摘要：先把AI人脸识别跑起来，然后研究它是如何实现的，整个过程中确实收获不少。所谓先跟着做，再跟着学，实践与理论结合，自己感觉有理解了一些基础概念入个门，在此分享一下自己的捣鼓经验。
1、买台小“电脑”
既然要做人脸识别，那得找台带摄像头的小电脑啊。首先得价格便宜，简单搜了下，基本有以下几个选择：
- 树莓派4： ARM系统，生态好。价格合适，55刀。CPU在3个中最好，算力0.1TFLOPS
- K210：RISC-V的（非ARM），价格是最实惠的，299元。算力有0.8TOPS
- Jetson Nano：ARM系统，比树莓派4还贵，但是多一个英伟达的GPU（当然是丐版的GPU），价格99刀。算力0.47TFLOPS
这3个里面，考虑到人脸识别应该有更多的AI属性，那么带GPU能做AI推理不是更香么，于是就选择了英伟达的Jetson Nano开发板（主要也是想先入门英伟达的GPU派系，谁叫现在NVIDIA比较香呢）。
参考链接：
https://www.zhihu.com/question/384561694
https://zhuanlan.zhihu.com/p/81969854
2、启动系统
这里需要先把“系统image”刷到 tf 卡里面，然后把tf卡插到开发板上，然后开机启动。启动有2个点需要注意：
- 跳线帽，需要插上（不然电源点不亮）。
- 第一次开机会卡住，需要重启一次。
启动后，发现是个带界面的 Ubuntu系统，接上鼠标+键盘，就是最熟悉的小电脑嘛。
连接网络，设置国内Ubuntu源，安装 jtop 命令（因为nano不能敲 nvidia-smi 命令）。
设置系统参考：https://zhuanlan.zhihu.com/p/336429888
3、原来CUDA是个编译器
既然选了英伟达的GPU开发板，刚好了解一下CUDA是什么。
3.1 写个CUDA程序
当然，程序是抄课本的，如下。
https://blog.csdn.net/fb_help/article/details/79283032
可以看到是C语言的，一共就2个函数。一个main函数，一个useCUDA函数。
要跑起来，需要先进行编译。发现不使用gcc，而是使用 nvcc 编译器，有意思。
Jetson Nano的image已经安装了nvcc，所以可以直接用，只是使用前需要设置一下path。
export CUDA_HOME=/usr/local/cuda-10.0 export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda-10.0/bin:$PATH
设置后，才可以敲 nvcc 命令。参考：https://www.huaweicloud.com/articles/0ba49cd30493adbb37c82250408d8be4.html
于是开始编译：
nvcc -o main.out main.cu foo.cu （跟gcc编译一样）
运行：./main.out 即可。呵，原来CUDA是个编译器啊（编译出给GPU跑的程序）。
3.2 CUDA在干嘛
普通的程序编译出来都是给CPU跑的；写个程序，想给GPU跑，就得使用cuda编译器了。毕竟咱们的这个GPU弱是弱了一点，也有128核呢，跑这种简单的cuda程序还是OK的。
另外，CUDA还提供了一些现成的操作GPU的函数，比如：矩阵乘法，矩阵转置 之类的。CUDA只能用于英伟达的GPU，用于利用GPU进行复杂的并行计算。然后很多AI框架都是基于CUDA搞的，所以跑个cuda程序，帮助理解挺好的。
4、检测摄像头功能OK
这里需要使用 nvgstcapture-1.0 命令，经查，字母gst原来是Gstreamer的缩写。
直接敲：
nvgstcapture-1.0
发现可以把摄像头打开了。
4.1 Gstreamer
搜了下，发现是一个音视频流处理的pipeline框架。
比如Shell命令的管道符为：|
为避免冲突，Gstreamer的管道符，用了个比较像的：! 符号。
参考：https://thebigdoc.readthedocs.io/en/latest/gstreamer/gst-concept.html
5、人脸可以正常识别
按照教程：https://github.com/JetsonHacksNano/CSI-Camera/blob/master/face_detect.py
Copy了一个 face_detect.py 文件。
直接运行了：
python ./face_detect.py
发现就可以识别出人脸了，厉害了。。。（额，只是图像是倒过来的）
于是简单看了下代码（不会Python，但是也大概能看懂），发现有一个图像模式的参数 “flip_method=0”，我改成了6，发现图像就转过来正常了。
再看了下，发现获取摄像头拍摄的图片，还是通过 Gstreamer 来实现的。
6、Opencv才是隐藏的Boss？
通过上面的章节，发现总共代码没几行，怎么就能识别人脸了呢？虽然python不熟，但好在代码少，仔细看了下：发现主要是调用了opencv的函数就可以识别人脸了，那说明opencv还是得了解一下。
你看识别人脸的代码，总共也就10行，简单过一下：
找了这篇文章，还不错：https://www.jianshu.com/p/0514c03e6727
6.1 Haar分类器
再搜索，发现这里的人脸识别用的是 “Haar分类器”这种方法实现的。学习了下，属于机器学习的范畴，没有用卷积神经网络。可参考：https://zhuanlan.zhihu.com/p/51431663
完整的Opencv的介绍：http://woshicver.com/
7、Windows上面复现人脸识别
既然通过opencv就能识别人脸，那我不需要摄像头，直接拿图片是不是也可以跑了？于是Windows上面安装个opencv试试。
7.1 安装Python
去 https://www.python.org/ 下载最新的Python，安装后就有Python了。当然执行命令是 py。
7.2 pip命令
发现pip命令，还是不行。 找到原来在：
C:Users sjsdbdAppDataLocalProgramsPythonPython39Scripts
这个目录下。
于是把这个路径，加入到了本机的环境变量里面：
所以pip命令ok了
7.3 设置pip国内源
vi ~/pip/pip.ini
然后设置内容：
[global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple
7.4 安装 opencv 包
pip install opencv-python
这条命令会同时安装 numpy 包。
Ps：如果需要代理。设置一下
export http_proxy=http://代理:端口 export https_proxy=http://代理:端口
7.5 重现Haar人脸识别
下载一个带人脸的jpg照片，这里假设名为 face.jpg
detect.py代码如下：
import cv2 # load model detector=cv2.CascadeClassifier('C:/Users/t00402375/AppData/Local/Programs/Python/Python39/Lib/site-packages/cv2/data/haarcascade_frontalface_default.xml') src = cv2.imread("./face.jpg") cv2.namedWindow("image", cv2.WINDOW_AUTOSIZE); # detect gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY) faces=detector.detectMultiScale(gray,1.2,5) # box for x,y,w,h in faces: cv2.rectangle(src,(x,y),(x+w,y+h),(255,0,0),2) # show cv2.imshow("image", src); cv2.waitKey(0); cv2.destroyAllWindows();
运行就行了。
py detect.py
得到结果：
发现确实可以，杠杠滴。
8、通过神经网络的人脸识别
现在视频图像的识别，一般走CNN，所以咱也得玩一遍。Jetson 开发板，自己配套了一套 jetson-inference 的推理项目，就是用来跑GPU推理的。
参考：https://blog.csdn.net/weixin_45319326/article/details/107956896