SeetaFace6人脸检测C++代码实现Demo

SeetaFace6包含人脸识别的基本能力：人脸检测、关键点定位、人脸识别，同时增加了活体检测、质量评估、年龄性别估计，并且顺应实际应用需求，开放口罩检测以及口罩佩戴场景下的人脸识别模型。

官网地址：https://github.com/SeetaFace6Open/index

1. 人脸检测

人脸检测,就是输入待检测的图片，输出检测到的每个人脸位置，用矩形表示。

人脸检测器seeta::FaceDetector 的主要接口

namespace seeta {
    class FaceDetector {
        FaceDetector(const SeetaModelSetting &setting);
        SeetaFaceInfoArray detect(const SeetaImageData &image) const;
        void set(Property property, double value);
        double get(Property property) const;
    }
}

构造一个检测器的函数参考如下：

#include <seeta/FaceDetector.h>
seeta::FaceDetector *new_fd() {
    seeta::ModelSetting setting;
    setting.append("face_detector.csta");
    return new seeta::FaceDetector(setting);
}

有了检测器，我们就可以对图片检测人脸，检测图片中所有人脸并打印坐标的函数参考如下：

#include <seeta/FaceDetector.h>
void detect(seeta::FaceDetector *fd, const SeetaImageData &image) {
    SeetaFaceInfoArray  infos = fd->detect(image);
    for (int i = 0; i<infos.size; i++)
    {
        SeetaRect& face = infos.data[i].pos;
        std::cout << "[" << face.x << ", " << face.y << ", "
                  << face.width << ", " << face.height << "]: "
                  << infos.data[i].score << std::endl;
    }
}

人脸检测器可以设置一些参数，通过set方法（set方法只对当次人脸检测器有效）。可以设置的属性有:

seeta::FaceDetector::PROPERTY_MIN_FACE_SIZE     最小人脸，默认值为20
seeta::FaceDetector::PROPERTY_THRESHOLD         检测器阈值，默认值为0.90
seeta::FaceDetector::PROPERTY_MAX_IMAGE_WIDTH   可检测的图像最大宽度，默认值为2000
seeta::FaceDetector::PROPERTY_MAX_IMAGE_HEIGHT  可检测的图像最大高度，默认值为2000
seeta::FaceDetector::PROPERTY_NUMBER_THREADS    人脸检测器计算线程数，默认为4

最小人脸是人脸检测器常用的一个概念，默认值为20，单位像素。它表示了在一个输入图片上可以检测到的最小人脸尺度，注意这个尺度并非严格的像素值，例如设置最小人脸80，检测到了宽度为75的人脸是正常的，这个值是给出检测能力的下限。

最小人脸和检测器性能息息相关。主要方面是速度，使用建议上，我们建议在应用范围内，这个值设定的越大越好。SeetaFace采用的是BindingBox Regresion的方式训练的检测器。如果最小人脸参数设置为80的话，从检测能力上，可以将原图缩小的原来的1/4，这样从计算复杂度上，能够比最小人脸设置为20时，提速到16倍。

检测器阈值默认值是0.9，合理范围为[0, 1]。这个值一般不进行调整，除了用来处理一些极端情况。这个值设置的越小，漏检的概率越小，同时误检的概率会提高；

可检测的图像最大宽度和可检测的图像最大高度是相关的设置，默认值都是2000。最大高度和宽度，是算法实际检测的高度。检测器是支持动态输入的，但是输入图像越大，计算所使用的内存越大、计算时间越长。如果不加以限制，一个超高分辨率的图片会轻易的把内存撑爆。这里的限制就是，当输入图片的宽或者高超过限度之后，会自动将图片缩小到限制的分辨率之内。

2. 关键点定位

关键点定位，就是输入待检测的图片，和待检测的人脸位置，输出N个关键点的坐标（图片内）。

这里需要强调说明一下，这里的关键点是指人脸上的关键位置的坐标，在一些表述中也将关键点称之为特征点，但是这个和人脸识别中提取的特征概念没有任何相关性。并不存在结论，关键点定位越多，人脸识别精度越高。

一般的关键点定位和其他的基于人脸的分析是基于5点定位的。而且算法流程确定下来之后，只能使用5点定位。5点定位是后续算法的先验，并不能直接替换。从经验上来说，5点定位已经足够处理人脸识别或其他相关分析的精度需求，单纯增加关键点个数，只是增加方法的复杂度，并不对最终结果产生直接影响。

SeetaFace6提供了2个关键点检测模型：

face_landmarker_pts5.csta：5个关键点检测模型，这里检测到的5点坐标循序依次为，左眼中心、右眼中心、鼻尖、左嘴角和右嘴角。注意这里的左右是基于图片内容的左右，并不是图片中人的左右，即左眼中心就是图片中左边的眼睛的中心。

face_landmarker_pts68.csta：68个关键点检测模型，其坐标位置可以通过逐个打印出来进行区分。

构造关键点定位器：

#include <seeta/FaceLandmarker.h>
seeta::FaceLandmarker *new_fl() {
    seeta::ModelSetting setting;
    setting.append("face_landmarker_pts5.csta");
    return new seeta::FaceLandmarker(setting);
}

根据人脸检测关键点，并将坐标打印出来的代码如下：

#include <seeta/FaceLandmarker.h>
void mark(seeta::FaceLandmarker *fl, const SeetaImageData &image, const SeetaRect &face) {
    std::vector<SeetaPointF> points = fl->mark(image, face);
    for (auto &point : points) {
        std::cout << "[" << point.x << ", " << point.y << "]" << std::endl;
    }
}