摘要：先把AI人臉識別跑起來，然後研究它是如何實現的，整個過程中確實收穫不少。所謂先跟着做，再跟着學，實踐與理論結合，自己感覺有理解了一些基礎概念入個門，在此分享一下自己的搗鼓經驗。
1、買臺小“電腦”
既然要做人臉識別，那得找臺帶攝像頭的小電腦啊。首先得價格便宜，簡單搜了下，基本有以下幾個選擇：
- 樹莓派4： ARM系統，生態好。價格合適，55刀。CPU在3箇中最好，算力0.1TFLOPS
- K210：RISC-V的（非ARM），價格是最實惠的，299元。算力有0.8TOPS
- Jetson Nano：ARM系統，比樹莓派4還貴，但是多一個英偉達的GPU（當然是丐版的GPU），價格99刀。算力0.47TFLOPS
這3個裏面，考慮到人臉識別應該有更多的AI屬性，那麼帶GPU能做AI推理不是更香麼，於是就選擇了英偉達的Jetson Nano開發板（主要也是想先入門英偉達的GPU派系，誰叫現在NVIDIA比較香呢）。
參考鏈接：
https://www.zhihu.com/question/384561694
https://zhuanlan.zhihu.com/p/81969854
2、啓動系統
這裏需要先把“系統image”刷到 tf 卡里面，然後把tf卡插到開發板上，然後開機啓動。啓動有2個點需要注意：
- 跳線帽，需要插上（不然電源點不亮）。
- 第一次開機會卡住，需要重啓一次。
啓動後，發現是個帶界面的 Ubuntu系統，接上鼠標+鍵盤，就是最熟悉的小電腦嘛。
連接網絡，設置國內Ubuntu源，安裝 jtop 命令（因爲nano不能敲 nvidia-smi 命令）。
設置系統參考：https://zhuanlan.zhihu.com/p/336429888
3、原來CUDA是個編譯器
既然選了英偉達的GPU開發板，剛好了解一下CUDA是什麼。
3.1 寫個CUDA程序
當然，程序是抄課本的，如下。
https://blog.csdn.net/fb_help/article/details/79283032
可以看到是C語言的，一共就2個函數。一個main函數，一個useCUDA函數。
要跑起來，需要先進行編譯。發現不使用gcc，而是使用 nvcc 編譯器，有意思。
Jetson Nano的image已經安裝了nvcc，所以可以直接用，只是使用前需要設置一下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設置後，纔可以敲 nvcc 命令。 參考：https://www.huaweicloud.com/articles/0ba49cd30493adbb37c82250408d8be4.html
於是開始編譯：
nvcc -o main.out main.cu foo.cu （跟gcc編譯一樣）運行：./main.out 即可。呵，原來CUDA是個編譯器啊（編譯出給GPU跑的程序）。
3.2 CUDA在幹嘛
普通的程序編譯出來都是給CPU跑的；寫個程序，想給GPU跑，就得使用cuda編譯器了。畢竟咱們的這個GPU弱是弱了一點，也有128核呢，跑這種簡單的cuda程序還是OK的。
另外，CUDA還提供了一些現成的操作GPU的函數，比如：矩陣乘法，矩陣轉置 之類的。CUDA只能用於英偉達的GPU，用於利用GPU進行復雜的並行計算。然後很多AI框架都是基於CUDA搞的，所以跑個cuda程序，幫助理解挺好的。
4、檢測攝像頭功能OK
這裏需要使用 nvgstcapture-1.0 命令，經查，字母gst原來是Gstreamer的縮寫。
直接敲：
nvgstcapture-1.0發現可以把攝像頭打開了。
4.1 Gstreamer
搜了下，發現是一個音視頻流處理的pipeline框架。
比如Shell命令的管道符爲：|
爲避免衝突，Gstreamer的管道符，用了個比較像的：! 符號。
參考：https://thebigdoc.readthedocs.io/en/latest/gstreamer/gst-concept.html
5、人臉可以正常識別
按照教程：https://github.com/JetsonHacksNano/CSI-Camera/blob/master/face_detect.py
Copy了一個 face_detect.py 文件。
直接運行了：
python ./face_detect.py 發現就可以識別出人臉了，厲害了。。。（額，只是圖像是倒過來的）
於是簡單看了下代碼（不會Python，但是也大概能看懂），發現有一個圖像模式的參數 “flip_method=0”，我改成了6，發現圖像就轉過來正常了。
再看了下，發現獲取攝像頭拍攝的圖片，還是通過 Gstreamer 來實現的。
6、Opencv纔是隱藏的Boss？
通過上面的章節，發現總共代碼沒幾行，怎麼就能識別人臉了呢？雖然python不熟，但好在代碼少，仔細看了下：發現主要是調用了opencv的函數就可以識別人臉了，那說明opencv還是得了解一下。
你看識別人臉的代碼，總共也就10行，簡單過一下：
找了這篇文章，還不錯：https://www.jianshu.com/p/0514c03e6727
6.1 Haar分類器
再搜索，發現這裏的人臉識別用的是 “Haar分類器”這種方法實現的。學習了下，屬於機器學習的範疇，沒有用卷積神經網絡。可參考：https://zhuanlan.zhihu.com/p/51431663
完整的Opencv的介紹：http://woshicver.com/
7、Windows上面復現人臉識別
既然通過opencv就能識別人臉，那我不需要攝像頭，直接拿圖片是不是也可以跑了？於是Windows上面安裝個opencv試試。
7.1 安裝Python
去 https://www.python.org/ 下載最新的Python， 安裝後就有Python了。當然執行命令是 py。
7.2 pip命令
發現pip命令，還是不行。 找到原來在：
C:\Users\tsjsdbd\AppData\Local\Programs\Python\Python39\Scripts
這個目錄下。
於是把這個路徑，加入到了本機的環境變量裏面：
所以pip命令ok了
7.3 設置pip國內源
vi ~/pip/pip.ini然後設置內容：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple7.4 安裝 opencv 包
pip install opencv-python 這條命令會同時安裝 numpy 包。
Ps：如果需要代理。設置一下
export http_proxy=http://代理:端口
export https_proxy=http://代理:端口7.5 重現Haar人臉識別
下載一個帶人臉的jpg照片，這裏假設名爲 face.jpg
detect.py代碼如下：
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();運行就行了。
py detect.py得到結果：
發現確實可以，槓槓滴。
8、通過神經網絡的人臉識別
現在視頻圖像的識別，一般走CNN，所以咱也得玩一遍。Jetson 開發板，自己配套了一套 jetson-inference 的推理項目，就是用來跑GPU推理的。
參考：https://blog.csdn.net/weixin_45319326/article/details/107956896