html

5）正点原子官方B站：https://space.bilibili.com/394620890

6）正点原子K210技术交流企鹅群:605557868

在上一章节中，介绍了利用maix.KPU模块实现了人脸口罩佩戴检测，本章将继续介绍利用maix.KPU模块实现的人脸属性分析。通过本章的学习，读者将学习到人脸属性分析应用在CanMV上的实现。

本章分为如下几个小节：

43.1 maix.KPU模块介绍

43.2 硬件设计

43.3 程序设计

43.4 运行验证

43.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第39.1小节《maix.KPU模块介绍》。

43.2 硬件设计

43.2.1 例程功能

1. 获取摄像头输出的图像，并送入KPU进行人脸检测，接着对检测到的人脸分别进行人脸五关键点检测和属性分析，最后将所有的检测结果和原始图像一同在LCD上进行显示。

43.2.2 硬件资源

本章实验内容，主要讲解maix.KPU模块的使用，无需关注硬件资源。

43.2.3 原理图

本章实验内容，主要讲解maix.KPU模块的使用，无需关注原理图。

43.3 程序设计

43.3.1 maix.KPU模块介绍

有关maix.KPU模块的介绍，请见第43.1小节《maix.KPU模块介绍》。

43.3.2 程序流程图                              

图43.3.2.1 人脸属性分析实验流程图

43.3.3 main.py代码

main.py中的脚本代码如下所示：

1. import lcd
   
2. import sensor
   
3. import gc
   
4. from maix import KPU
   
5. lcd.init()
   
6. sensor.reset()
   
7. sensor.set_framesize(sensor.QVGA)
   
8. sensor.set_pixformat(sensor.RGB565)
   
9. sensor.set_hmirror(False)
   
10. anchor = (0.1075, 0.126875, 0.126875, 0.175, 0.1465625, 0.2246875, 0.1953125, 0.25375, 0.2440625, 0.351875, 0.341875, 0.4721875, 0.5078125, 0.6696875, 0.8984375, 1.099687, 2.129062, 2.425937)
    
11. names = ['face']
    
12. # 构造并初始化人脸检测KPU对象
    
13. face_detecter = KPU()
    
14. face_detecter.load_kmodel("/sd/KPU/face_detect_320x240.kmodel")
    
15. face_detecter.init_yolo2(anchor, anchor_num=len(anchor) // 2, img_w=320, img_h=240, net_w=320, net_h=240, layer_w=10, layer_h=8, threshold=0.5, nms_value=0.2, classes=len(names))
    
16. # 构造并初始化人脸五关键点检测KPU对象
    
17. ld5_kpu = KPU()
    
18. ld5_kpu.load_kmodel("/sd/KPU/ld5.kmodel")
    
19. pos_face_attr = ["Male ", "MouthOpen ", "Smiling ", "Glasses"]
    
20. neg_face_attr = ["Female ", "MouthClosed", "No Smile", "NoGlasses"]
    
21. # 构造并初始化人脸属性分析KPU对象
    
22. fac_kpu = KPU()
    
23. fac_kpu.load_kmodel("/sd/KPU/fac.kmodel")
    
24. # 按指定比例扩展矩形框
    
25. def extend_box(x, y, w, h, scale):
    
26.     x1 = int(x - scale * w)
    
27.     x2 = int(x + w - 1 + scale * w)
    
28.     y1 = int(y - scale * h)
    
29.     y2 = int(y + h - 1 + scale * h)
    
30.     x1 = x1 if x1 > 0 else 0
    
31.     x2 = x2 if x2 < (320 - 1) else (320 - 1)
    
32.     y1 = y1 if y1 > 0 else 0
    
33.     y2 = y2 if y2 < (240 - 1) else (240 - 1)
    
34.     return x1, y1, x2 - x1 + 1, y2 - y1 + 1
    
35. while True:
    
36.     img= sensor.snapshot()
    
37.    face_detecter.run_with_output(img)
    
38.    faces = face_detecter.regionlayer_yolo2()
    
39.     for face in faces:
    
40.        # 框出人脸位置
    
41.        x, y, w, h = extend_box(face[0], face[1], face[2], face[3], 0.08)
    
42.        img.draw_rectangle(x, y, w, h, color=(0, 255, 0))
    
43.        # 计算人脸五关键点
    
44.        face_img = img.cut(x, y, w, h)
    
45.        resize_img = face_img.resize(128, 128)
    
46.        resize_img.pix_to_ai()
    
47.        output = ld5_kpu.run_with_output(resize_img, getlist=True)
    
48.        for i in range(len(output) // 2):
    
49.            point_x = int(KPU.sigmoid(output[2 * i]) * w + x)
    
50.            point_y = int(KPU.sigmoid(output[2 * i + 1]) * h + y)
    
51.            img.draw_cross(point_x, point_y, size=5, color=(0, 0, 255))
    
52.        # 计算人脸属性
    
53.        output = fac_kpu.run_with_output(resize_img, getlist=True)
    
54.        for i in range(len(output)):
    
55.            if KPU.sigmoid(output) > 0.5:
    
56.                 img.draw_string(x + w + 2, y + i * 16 + 2, "%s" % (pos_face_attr), color=(255, 0, 0), scale=1.5)
    
57.            else:
    
58.                 img.draw_string(x + w + 2, y + i * 16 + 2, "%s" % (neg_face_attr), color=(0, 0, 255), scale=1.5)
    
59.        del face_img
    
60.        del resize_img
    
61.     lcd.display(img)
    
62.     gc.collect()

复制代码

可以看到一开始是先初始化了LCD和摄像头，并分别构造并初始化了用于人脸检测、人脸五关键点、人脸属性分析的KPU对象。

然后便是在一个循环中不断地获取摄像头输出的图像，首先将图像进行人脸检测，检测图像中存在的人脸，接着对人脸图像进行五关键点检测，分析出人脸五关键点的位置，接着是对人脸图像进行属性分析，分析人脸的性别、嘴巴开合、是否微笑、是否佩戴眼镜等属性，最后将以上所有的分析检测结果在图像上进行绘制，然后在LCD上显示图像。

43.4 运行验证

将DNK210开发板连接CanMV IDE，点击CanMV IDE上的“开始(运行脚本)”按钮后，将摄像头对准人脸，让其采集到人脸图像，随后便能在LCD上看到摄像头输出的图像，同时能看到图像上标注了人脸位置、人脸五关键点位置、人脸属性等信息，如下图所示：     

图43.4.1 LCD显示人脸属性分析实验结果