iexplore123 发表于 2025-1-12 19:54 其实这个demo已经可以实现多人的实时识别了，但是似乎sdk调用部分似乎需要一些简单的修改来确保可以传出多 ...

代码已经支持多人检测，但检测到多个人脸时绘制OSD后，OSD被快速刷新了，所以看起来不明显（仔细看还是能看出来的），如果是做产品的话，这部份的信息应该是被存储或者通知给上层UI进行展示的，而不是简单的叠加到视频输出，这样增加了视频编码的开消。因为没有显示屏，所以扩展了一下官方demo的OSD叠加做为展示。

nmg 发表于 2024-12-25 17:45 期待你后续搞出来分享

Gundam_RV1106是Insightface官方提供的一个适用于RKNN加速的模型包，内部的模型文件已做过转换，如果只是使用的话不需要自已再做ONNX->RKNN的转换了。另外https://github.com/junanxia/rkface_insightface我已更新到新版本的SDK,并默认使用Gundam_RV1106模型包，有兴趣的可以看看。因为模型包变大了一些，板子空间有限，建议放到sd卡上。

nmg 发表于 2024-12-24 15:15 那是不是就可以直接移植啦？

是的，直接拉新版的代码编译后，使用Gundam_RV1106模型包就是RKNN方式推理了。

另外，官方目前已适配并提供了Gundam_RV1106，有兴趣的可以去https://github.com/HyperInspire/InspireFace/tree/feature/rv1106

显然活动方并没有做过移植，所以SDK编译都有问题，Insightface两天前才完成RV1106的适配,见https://github.com/deepinsight/insightface/issues/2704

个人信息已确认，领取板卡，可继续完成任务

申请理由： 1、InsightFace是由旷视开源的、基于Pytorch和MXNet框架的2D&3D深度人脸分析工具箱。当中实现了先进的人脸识别、人脸检测和人脸对齐算法，并针对训练和部署进行了优化。该库提供了C/C++ SDK，支持不同的操作系统和硬件后端，如CPU、GPU、NPU等，应用层开发可以很快速便捷的进行部署。 2、本人多年C++开发，从事视频检测、视频识别相关领域的工作，有幸参与过大型OCR自动化处理工程的实际落地，对于TensorRT、NCNN、TNN等框架在不同应用场景下的使用有一定的经验，曾在Nvidia Jetson Nano、树莓派平台上移植过目标检测、行为分析等模型，但因为其它诸多的因素，还未使用过RV系列的平台，希盼能借此活动对国产硬件平台做进一步的了解，并在后续实际的项目中进行推广和使用。 基本的思路如下： 1、在RV1106开发板中部署平台支持的Linux操作系统，如适用于嵌入式硬件的Buildroot系统等。 2、使用RV1106平台支持的交叉编译工具链对需要使用到的环境依赖进行编译，主要涉及到Opencv、RKNN等 3、摄像头的基本调试，主要测试驱动是否正常，视频帧能否正常获取等。 3、使用预训练模型对RV1106进行硬件能力评估，根据评估情况结合项目中功能指标的要求，挑选适合的网络主干，如ResNet、MobileNet、DenseNet等。 4、使用RKNN-Toolkit对模型进行转换、量化等优化工作，根据其性能表现、内存表现选取最终的模型结构及适合的模型精度（int4、int8、int16精度选择）。 5、将选取的模型应用到系统中，系统主体流程简述为：使用Opencv从摄像头中获取单帧图像(根据情况适当的进行抽帧)->使用模型对人脸进行检测、对齐->使用基本的分类算法对人脸进行分类输出->结果数据合成输出。 应用场景： 门禁打卡