CV / RetinaFace

RetinaFace

reComputer RK3588

Gesichtserkennung und Schätzung von fünf Gesichtspunkten mit RetinaFace, beschleunigt durch RKNN.

52 Downloads

Präzision

RKNN

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

Plattform

Größe

Inferenz-Engine

Erste Schritte

Armbian 26.8.7 Gnome oder neuer mit OTA overlayroot: Konfigurieren Sie den Docker-Speicher vor dem Starten von Containern um Overlay-Mount-Fehler zu vermeiden.

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/rk3588-retinaface:latest \
  python web_service.py --platform rk3588 --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

Armbian 26.8.7 Gnome oder neuer mit OTA overlayroot: Konfigurieren Sie den Docker-Speicher vor dem Starten von Containern um Overlay-Mount-Fehler zu vermeiden.

Schnellstart

1. Docker installieren

Führen Sie auf dem Entwicklungsboard die folgenden Befehle aus, um Docker zu installieren:

bash

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
# Aliyun
sudo sh get-docker.sh --mirror Aliyun
# systemd
sudo systemctl enable docker
sudo systemctl start docker

2. Projekt ausführen (ein Befehl, Vorschau in zwei Modi)

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`

Schritt A: Images abrufen

bash

sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-retinaface:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-retinaface:latest

Schritt B: Mit einem Klick ausführen

Für 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

Für 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.

🔌 API-Dokumentation

1. Gesichtserkennungs-Schnittstelle (Predict)

Endpunkt: POST /api/models/retinaface/predict

Anfrageparameter (Multipart/Form-Data):

Laden Sie file hoch; threshold legt die Gesichtskonfidenz für diese Anfrage fest.

Anwendungsbeispiele:

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}.

Antwortformat (JSON):

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]]
      }
    ]
  }
}

2. Schnittstelle zur Systemkonfiguration (Config)

Aktuelle Konfiguration abrufen

Endpunkt: GET /api/config

Systemkonfiguration aktualisieren

Endpunkt: POST /api/config
JSON: {"threshold":0.5}

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.

3. Befehlszeilenargumente

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.

Echtzeit-Videostream (Video Feed)

Rufen Sie den neuesten annotierten MJPEG-Stream für die Browservorschau ab:

Endpunkt: GET /api/video_feed
Beispiel: <img src="http://<BOARD_IP>:8000/api/video_feed">

🛠️ Entwicklerleitfaden (Empfehlungen für den Produktionseinsatz)

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.