ESP32-Face 人脸检测MTMN模型以及 face_detect 函数详解

• 1. MTMN 模型
• 2. 模型网络
• 3. API 函数接口介绍
• 4. 模式选择
• 5. 参数配置

1. MTMN 模型

MTMN 是一个人脸检测的轻量级模型，专门应用于嵌入式设备。它是由 MTCCN 和 MobileNets 结合而成。

2. 模型网络

MTMN由三个主要部分组成：

• 提议网络，Proposal Network（P-Net）：提议候选边界框，并将其发送到R-Net；
• 细化网络，Refine Network（R-Net）：从P-Net中筛选边界框；
• 输出网络，Output Network （O-Net）：输出最终结果，即精确的边界框、置信系数和5点标记。（accurate bounding box、confidence coefficient and 5-point-landmark）

下图显示了MTNM的工作流程

3. API 函数接口介绍

box_array_t *face_detect(dl_matrix3du_t *image_matrix, mtmn_config_t *config);

face_detect() 函数处理整个人脸检测的任务。

函数参数—输入：

• image_matrix: 一帧dl_matrix3du_t 类型的图像
• config: MTMN的配置信息。配置信息如下文介绍。

函数输出：

• 一个box_array_t 类型的值，包括 face boxes，以及每个框的 score and landmark，其中 len 表示每帧图像中人脸的数量

typedef struct tag_box_list
{fptp_t *score;box_t *box;landmark_t *landmark;int len;
} box_array_t;

MTMN 的配置信息： mtmn_config_t 结构体详解，结构体中相关参数可以供用户自己修改

typedef struct
{float min_face;                 /// 检测到人脸的最小尺寸float pyramid;                  /// 输入图像的梯度缩放比例int pyramid_times;              /// 金字塔调整大小的时间threshold_config_t p_threshold; ///  P-Net 的阈值threshold_config_t r_threshold; ///  N-Net 的阈值threshold_config_t o_threshold; ///  O-Net 的阈值 mtmn_resize_type type;          /// 图像调整大小类型. 当 'type'==FAST时，'pyramid'将失效
} mtmn_config_t;

typedef struct
{float score;          /// 置信系数的阈值。置信系数低于阈值的候选边界框将被过滤掉。float nms;            /// NMS的阈值。在非最大抑制期间，重叠比率高于阈值的候选边界框将被过滤掉。int candidate_number; /// 允许的候选边界框的最大数量。仅保留所有候选边界框的第一个“candidate_number”。
} threshold_config_t;

• min_face:
  • 范围：12~n，n为输入图像的的最短边的长度
  • 对于固定大小的原始输入图像， min_face 的值越小，则表示以下三点，反之亦然
    • 生成的不同size图像数量越多
    • 可检测的人脸的size越小
    • 处理时间越长
• pyramid
  • 指定控制生成的金字塔(pyramid)的比例
  • 范围: (0,1)
  • 对于固定大小的原始输入图像， minpyramid_face 的值越大，则表示以下三点，反之亦然
    • 生成的不同size图像数量越多
    • 检测比越高
    • 处理时间越长
• pyramid_times
  • 指定控制生成的金字塔(pyramid)的数量
  • Range: [1,+inf)
  • 与 pyramid 和min_face一起, 可以在[min_face, min_face/pyramid^pyramid_times] 以及min_face/pyramid^pyramid_times < 输入原始图像的最短边的长度 这两个范围下确定主要可检测人脸的size
• type
  • options: FAST or NORMAL
    • FAST: 默认 pyramid = 0.707106781. pyramid 值相同情况下吗，fast 类型速度更快
    • NORMAL:自定义pyramid 的值
• score threshold
  • Range: (0,1)
  • 对于固定大小的原始输入图像， score 的值越大，则表示以下2点，反之亦然
    • 过滤出的候选边界框的数量越大
    • 检测率越低
• nms threshold
  • Range: (0,1)
  • 对于固定大小的原始输入图像， score 的值越大，则表示以下2点，反之亦然
    • –检测到重叠面的可能性越高；
    • -检测到的同一人脸的候选边界框的数量越大
• candidate number
  • 指定每个网络的输出候选框的数量。
  • 范围：P-Net: [1, 200] R-Net: [1, 100] O-Net: [1, 10]
  • 对于固定大小的原始输入图像
    • candidate_number 越大，处理时间越长
    • O-Net的 candidate_number 值越大，检测到的人脸数量越多,

用户可自定义以下参数：

mtmn_config.type = FAST;
mtmn_config.min_face = 80;
mtmn_config.pyramid = 0.707;
mtmn_config.pyramid_times = 4;
mtmn_config.p_threshold.score = 0.6;
mtmn_config.p_threshold.nms = 0.7;
mtmn_config.p_threshold.candidate_number = 20;
mtmn_config.r_threshold.score = 0.7;
mtmn_config.r_threshold.nms = 0.7;
mtmn_config.r_threshold.candidate_number = 10;
mtmn_config.o_threshold.score = 0.7;
mtmn_config.o_threshold.nms = 0.7;
mtmn_config.o_threshold.candidate_number = 1;

4. 模式选择

MTMN 目前为止有以下版本:

• MTMN lite in quantization (default)
• MTMN lite in float
• MTMN heavy in quantization

5. 参数配置

我们使用相同的配置和我们自己的测试集评估所有型号。结果如下所示。

mtmn_config.type = FAST;
mtmn_config.pyramid = 0.707;
mtmn_config.min_face = 80;
mtmn_config.pyramid_times = 4;
mtmn_config.p_threshold.score = 0.6;
mtmn_config.p_threshold.nms = 0.7;
mtmn_config.p_threshold.candidate_number = 100;
mtmn_config.r_threshold.score = 0.7;
mtmn_config.r_threshold.nms = 0.7;
mtmn_config.r_threshold.candidate_number = 100;
mtmn_config.o_threshold.score = 0.7;
mtmn_config.o_threshold.nms = 0.7;
mtmn_config.o_threshold.candidate_number = 1;