C#實現基於ffmpeg加虹軟Arcface的人臉識別demo
對開發庫的C#封裝，屏蔽使用細節，可以快速安全的調用人臉識別相關API。具體見github地址。新增對.NET Core的支持，在Linux（Ubuntu下）測試通過。具體的使用例子和Demo詳解，參見博客地址。
更新：
增加對V1.1兩個新功能的支持。
關於人臉識別
目前的人臉識別已經相對成熟，有各種收費免費的商業方案和開源方案，其中OpenCV很早就支持了人臉識別，在我選擇人臉識別開發庫時，也橫向對比了三種庫，包括在線識別的百度、開源的OpenCV和商業庫虹軟（中小型規模免費）。
百度的人臉識別，才上線不久，文檔不太完善，之前聯系百度，官方也給了我基於Android的Example，但是不太符合我的需求，一是照片需要上傳至百度服務器（這個是最大的問題），其次，人臉的定位需要自行去實現（捕獲到人臉後上傳進行識別）。
OpenCV很早以前就用過，當時做人臉+車牌識別時，最先考慮的就是OpenCV，但是識別率在當時不算很高，後來是采用了一個電子科大的老師自行開發的識別庫（相對易用，識別率也還不錯），所以這次準備做時，沒有選擇OpenCV。
虹軟其實在無意間發現的，當時正在尋找開發庫，正在測試Python的一個方案，就發現有新聞說虹軟的識別庫全面開放並且可以免費使用，而且是離線識別，所以就下載嘗試了一下，發現識別率還不錯，所以就暫定了采用虹軟的識別方案。這裏主要就給大家分享一下開發過程當中的一些坑和使用心得，順便開源識別庫的C# Wrapper。
SDK的C# Wrapper
由於虹軟的庫是采用C++開發的，而我的應用程序采用的是C#，所以，需要對庫進行包裝，便於C#的調用，包裝的主要需求是可以在C#中快速方便的調用，無需考慮內存、指針等問題，並且具備一定的容錯性。Wrapper庫目前已經開源，大家可以到Github上進行下載，地址點擊這裏。Wrapper庫基本上沒有什麽可以說的，無非是對PInvoke的包裝，只是裏面做了比較多的細節處理，屏蔽了調用細節，提供了相對高層的函數。有興趣的可以看看源代碼。
Wrapper庫的使用例子
基本使用
註意使用之前，在虹軟申請了新的Key後，需要同時更新libs下的三個dll文件，key和sdk的版本是相關聯的，否則會拋出異常。
人臉檢測（靜態圖片）：
using (var detection = LocatorFactory.GetDetectionLocator("appId", "sdkKey")) { var image = Image.FromFile("test.jpg"); var bitmap = new Bitmap(image); var result = detection.Detect(bitmap, outvar locateResult); //檢測到位置信息在使用完畢後，需要釋放資源，避免內存泄露 using (locateResult) { if (result == ErrorCode.Ok && locateResult.FaceCount > 0) { using (var g = Graphics.FromImage(bitmap)) { var face = locateResult.Faces[0].ToRectangle(); g.DrawRectangle(new Pen(Color.Chartreuse), face.X, face.Y, face.Width, face.Height); } bitmap.Save("output.jpg", ImageFormat.Jpeg); } } }
人臉跟蹤（人臉跟蹤一般用於視頻的連續幀識別，相較於檢測，又更高的執行效率，這裏用靜態圖片做例子，實際使用和檢測沒啥區別）：
using (var detection = LocatorFactory.GetTrackingLocator("appId", "sdkKey")) { var image = Image.FromFile("test.jpg"); var bitmap = new Bitmap(image); var result = detection.Detect(bitmap, out var locateResult); using (locateResult) { if (result == ErrorCode.Ok && locateResult.FaceCount > 0) { using (var g = Graphics.FromImage(bitmap)) { var face = locateResult.Faces[0].ToRectangle(); g.DrawRectangle(new Pen(Color.Chartreuse), face.X, face.Y, face.Width, face.Height); } bitmap.Save("output.jpg", ImageFormat.Jpeg); } } }
人臉對比：
using (var proccesor = new FaceProcessor("appid", "locatorKey", "recognizeKey", true)) { var image1 = Image.FromFile("test2.jpg"); var image2 = Image.FromFile("test.jpg"); var result1 = proccesor.LocateExtract(new Bitmap(image1)); var result2 = proccesor.LocateExtract(new Bitmap(image2)); //FaceProcessor是個整合包裝類，集成了檢測和識別，如果要單獨使用識別，可以使用FaceRecognize類 //這裏做演示，假設圖片都只有一張臉 //可以將FeatureData持久化保存，這個即是人臉特征數據，用於後續的人臉匹配 //File.WriteAllBytes("XXX.data", feature.FeatureData);FeatureData會自動轉型為byte數組 if ((result1 != null) & (result2 != null)) Console.WriteLine(proccesor.Match(result1[0].FeatureData, result2[0].FeatureData, true)); }
使用註意事項
LocateResult（檢測結果）和Feature（人臉特征）都包含需要釋放的內存資源，在使用完畢後，記得需要釋放，否則會引起內存泄露。FaceProcessor和FaceRecognize的Match函數，在完成比較後，可以自動釋放，只需要最後兩個參數指定為true即可，如果是用於人臉匹配（1:N），則可以采用默認參數，這種情況下，第一個參數指定的特征數據不會自動釋放，用於循環和特征庫的特征進行比對。
整合的完整例子
在Github上，有完整的FaceDemo例子，裏面主要實現了通過ffmpeg采集RTSP協議的圖像（使用海康的攝像機），然後進行人臉匹配。在開發過程中遇到不少的坑。
人臉識別的首要工作就是捕獲攝像機視頻幀，這一塊上是坑的最久的，因為最開始采用的是OpenCV的包裝庫，Emgu.CV，在開發過程中，捕獲USB攝像頭時，倒是問題不大，沒有出現過異常。在捕獲RTSP視頻流時，會不定時的出現AccessviolationException異常，短則幾十分鐘，長則幾個小時，總之就是不穩定。在官方Github地址上，也提了Issue，他們給出的答復是屏蔽的我業務邏輯，僅捕獲視頻流試試，結果問題依然，所以，我基本坑定了試Emgu.CV上面的問題。後來經過反復的實驗，最終確定了選擇ffmpeg。
ffmepg主要采用ProcessStartInfo進行調用，我采用的是NReco.VideoConverter（一個ffmpeg調用的包裝，可以通過nuget搜索安裝），雖然ffmpeg解決了穩定性問題，但是實際開發時，也遇到了不少坑，其中，最主要的是NReco.VideoConverter沒有任何文檔和例子（實際有，需要75刀購買），所以，自己研究了半天，如何捕獲視頻流並轉換為Bitmap對象。只要實現這一步，後續就是調用Wrapper就行了。
FaceDemo詳解
上面說到了，通過ffmpeg捕獲視頻流並轉換Bitmap是重點，所以，這裏也主要介紹這一塊。
首先是ffmpeg的調用參數：
var setting = new ConvertSettings { CustomOutputArgs = "-an -r 15 -pix_fmt bgr24 -updatefirst 1" }; //-s 1920x1080 -q:v 2 -b:v 64k task = ffmpeg.ConvertLiveMedia("rtsp://admin:[email protected]:554/h264/ch1/main/av_stream", null, outputStream, Format.raw_video, setting); task.OutputDataReceived += DataReceived; task.Start();
-an表示不捕獲音頻流，-r表示幀率，根據需求和實際設備調整此參數，-pix_fmt比較重要，一般情況下，指定為bgr24不會有太大問題（還是看具體設備），之前就是用成了rgb24，結果捕獲出來的圖像，人都變成阿凡達了，顏色是反的。最後一個參數，坑的我差點放棄這個方案。本身，ffmpeg在調用時，需要指定一個文件名模板，捕獲到的輸出會按照模板生成文件，如果要將數據輸出到控制臺，則最後傳入一個-即可，最開始沒有指定updatefirst，ffmpeg在捕獲了第一幀後就拋出了異常，最後查了半天ffmpeg說明（完整參數說明非常多，輸出到文本有1319KB），發現了這個參數，表示持續更新第一個文件。最後，在調用視頻捕獲是，需要指定輸出格式，必須指定為Format.raw_video，實際上這個格式名稱有些誤導人，按道理將應該叫做raw_image，因為最終輸出的是每幀原始的位圖數據。
到此為止，還並沒有解決視頻流數據的捕獲，因為又來一個坑，ProcessStartInfo的控制臺緩沖區大小只有32768 bytes，即，每一次的輸出，實際上並不是一個完整的位圖數據。
//完整代碼參加Github源代碼 //代碼片段1 private Bitmap _image; private IntPtr _pImage; { _pImage = Marshal.AllocHGlobal(1920 * 1080 * 3); _image = new Bitmap(1920, 1080, 1920 * 3, PixelFormat.Format24bppRgb, _pImage); } //代碼片段2 private MemoryStream outputStream; private void DataReceived(object sender, EventArgs e) { if (outputStream.Position == 6220800) lock (_imageLock) { var data = outputStream.ToArray(); Marshal.Copy(data, 0, _pImage, data.Length); outputStream.Seek(0, SeekOrigin.Begin); } }
花了不少時間摸索（不要看只有幾行，人都整崩潰了），得出了上述代碼。首先，我捕獲的圖像數據是24位的，並且圖像大小是1080p的，所以，實際上，一個原始位圖數據的大小為stride * height，即width * 3 * height，大小為6220800 bytes。所以，在判斷了捕獲數據到達這個大小後，就進行Bitmap轉換處理，然後將MemoryStream的位置移動到最開始。需要註意的時，由於捕獲到的是原始數據（不包含bmp的HeaderInfo），所以註意看Bitmap的構造方式，是通過一個指向原始數據位置的指針就行構造的，更新該圖像時，也僅需要更新指針指向的位置數據即可，無需在建立新的Bitmap實例。
位圖數據獲取到了，就可以進行識別處理了，高高興興的加上了識別邏輯，但是現實總是充滿了意外和驚喜，沒錯，坑又來了。沒有加入識別邏輯的時候，捕獲到的圖像在PictureBox上顯示非常正常，清晰、流暢，加上識別邏輯後，開始出現花屏（捕獲到的圖像花屏）、拖影、顯示延遲（至少會延遲10-20秒以上）、程序卡頓，總之就是各種問題。最開始，我的識別邏輯寫到DataReceived方法裏面的，這個方法是運行於主線程外的另一個線程中的，其實按道理將，捕獲、識別、顯示位於一個線程中，應該是不會出現問題，我估計（不確定，沒有去深入研究，如果誰知道實際原因，可以留言告訴我），是因為ffmpeg的原因，因為ffmpeg是單獨的一個進程在跑，他的數據捕獲是持續在進行的，而識別模塊的處理時間大於每一幀的采集時間，所以，緩沖區中的數據沒有得到及時處理，ffmpeg接收到的部分圖像數據（大於32768的數據）被丟棄了，然後就出現了各種問題。最後，又是一次耗時不短的探索之旅。
private void Render() { while (_renderRunning) { if (_image == null) continue; Bitmap image; lock (_imageLock) { image = (Bitmap) _image.Clone(); } if (_shouldShot){ WriteFeature(image); _shouldShot = false; } Verify(image); if (videoImage.InvokeRequired) videoImage.Invoke(new Action(() => { videoImage.Image = image; })); else videoImage.Image = image; } }
如上代碼所述，我單獨開了一個線程，用於圖像的識別處理和顯示，每次都從已捕獲到的圖像中克隆出新的Bitmap實例進行處理。這種方式的缺點在於，有可能會導致丟幀的現象，因為上面說到了，識別時間（如果檢測到新的人臉，那麽加上匹配，大約需要130ms左右）大於每幀時間，但是並不影響識別效果和需求的實現，基本丟棄的幀可以忽律。最後，運行，穩定了、完美了，實際也感覺不到丟幀。
Demo程序，我運行了大約4天左右，中間沒有出現過任何異常和識別錯誤。
寫在最後
雖然虹軟官方表示，免費識別庫適用於1000人臉庫以下的識別，實際上，做一定的工作（工作量其實也不小），也是可以實現較大規模的人臉搜索滴。例如，采用多線程進行匹配，如果人臉庫人臉數量大於1000，則可以考慮每個線程分別進行處理，人臉特征數據做緩存（一個人臉的特征數據是22KB，對內存要求較高），以提升程序的識別搜索效率。或者人臉庫特別大的情況下，可以采用分布式處理，人臉特征加載到Redis數據庫當中，多個進程多個線程讀取處理，每個線程上傳自己的識別結果，然後主進程做結果合並判斷工作，主要的挑戰就在於多線程的工作分配一致性和對單點故障的容錯性。
更新：
DEMO中的例子采用了IP Camera，一般情況下，大家可能用USB Camera居多，所以，更新了源代碼，增加了USB Camera的例子，只需要屏蔽掉IP Camara代碼即可。
task = ffmpeg.ConvertLiveMedia(“video=USB2.0 PC CAMERA”, “dshow”,
outputStream, Format.raw_video, setting);
需要註意的有以下幾點：
設備名稱可以通過控制面板或者ffmpeg的命令獲取：ffmpeg -list_devices true -f dshow -i dummy
註意修改捕獲的圖像大小，一般USB攝像頭是640*480，更新的代碼增加了全局變量，可以直接修改。
如果要查詢USB攝像頭支持的分辨率，也可以通過ffmpeg命令：ffmpeg -list_options true -f dshow -i video=”USB2.0 PC CAMERA”
更新2：
源代碼中新增了對 .net core 2.0的支持，因為用到了GDI+相關函數，所以用的是CoreCompat/System.Drawing，所以在部署環境下需要安裝libgdiplus, apt-get intall libgdiplus。
另外，有關於視頻流的采集，除了使用FFMEPG和一些開源的開發庫外，也可以使用廠商的SDK，不過之前試過海康的SDK，那叫一個難用啊，所以大家自己選擇吧。
更新3：
虹軟SDK更新了新的功能，開發包同步更新，支持年齡和性別的評估。
C#實現基於ffmpeg加虹軟Arcface的人臉識別demo