c++人脸识别项目，满足工业界对于人脸识别系统的高标准需求！（二）
在第一个章节时，我们完成了基本功能的实现，同时也带来了问题就是添加的人脸没有永久保存的问题。今天我们讲解决这些问题。
思路分析
要完成这些功能我们首先要知道，我们要保存的是什么，是人脸特征
关于特征值的保存，faiss库中有专门的方法
void write_index(const Index* idx, const char* fname);
void write_index(const Index* idx, FILE* f);
void write_index(const Index* idx, IOWriter* writer);
void write_index_binary(const IndexBinary* idx, const char* fname);
void write_index_binary(const IndexBinary* idx, FILE* f);
void write_index_binary(const IndexBinary* idx, IOWriter* writer);还有读取方法
Index* read_index(const char* fname, int io_flags = 0);
Index* read_index(FILE* f, int io_flags = 0);
Index* read_index(IOReader* reader, int io_flags = 0);
IndexBinary* read_index_binary(const char* fname, int io_flags = 0);
IndexBinary* read_index_binary(FILE* f, int io_flags = 0);
IndexBinary* read_index_binary(IOReader* reader, int io_flags = 0);具体实现还是和之前一样，判断计算方法和是否使用GPU。
加载，导入创建文件函数创建
创建writeToFile函数写入index
void ANN::writeToFile() {
if(this->method==Cosine){
if(this->useGPU){
//faiss::Index* cpu_index;
faiss::IndexFlatIP cpu_index(this->kValue);
cpu_index.ntotal = this->cosineGPUIndex->ntotal;
this->cosineGPUIndex->copyTo(&cpu_index);
faiss::write_index(&cpu_index,this->indexFileName.c_str());
}else{
faiss::write_index(this->cosineIndex.get(),this->indexFileName.c_str());
}
}else{
if(this->useGPU){
faiss::IndexFlatL2 cpu_index(this->kValue);
cpu_index.ntotal = this->euclideanGPUIndex->ntotal;
this->euclideanGPUIndex->copyTo(&cpu_index);
faiss::write_index(&cpu_index,this->indexFileName.c_str());
}else{
faiss::write_index(this->euclideanIndex.get(),this->indexFileName.c_str());
}
}
} 根据 method 确定使用的是 Cosine 还是 Euclidean 方法。根据 useGPU 确定是否使用 GPU 索引。如果使用 GPU，先创建一个 CPU 索引对象，将 GPU 索引的数据复制到这个 CPU 索引对象，然后将 CPU 索引对象写入文件。如果不使用 GPU，直接将 CPU 索引对象写入文件。因为FAISS 库中的索引保存和加载功能（即 write_index 和 read_index）仅支持 CPU 索引对象，所以会有一步复制的操作。indexFileName是我们新建的一个成员变量，它会用来存储索引文件。
创建loadFromFile函数加载index
void ANN::loadFromFile() {
faiss::Index* loadedIndex = faiss::read_index(this->indexFileName.c_str());
if(this->method==Cosine){
faiss::IndexFlatIP* cosineTempIndex = dynamic_cast<faiss::IndexFlatIP*>(loadedIndex);
std::shared_ptr<faiss::IndexFlatIP> tempIndex(cosineTempIndex);
if(this->useGPU){
this->cosineGPUIndex->copyFrom(cosineTempIndex);
}else{
this->cosineIndex = tempIndex;
}
}else{
faiss::IndexFlatL2* euclideanTempIndex = dynamic_cast<faiss::IndexFlatL2*>(loadedIndex);
std::shared_ptr<faiss::IndexFlatL2> tempIndex(euclideanTempIndex);
if(this->useGPU){
this->euclideanGPUIndex->copyFrom(euclideanTempIndex);
}else{
this->euclideanIndex = tempIndex;
}
}
}有写入自然有加载，和上面差不多，注意这里读取的指针类型是faiss::Index，它是faiss::IndexFlatL2和faiss::IndexFlatIP的基类，这里使用dynamic_cast做了一个类型转换。
创建调用加载函数和创建文件的函数
该函数用于接收到indexFileName的路径，并创建或加载index。
void ANN::setFileName(const std::string& fileName){
this->indexFileName = fileName+".idx";
if(!existFile(this->indexFileName)){
std::filesystem::create_directories(std::filesystem::path(fileName).parent_path());
}else{
this->loadFromFile();
}
}
bool existFile(std::string fileName) {
return (access(fileName.c_str(), F_OK) != -1);
}就是简单的判断，文件存在就加载index，不存在就创建。
添加文件index保存函数后的main函数
三个函数创建好之后，我们就可以直接拿来使用了。
std::string fileName = modelPath + "/testAnn";
ann->setFileName(fileName);这一步是给我们的模型一个文件保存的路径，然后
ann->add(features);
ann->writeToFile();这次我们的测试流程为，第一次启动程序，先不使用serach，只使用add和writeToFile,第二次只使用search。
图片这里使用同一个人在不同形象下的图片，我第一次会把bb传入进去，然后分别带入123456来查看他们的准确率（这里6不是同一个人）。
添加人员特征信息
ann = std::make_shared<ANN>(512, 5, 0.6, 1, 0);
std::string fileName = modelPath + "/testAnn" + "/" + "ann";
ann->setFileName(fileName);
std::string path = "/.../bb.jpg";
std::string path2 = "";
cv::Mat img = getImageMat(path);
cv::Mat img2 = getImageMat(path2);
// std::shared_ptr<cv::Mat> imgs = std::make_shared<cv::Mat>(img);
std::string preLoadFile1 = modelPath + "/test_face1.jpg";
std::string preLoadFile2 = modelPath + "/test_face2.jpg";
bool success = globalFaceDetector->initDetection(preLoadFile1, preLoadFile2);
if (!success) {
int errorCode = globalFaceDetector->getErrorCode();
std::string errorString = globalFaceDetector->getErrorString();
}
globalFaceDetector->getFaces(img, *faces);
globalFaceDetector->getFaces(img2, *faces2);
auto features = faces->at(0).getFeaturesData();
auto features2 = faces2->at(0).getFeaturesData();
ann->add(features);
ann->writeToFile();
// ann->search(features);
cleanup();
return 0;使用同一个人不同图片来查看输出结果
ann = std::make_shared<ANN>(512, 5, 0.6, 1, 0);
std::string fileName = modelPath + "/testAnn" + "/" + "ann";
ann->setFileName(fileName);
std::string path = "/home/zlzg01/ly/face/1.jpg";
std::string path2 = "/home/zlzg01/ly/download.jpg";
cv::Mat img = getImageMat(path);
cv::Mat img2 = getImageMat(path2);
// std::shared_ptr<cv::Mat> imgs = std::make_shared<cv::Mat>(img);
std::string preLoadFile1 = modelPath + "/test_face1.jpg";
std::string preLoadFile2 = modelPath + "/test_face2.jpg";
bool success = globalFaceDetector->initDetection(preLoadFile1, preLoadFile2);
if (!success) {
int errorCode = globalFaceDetector->getErrorCode();
std::string errorString = globalFaceDetector->getErrorString();
}
globalFaceDetector->getFaces(img, *faces);
globalFaceDetector->getFaces(img2, *faces2);
auto features = faces->at(0).getFeaturesData();
auto features2 = faces2->at(0).getFeaturesData();
// ann->add(features);
// ann->writeToFile();
ann->search(features);
cleanup();
return 0;这里五张图片的结果如下（大家这里可以优化一下代码用循环来放入多张图片，因为人脸检测模型的预热实在有点耗时间）：
这里我只使用的两张，因为有点懒得等了，这里同一个人的图片搜索的结果，并且我们没有在本次程序中使用到add函数，还是能识别到我们之前录入的人脸。
不同人脸的结果
这里可以看到有了我们的二进制文件后，我们基本可以实现模型的永久保存。
（有兴趣的同学可以多录入几个人脸试试）
原文地址：https://blog.csdn.net/a_Loki/article/details/139984127
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！