CV / RetinaFace

RetinaFace

The current service loads the MobileNet-backbone model and exposes confidence filtering through its API.

4 Downloads

Präzision

RKNN

Wähle das Gerät, das du verwendest. Die Einrichtungsanleitung und Dokumentation werden entsprechend aktualisiert.

Plattform

Größe

Inferenz-Engine

Erste Schritte

Bereitstellen

sudo docker run --rm --privileged --net=host -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-retinaface:latest \
  python web_service.py --platform rk3576 --model_dir /app/model --camera_id -1 --host 0.0.0.0 --port 8000

REST API

Verwende die REST API für die Inferenz. Kopiere die folgenden Befehle.

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "retinaface-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "retinaface-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Modelldetails

RetinaFace auf reComputer RK3576 und RK3588

Diese Seite beschreibt den RetinaFace-Dienst aus reComputer-RK-CV. Er erkennt Gesichter und fünf Gesichtsmarken mit RKNN-Beschleunigung und bietet Bild-, Kamera-, lokale Video- und Uploadvideo-Modi.

Modellinformationen

Eigenschaft	Wert
Aktives Modell	`model/retinaface_mobile.rknn`
Enthaltene Alternative	`model/retinaface_resnet50.rknn`
Eingabe	Letterbox-RGB mit `320 x 320`
Ausgabe	Gesichtsbox, Konfidenz und fünf Landmarken
NMS	Fester IoU-Schwellenwert `0.5`

Dienst starten

RK3576

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-retinaface:latest \
  python web_service.py --platform rk3576 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

RK3588

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-retinaface:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

Öffnen Sie http://<BOARD_IP>:8000 oder /docs. Ordnen Sie für eine Kamera /dev/videoN zu und verwenden Sie --camera_id N, oder übergeben Sie --video video/test.mp4 für ein lokales Video.

Startargumente

Argument	Standard	Beschreibung
`--platform`	Erforderlich	`rk3576` oder `rk3588`.
`--model_dir`	`model`	RetinaFace-RKNN-Dateien und `test.jpg`.
`--camera_id`	`-1`	Kameraindex; `-1` deaktiviert die Aufnahme.
`--video`, `--video_path`	Kein Wert	Lokales Video in Schleife; überschreibt die Kamera.
`--host` / `--port`	`0.0.0.0` / `8000`	Dienstadresse und Port.

RKNN_LOG_LEVEL=0 blendet bestätigte harmlose Meldungen zur Initialisierung statischer Formen aus. Entfernen Sie es bei der RKNN-Startdiagnose.

REST API

Endpunkt: POST /api/models/retinaface/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/retinaface/predict" \
  -F "file=@test.jpg" -F "threshold=0.5"

Jedes Ergebnis enthält confidence, box als [x1,y1,x2,y2] und fünf landmarks. Aktualisieren Sie den Vorschau-/Videoschwellenwert mit POST /api/config und JSON wie {"threshold":0.5}.

Beispiel für Antwortfelder:

json

{
  "success": true,
  "model": "retinaface",
  "result": {
    "count": 1,
    "faces": [
      {
        "confidence": 0.96,
        "box": [120, 80, 310, 290],
        "landmarks": [[166, 145], [255, 144], [210, 190], [176, 232], [247, 231]]
      }
    ]
  }
}

Das allgemeine Feld topk ist für Dienstkompatibilität reserviert und wird nicht verwendet. NMS nutzt einen festen IoU-Schwellenwert von 0.5.

Endpunkt	Zweck
`GET /api/health`	Plattform, Modellnamen und Bereitschaft.
`GET /api/video_feed`	Neueste Gesichtsboxen und Landmarken als MJPEG.
`POST /api/video/upload`	MP4 hochladen.
`POST /api/video/analyze`	Einen hochgeladenen `filename` analysieren.
`GET /api/video/status`	Fortschritt und Fehler.
`GET /api/video/list`	Hochgeladene und erzeugte MP4-Dateien.
`GET /api/video/download/{filename}`	Ergebnis herunterladen.

Der Upstream-Konstruktor lädt derzeit ausdrücklich retinaface_mobile.rknn. Für retinaface_resnet50.rknn müssen Sie task_runtime.py ändern und dasselbe Drei-Ausgabe-Layout prüfen; ein Docker-Befehlsparameter reicht nicht. Frames werden auf 320 x 320 letterboxed, von BGR nach RGB konvertiert, mit Prior-Boxen und fünf Landmarken decodiert, auf Quellkoordinaten zurückgeführt, nach Konfidenz gefiltert und mit NMS verarbeitet.

Lokal bauen

bash

docker build -f docker/rk3576/retinaface.dockerfile \
  -t rk3576-retinaface:local src/rk3576_retinaface

docker build -f docker/rk3588/retinaface.dockerfile \
  -t rk3588-retinaface:local src/rk3588_retinaface

Eingaben und Ausgaben

Input: image, video frame, or camera frame. Output: face boxes, confidence scores, and five landmarks.