【“星睿O6”AI PC开发套件评测】人脸识别
本文介绍了瑞莎星睿 O6 (Radxa Orion O6) 开发板结合 OpenCV 内置 YuNet 算法和 SFace 模型实现人脸识别的项目设计，包括环境部署、预训练模型获取、关键代码、板端推理、效果演示等流程。
项目介绍
- 准备工作：硬件连接、OpenCV 安装、所需软件包和库安装等；
- 人脸识别：模型获取、训练图片、流程图、代码、人脸识别的板端推理等；
准备工作
包括硬件连接、虚拟环境创建、OpenCV 安装、软件包和库安装等。
硬件连接
- 使用 HDMI 数据线连接显示屏（也可使用 VNC 或 SSH 远程登录）；
- USB 接口连接鼠标键盘；
- 网线连接 LAN 接口和路由器（或 WiFi 模块连接无线网）；
- 使用 PD 电源供电（或 ATX 电源供电）；
OpenCV 安装
OpenCV 是一个开源的计算机视觉库，广泛应用于图像处理、视频分析和机器学习等领域。
为了避免影响系统 Python，这里采用创建虚拟环境的方案
- 创建并激活虚拟环境
mkdir ~/cv && cd ~/cv # 创建 cv 文件夹，便于管理
python3 -m venv venv # 创建虚拟环境 venv
source venv/bin/activate # 激活虚拟环境 venv- 升级 pip 并安装 NumPy + OpenCV 全家桶
pip install -U pip numpy # 安装 numpy
pip install opencv-python opencv-contrib-python # opencv 主模块及 contrib- 验证安装
python3 -c "import cv2,sys,numpy;print('OpenCV:',cv2.__version__,'NumPy:',numpy.__version__)"- 输出版本号
详见：OpenCV .
人脸识别
OpenCV 作为计算机视觉领域的核心库，其 Python 接口提供了高效的人脸检测与识别能力。
OpenCV 注册并训练目标人脸，使用 YuNet 模型检测人脸，之后结合 sface 模型识别人脸。
详见：opencv_zoo/models/face_recognition_sface · GitHub .
模型
下载所需模型文件，包括人脸检测和人脸识别 ONNX 模型文件；
wget https://github.com/opencv/opencv_zoo/blob/main/models/face_detection_yunet/face_detection_yunet_2023mar.onnx
wget https://github.com/opencv/opencv_zoo/blob/main/models/face_recognition_sface/face_recognition_sface_2021dec.onnx将文件存放在 ./model 路径。
训练图片
- 将目标人脸图片裁剪至合适大小；
- 文件名为对应的人名；
- 置于
./face文件夹。
文件目录
~/face_recognition/$tree
.
|-- face
| |-- Cox.jpg
| |-- David.jpg
| |-- Jennifer.jpg
| |-- Lisa.jpg
| |-- Matt.jpg
| `-- Perry.jpg
|-- fr_onnx.py
|-- img
| |-- friends.jpg
| `-- friends2.jpg
`-- model
|-- face_detection_yunet_2023mar.onnx
`-- face_recognition_sface_2021dec.onnx将目标识别图片置于 ./img 文件夹。
流程图
代码
终端执行 touch fr_onnx.py 新建程序文件，并添加如下代码
#!/usr/bin/env python3
import cv2
import argparse
import os
import numpy as np
from pathlib import Path
# ------------------- Face Detection ------------------
def detect_faces_yunet(image_path: str,
conf_threshold: float = 0.8,
model_path: str = "./model/face_detection_yunet_2023mar.onnx") -> None:
img = cv2.imread(image_path)
if img is None:
raise FileNotFoundError(image_path)
h, w = img.shape[:2]
# 初始化 YuNet
detector = cv2.FaceDetectorYN_create(
model=model_path,
config="",
input_size=(w, h),
score_threshold=conf_threshold,
nms_threshold=0.4,
top_k=5000
)
detector.setInputSize((w, h))
# detect 返回 (status, faces) 取第 1 个元素
faces = detector.detect(img)[1]
if faces is None:
faces = []
for face in faces:
x, y, w_box, h_box, *_ = map(int, face[:4])
score = face[-1]
cv2.rectangle(img, (x, y), (x + w_box, y + h_box), (0, 255, 0), 2)
label = f"{score:.2f}"
label_size, _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.5, 1)
cv2.rectangle(img, (x, y - label_size[1] - 4),
(x + label_size[0], y), (0, 255, 0), -1)
cv2.putText(img, label, (x, y - 2), cv2.FONT_HERSHEY_SIMPLEX,
0.5, (0, 0, 0), 1, cv2.LINE_AA)
cv2.namedWindow("YuNet Face Detection", cv2.WINDOW_NORMAL)
cv2.imshow("YuNet Face Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# -------------------- Face Recognition -------------------
def recognize_faces(img_path: str,
face_dir: str = "./face",
model_path: str = "./model/face_detection_yunet_2023mar.onnx",
rec_model: str = "./model/face_recognition_sface_2021dec.onnx") -> None:
"""
1. 读取 img_path 并检测人脸
2. 对 face_dir 下的每张注册照提取特征
3. 将目标人脸与注册照逐一比对，取最高余弦相似度
4. 弹窗画出框+姓名（或 Unknown）
"""
img = cv2.imread(img_path)
if img is None:
raise FileNotFoundError(img_path)
h, w = img.shape[:2]
# 检测器
detector = cv2.FaceDetectorYN_create(
model=model_path, config="", input_size=(w, h),
score_threshold=0.8, nms_threshold=0.4, top_k=5000)
detector.setInputSize((w, h))
faces = detector.detect(img)[1]
if faces is None:
print("未检测到人脸")
return
# 识别器
recognizer = cv2.FaceRecognizerSF_create(rec_model, "")
# 注册照特征库
regist = {} # name -> feature
for fp in Path(face_dir).glob("*.*"):
name = fp.stem
reg_img = cv2.imread(str(fp))
if reg_img is None:
continue
rh, rw = reg_img.shape[:2]
detector.setInputSize((rw, rh))
reg_faces = detector.detect(reg_img)[1]
if reg_faces is not None:
# 只取第一张脸
aligned = recognizer.alignCrop(reg_img, reg_faces[0])
feat = recognizer.feature(aligned)
regist[name] = feat
detector.setInputSize((w, h))
if not regist:
print("注册库为空")
return
# 逐一比对
for face in faces:
aligned = recognizer.alignCrop(img, face)
feat = recognizer.feature(aligned)
best_score, best_name = -1, "Unknown"
for name, reg_feat in regist.items():
score = recognizer.match(feat, reg_feat, cv2.FaceRecognizerSF_FR_COSINE)
if score > best_score:
best_score, best_name = score, name
# 画框+名字
x, y, w_box, h_box = map(int, face[:4])
SIM_TH = 0.3 # 可调，OpenCV 推荐 0.3~0.4
if best_score < SIM_TH:
best_name = "Unknown"
print(f"[{best_name}] score={best_score:.3f} box=({x},{y},{w_box},{h_box})")
color = (0, 255, 0) if best_name != "Unknown" else (0, 0, 255)
cv2.rectangle(img, (x, y), (x + w_box, y + h_box), color, 2)
cv2.putText(img, f"{best_name}:{best_score:.2f}",
(x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2)
cv2.namedWindow("Face Recognition", cv2.WINDOW_NORMAL)
cv2.imshow("Face Recognition", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# ---------- 命令行入口 ----------
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("-i", "--image", required=True, help="目标图片路径")
parser.add_argument("-m", "--mode", choices=["detect", "recognize"],
default="recognize", help="detect：仅检测；recognize：识别")
args = parser.parse_args()
if args.mode == "detect":
detect_faces_yunet(args.image)
else:
recognize_faces(args.image)保存代码。
效果
终端执行指令 python3 fr_onnx.py -i ./img/friends.jpg -m recognize 运行程序；
- 打印输出识别结果，包括名称、置信度、坐标等信息；
- 弹窗显示识别结果；
总结
本文介绍了瑞莎星睿 O6 (Radxa Orion O6) 开发板结合 OpenCV 内置 YuNet 算法和 SFace 模型实现人脸识别的项目设计，为相关产品在边缘 AI 和人工智能领域的快速开发和应用设计提供了参考。
