nniefacelib 开源项目使用教程

1. 项目介绍

nniefacelib 是一个在海思35xx系列芯片上运行的人脸算法库。该项目目前集成了 mobilefacenet 和 retinaface 算法，并且计划在未来融合更多经典模型。其主要目的是总结经验，帮助更多人快速上手并应用人脸识别技术。

2. 项目快速启动

2.1 环境准备

确保你已经安装了以下工具和依赖：

• Git
• 海思35xx系列芯片的开发环境

2.2 克隆项目

首先，克隆 nniefacelib 项目到本地：

git clone https://github.com/hanson-young/nniefacelib.git
cd nniefacelib

2.3 编译项目

根据你的需求，可以选择编译成动态链接库或可执行文件。

2.3.1 编译成动态链接库

make -f Makefile.Shared

2.3.2 编译成可执行文件

make -f Makefile.Debug

2.4 运行测试

编译完成后，可以运行以下命令进行测试：

# 人脸检测
./nnie_face_test 0

# 人脸识别特征提取
./nnie_face_test 1

# PFPLD人脸姿态估计以及98关键点
./nnie_face_test 2

3. 应用案例和最佳实践

3.1 人脸检测

在安防监控系统中，人脸检测是一个常见的应用场景。通过 nniefacelib 提供的 retinaface 算法，可以快速检测出视频流中的人脸，并进行后续处理。

3.2 人脸识别

在门禁系统中，人脸识别技术可以用于身份验证。通过 nniefacelib 提供的 mobilefacenet 算法，可以提取人脸特征并进行比对，从而实现高精度的身份识别。

3.3 人脸姿态估计

在一些需要精确控制的应用中，如机器人视觉系统，人脸姿态估计可以帮助机器人更好地理解人类的动作和意图。通过 nniefacelib 提供的 PFPLD 算法，可以实现高精度的人脸姿态估计。

4. 典型生态项目

4.1 海思NNIE开发工具

nniefacelib 依赖于海思NNIE开发工具，该工具提供了在海思芯片上进行AI模型部署和优化的功能。

4.2 OpenCV

在图像处理和预处理阶段，OpenCV 是一个常用的开源库。nniefacelib 可以与 OpenCV 结合使用，进一步提升图像处理的效果。

4.3 TensorFlow Lite

虽然 nniefacelib 主要针对海思芯片进行优化，但在模型转换和训练阶段，TensorFlow Lite 可以作为一个辅助工具，帮助开发者更好地理解和优化模型。

通过以上步骤，你可以快速上手并应用 nniefacelib 项目，实现高效的人脸识别和检测功能。