带你玩转OpenHarmony AI：基于Seetaface2的人脸识别

简介

随着时代的进步，全民刷脸已经成为一种新型的生活方式，这也是全球科技进步的又一阶梯，人脸识别技术已经成为一种大趋势，无论在智慧出行、智能家居、智慧办公等场景均有较广泛的应用场景，本文介绍了基于SeetaFace2人脸识别引擎在OpenAtom OpenHarmony（以下简称“OpenHarmony”）上实现人脸识别的AI能力。

什么是SeetaFace2

SeetaFace2是由中科视拓(北京)科技有限公司开发并使用BSD开源协议开源出来的一款人脸识别引擎库，其搭建了一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块FaceDetector、面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块FaceRecognizer。除了三个核心模块外，它还提供了两个辅助模块FaceTracker和QualityAssessor用于人脸跟踪和质量评估。下图是SeetaFace2人脸识别算法组件：

SeetaFace2能做什么

SeetaFace2采用标准C++开发，全部模块均不依赖任何第三方库，支持x86架构（Windows、Linux）和ARM架构，可以轻松地移植到OpenHarmony上。SeetaFace2支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。如下图展示了SeetaFace2支持的应用矩阵：

SeetaFace2人脸识别原理

SeetaFace2人脸识别引擎搭建了一套全自动人脸识别系统所需的三个核心模块:

1. 人脸检测(FaceDetector)

在图像中首先定位出人脸的位置，然后裁剪(crop)出包含人脸位置的矩形框，一般还会进行填充、缩放到指定尺寸，还可能会对人脸图像进行标准化normalize；

2. 面部关键点定位(FaceLandmarker)

提取人脸关键点坐标，然后使用放射变化或相似变换等进行人脸对齐变换。面部关键点定位的目标就是把所有的人脸图片统一到一个固定的正脸姿态大小，从而提高模型对人脸姿态变化的鲁棒性。

3. 人脸特征提取与比对模块(FaceRecognizer)

主要使用深度学习等方法提取人脸的特征，然后通过特征对比，计算人脸的相似度。

SeetaFace2人脸识别的具体过程如下图所