CV / RetinaFace

RetinaFace

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

4 descargas

Precisión

RKNN

Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.

Plataforma

Tamaño

Motor de inferencia

Primeros pasos

Desplegar

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

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

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())

Detalles del modelo

RetinaFace en reComputer RK3576 y RK3588

Esta página documenta el servicio RetinaFace de reComputer-RK-CV. Detecta rostros y cinco puntos faciales con aceleración RKNN y ofrece modos de imagen, cámara, vídeo local y vídeo subido.

Información del modelo

Propiedad	Valor
Modelo activo	`model/retinaface_mobile.rknn`
Alternativa incluida	`model/retinaface_resnet50.rknn`
Entrada	RGB letterbox de `320 x 320`
Salida	Cuadro facial, confianza y cinco landmarks
NMS	Umbral IoU fijo de `0.5`

Ejecutar el servicio

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

Abra http://<BOARD_IP>:8000 o /docs. Asigne /dev/videoN y use --camera_id N para una cámara, o pase --video video/test.mp4 para vídeo local.

Argumentos de inicio

Argumento	Predeterminado	Descripción
`--platform`	Obligatorio	`rk3576` o `rk3588`.
`--model_dir`	`model`	Archivos RKNN de RetinaFace y `test.jpg`.
`--camera_id`	`-1`	Índice de cámara; `-1` deshabilita la captura.
`--video`, `--video_path`	Ninguno	Vídeo local en bucle; prevalece sobre la cámara.
`--host` / `--port`	`0.0.0.0` / `8000`	Dirección y puerto del servicio.

RKNN_LOG_LEVEL=0 oculta mensajes de inicialización de forma estática confirmados como inofensivos. Elimínelo al diagnosticar el inicio de RKNN.

REST API

Endpoint: 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"

Cada resultado incluye confidence, box como [x1,y1,x2,y2] y cinco landmarks. Actualice el umbral de vista previa/vídeo con POST /api/config y JSON como {"threshold":0.5}.

Ejemplo de campos de respuesta:

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]]
      }
    ]
  }
}

El campo genérico topk está reservado para compatibilidad del servicio y no se usa. NMS utiliza un umbral IoU fijo de 0.5.

Endpoint	Finalidad
`GET /api/health`	Plataforma, nombres de modelos y disponibilidad.
`GET /api/video_feed`	Últimos cuadros faciales y landmarks como MJPEG.
`POST /api/video/upload`	Subir un MP4.
`POST /api/video/analyze`	Analizar un `filename` subido.
`GET /api/video/status`	Progreso y errores.
`GET /api/video/list`	Archivos MP4 subidos y generados.
`GET /api/video/download/{filename}`	Descargar un resultado.

El constructor upstream carga actualmente retinaface_mobile.rknn de forma explícita. Usar retinaface_resnet50.rknn requiere cambiar task_runtime.py y verificar la misma disposición de tres salidas; no puede seleccionarse solo con un parámetro del comando Docker. Los fotogramas se ajustan con letterbox a 320 x 320, se convierten de BGR a RGB, se decodifican con cuadros previos y cinco landmarks, se restauran a las coordenadas de origen, se filtran por confianza y se procesan con NMS.

Compilar localmente

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

Entradas y salidas

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