AI应用06_人脸检测追踪的原理和架构

人脸检测追踪的原理和架构

应用在做什么？
利用已有算法的不同特性（识别速度，准确率，角度鲁棒性，光线鲁棒性等）
设计合适的算法利用方式(图片预处理(自适应亮度光照等)，特定场景偏好(可以多报但不能漏报，或可以漏但不能误报类似的),单算法在特定场景的参数，多算法的组合协同使用方式)
以最小的系统资源占用达到最好的识别效果和最大的识别量（支持视频路数，帧率等）
满足产品的功能性需求
从这个角度讲，做应用的难度其实比算法高。
算法由于有学术界和巨头IT公司支撑，工业界大多直接借助学术界研究成果，所以同质性很高。算法PK最终沦为了”数据集PK“，谁能拿到最大量，最多样的数据，谁就能训练出较好的算法。当然，针对特定现实场景做适配（比如，光线一直很暗情况下是否需要对算法做调整，以及牺牲算法通用性，从而提高特定领域的速度和准确率表现） 可以说改进点非常有限。可能算法调三月，不如数据集扩3倍或GPU大10倍(提高训练充分度)，工业界算法部门大多数做算法适配性调优。
就现状而言，个人认为做算法其实更有前景，当然难度也更高。一方面由于机器学习理论走的靠前，而现实中落地有限，二者是较大落差的，这就给应用足够的发挥空间，将理论迁入到现实，改善提高现实生活。一方面是由于机器学习算法表现依然不是非常理想(效果理想的速度不行，速度足够的效果又不够)，所以需要较好的“融合能力”，将各个算法优势发挥出来，劣势避免掉，从而实现落地。

版本V0.1

视频效果样例:链接: https://pan.baidu.com/s/1G9kw1iSCJN0MlyZceFMI9Q 提取码: nt8n

人脸识别遗漏

追踪误差(模糊导致的)

算法调研,人脸检测最好算法(准确率不考虑速度),人脸(物体)追踪最好算法(准确率不考虑速度)

版本V0.2卡顿问题的解决

三个方案
方案1：目前方案，每20帧执行一次detection,由于未采用缓冲区技术暂存frame,所以detection后会跳过一段(被丢弃的)frame,导致track效果降低。如果采用缓冲区技术暂存frame,可以解决帧丢弃导致的track不准问题，但是依然会带来卡顿问题(本质是detection和解码速度差异较大)。在detection时，track必须等待detection结果，所以此时没有frame推送给用户.用户会感觉”卡主”。
方案2：在方案1基础上，detection第40帧时（举例），track先利用最新帧继续追踪着(40帧，41帧，42帧等)，同时结果push给用户（用户继续看到40帧，41帧，42帧等，不过40帧是track输出的结果（方案1中40帧是detection的结果）），当40帧的detection结果拿到后，再后台track（但不再push，否则会出现用户刚才看到43帧了，40帧的detection回来后，track又推送40帧的图像，也就是倒退了),等到追上了之前的track的push后，再接管push权利。此时也会存在一定的卡顿时间，但是相对detection的等待会小一些。
但是别忘了，track是有状态的，且无法进行回滚的（也无法进行保存），当我们使用track到43帧的track再track40帧时，有大概率会导致track失败，从而降低整体效果。虽然可以通过重新创建的方式和旧track联系起来，但是频繁的销毁创建track也会降低整体效率.
方案3：方案2本身是很好的思路，奈何track无法状态回滚。不妨换一种方式。
T0时:缓冲区存在帧0-20帧,
T1时:detection最新帧(也就是第20帧)
T2时:收到T1时的detection结果返回后，立刻取得缓冲区的最新帧(假如这段时间解码器收集了10帧，缓冲区最新帧在30)，继续执行detection（第30帧），同时track开始工作，拿到第20帧detection结果,初始化track,之后对20-30之间的帧执行track并推送给用户。理想情况下，执行到30帧后，detection也返回第30帧的结果，同时队列最新帧变成40了.这样就可以持续下去，但是用户看到的其实持续时旧的视频信息，相差10帧。
以上是理想情况，需要考虑解码时间，detection时间，和track时间关系，可能需要用锁进行时间差控制，避免比如track过快，导致很快将缓冲区消费掉，而detection结果尚未收到，从而带来用户看到视频一会快，一会慢的问题！

方案三等价于:
做了多队列合一（节约空间），帧率控制(避免track消费frame过快,导致detection引起的卡顿

效果分析

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

put frame:0#第0帧入队列
get detection frame:0 # 拿到第0帧，然后跑detection算法，
put frame:1
put frame:2
put frame:3
put frame:4
put frame:5
put frame:6
put frame:7
put frame:8
put frame:9
put_detection_boxes frame:0 # 第0帧，detection算法跑出结果了。
get detection frame:9# 用当前最新帧，也就是第9帧，跑detection算法
put frame:10
get track frame:0 [1.0, 2.0, 3.0, 4.0]#track算法拿到第0帧的detection结果做初始化Init
put frame:11
get track frame:1 []#track算法对第1帧的，执行track操作(predict)
put frame:12

实际效果：
链接: https://pan.baidu.com/s/1g2h7nyHkjZV0tjScpx3c3Q 提取码: 81ve
可见的确连贯很多，但是也存在卡顿现象，（track和decode时间不匹配)，

放弃这个修改，原因：
第一：逻辑稍复杂，不利于阅读也不利于后续的开发，调试。
第二：实际应用中，PUSH一般是专用流服务器，Push时其实是依据配置的帧率，和流的运算时间关系不大（也就说只要保证推送顺序正确，至于速度，推送服务器会按照配置自行处理，所以也就不存在卡顿问题）
所以，暂时用简单版本，如果后面真的需要则最后再添加。

版本V0.3多线程支持

版本V0.4无法正确匹配到人的问题

人脸检测算法

1

face_detector = cv2.CascadeClassifier(faceadd)

特征值提取:

1
2
3
4
5

person
face_recognition.face_encodings(face_frame)  
frame
boxes = self.face_detector.detectMultiScale(cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY), 1.15, 5)
boxes_imgs_encoding = face_recognition.face_encodings(frame, known_face_locations=boxes)

跟踪

1

cv2.TrackerKCF_create()

无法匹配原因
使用boxes=>切分frame=>小图保存为face_frame=>生成特征值 （加载人脸img生成decoding时，也存在着部分无法正确encoding的问题）encoding结果
和
在原图中直接执行face_recognition.face_encodings(frame, known_face_locations=boxes)
结果不同
导致无法正确匹配

解决方法01,检测也是用face_recognition

猜测同一个工具的检测和识别应该可以匹配起来