SeetaFaceEngine系列3：Face Identification编译和使用

前面两篇介绍了怎样编译SeetaFace的前两部分，现在就来讲下第三部分Face Identification的编译和使用。

其实，步骤基本上是一直的，如下：

1、新建一个空的DLL工程；

2、修改配置器；

3、添加include

4、添加lib文件路径和依赖项

5、修改预处理器

6、打开OpenMP

7、添加源文件到工程中

这里，将FaceIdentification\src文件夹下的所有文件(test除外)添加到工程中：

8、编译工程得到lib文件和dll文件(Release的步骤也是一样的)

9、使用Face Identification进行人脸匹配

FaceIdentification\src\test文件夹下有两个测试文件test_face_recognizer.cpp和test_face_verification.cpp，其中test_face_recognizer.cpp是测试各项功能的，包括人脸剪切、特征提取和匹配，后者是直接输入两幅图，计算匹配度，这里我测试了第二个的功能。

代码如下：

int testFaceRecognizer(std::string src_Path1, std::string src_Path2)    
{
	seeta::FaceDetection detector("D:/SeetaFaceEngine/include_lib/model/FaceDetection/seeta_fd_frontal_v1.0.bin");
	detector.SetMinFaceSize(40);
	detector.SetScoreThresh(2.f);
	detector.SetImagePyramidScaleFactor(0.8f);
	detector.SetWindowStep(4, 4);

	// Initialize face alignment model 
	seeta::FaceAlignment point_detector("D:/SeetaFaceEngine/include_lib/model/FaceAlignment/seeta_fa_v1.1.bin");

	// Initialize face Identification model 
	seeta::FaceIdentification face_recognizer((MODEL_DIR + "seeta_fr_v1.0.bin").c_str());
	std::string test_dir = DATA_DIR + "test_face_recognizer/";

	//load image
	cv::Mat gallery_img_color = cv::imread(src_Path1, 1);
	cv::Mat gallery_img_gray;
	cv::cvtColor(gallery_img_color, gallery_img_gray, CV_BGR2GRAY);

	cv::Mat probe_img_color = cv::imread(src_Path2, 1);
	cv::Mat probe_img_gray;
	cv::cvtColor(probe_img_color, probe_img_gray, CV_BGR2GRAY);

	seeta::ImageData gallery_img_data_color(gallery_img_color.cols, gallery_img_color.rows, gallery_img_color.channels());
	gallery_img_data_color.data = gallery_img_color.data;

	seeta::ImageData gallery_img_data_gray(gallery_img_gray.cols, gallery_img_gray.rows, gallery_img_gray.channels());
	gallery_img_data_gray.data = gallery_img_gray.data;

	seeta::ImageData probe_img_data_color(probe_img_color.cols, probe_img_color.rows, probe_img_color.channels());
	probe_img_data_color.data = probe_img_color.data;

	seeta::ImageData probe_img_data_gray(probe_img_gray.cols, probe_img_gray.rows, probe_img_gray.channels());
	probe_img_data_gray.data = probe_img_gray.data;

	// Detect faces
	std::vector<seeta::FaceInfo> gallery_faces = detector.Detect(gallery_img_data_gray);
	int32_t gallery_face_num = static_cast<int32_t>(gallery_faces.size());

	std::vector<seeta::FaceInfo> probe_faces = detector.Detect(probe_img_data_gray);
	int32_t probe_face_num = static_cast<int32_t>(probe_faces.size());

	if (gallery_face_num == 0 || probe_face_num == 0)
	{
	    std::cout << "Faces are not detected.";
	    return 0;
	}

	// Detect 5 facial landmarks
	seeta::FacialLandmark gallery_points[5];
	point_detector.PointDetectLandmarks(gallery_img_data_gray, gallery_faces[0], gallery_points);

	seeta::FacialLandmark probe_points[5];
	point_detector.PointDetectLandmarks(probe_img_data_gray, probe_faces[0], probe_points);

	for (int i = 0; i < 5; i++)
	{
		cv::circle(gallery_img_color, cv::Point(gallery_points[i].x, gallery_points[i].y), 2,CV_RGB(0, 255, 0));
		cv::circle(probe_img_color, cv::Point(probe_points[i].x, probe_points[i].y), 2, CV_RGB(0, 255, 0));
	}
	cv::imshow("gallery_point_result.jpg", gallery_img_color);
	cv::imshow("probe_point_result.jpg", probe_img_color);

	// Extract face identity feature
	float gallery_fea[2048];
	float probe_fea[2048];
	face_recognizer.ExtractFeatureWithCrop(gallery_img_data_color, gallery_points, gallery_fea);
	face_recognizer.ExtractFeatureWithCrop(probe_img_data_color, probe_points, probe_fea);

	// Caculate similarity of two faces
	float sim = face_recognizer.CalcSimilarity(gallery_fea, probe_fea);
	std::cout << sim << std::endl;
	cv::waitKey(0);
}

匹配的结果如下：

两幅人脸的相似度是0.6850。

OK，至此，SeetaFace的三个功能基本就介绍完了。那人脸检测和识别的库有很多很多很多很多...很多，然后我之所以要用下这个，原因也很简单，其他开源库要依赖的东西稍微多一些，这个库相对就少，唯一一个依赖的也是OpenCV，配置真的也挺简单的，速度也勉强可以接受，所以如果不是要求多高的话，还是可以用这个库玩一下的。

你可以重复着初恋 

却不能重复热情  

你可以重复那些后悔

却重复不了 最爱  

  --旖旎 《永远的夏娃·断章》