windows vs2019 编译报错

[Alvazz]

如下图，onnx和opencv的库都放在lib下面了

[DefTruth]

windows下的配置，请先看以下教程，lite.ai.toolkit目前还没有windows的预编译库：

• 🔥Windows10 VS2019 CUDA 11.1 配置lite.ai.toolkit库 #207

同时也可以考虑使用MacOS或Linux下的预编译库。

[Alvazz]

我下载了opencv官方编译好的库，但是并没有opencv_core.lib这个文件，只有一个opencv_world453d.lib和opencv_world453.lib的文件

[Alvazz]

上面那个问题调整opencv的cmake就好了，又出了一个新问题，啊，这个库。。。。。

[DefTruth]

我还没有时间做windows的兼容🤣，比较建议你在Mac或Linux下跑，Windows下的配置比较复杂，当前可以考虑看下我发的参考链接。

[Alvazz]

FaceLandmark1000.onnx 这个文件在哪啊？

[DefTruth]

FaceLandmark1000.onnx 这个文件在哪啊？

看README文档，所有的模型文件都需要下载，README文档有说明

[Alvazz]

嗯嗯，请问一下，能针对摄像头做检测吗？目前只看到可以针对图片进行操作。

[Alvazz]

我把代码改了一下，变成这样了 :D:D

static void test_default()
{
  std::string onnx_path = "E://githubcode//lite.ai.toolkit//hub//onnx//cv//FaceLandmark1000.onnx";
  //std::string test_img_path = "E://githubcode//lite.ai.toolkit//examples//lite//resources//test_lite_face_landmarks_0.png";
  //std::string save_img_path = "E://githubcode//lite.ai.toolkit//logs//test_lite_face_landmarks_1000.jpg";

  lite::cv::face::align::FaceLandmark1000 *face_landmarks_1000 =
      new lite::cv::face::align::FaceLandmark1000(onnx_path);

  lite::types::Landmarks landmarks;

  cv::VideoCapture cap(0);
  //判断摄像头是否打开
  if (!cap.isOpened())
  {
      std::cout << "摄像头未成功打开" << std::endl;
  }

  //创建窗口
  cv::namedWindow("打开摄像头", 1);

  while (true)
  {
	  //创建Mat对象
	  cv::Mat frame;
	  //从cap中读取一帧存到frame中
	  bool res = cap.read(frame);
	  if (!res)
	  {
		  break;
	  }

	  //判断是否读取到
	  if (frame.empty())
	  {
		  break;
	  }

	  //深拷贝
	  cv::Mat copyMat;

	  frame.copyTo(copyMat);
	  face_landmarks_1000->detect(copyMat, landmarks);
	  lite::utils::draw_landmarks_inplace(copyMat, landmarks);

	  imshow("打开摄像头", copyMat);

	  //等待1毫秒，如果按键则退出循环
	  if (cv::waitKey(1) >= 0)
	  {
		  break;
	  }
  }

  cap.release();
  cv::destroyAllWindows();

  std::cout << "Default Version Done! Detected Landmarks Num: "
            << landmarks.points.size() << std::endl;

  delete face_landmarks_1000;
}

[DefTruth]

是的，这个库的定位是只提供原子级别的能力，不提供复杂的操作流程。针对视频检测需要你自己按照自己的逻辑写。可以看下这个issue:

• 使用 cv::imshow cv::waitKey 会报错 ld: symbol(s) not found for architecture x86_64 #206

[DefTruth]

landmarks不要全局，并且要先做人脸检测啊兄弟🤣

[Alvazz]

好的呢，老哥。我多玩玩

[Alvazz]

老哥，好像你这库里就有人脸检测的？把他们组合在一起？会不会很棒，哈哈哈哈

[DefTruth]

老哥，好像你这库里就有人脸检测的？把他们组合在一起？会不会很棒，哈哈哈哈

是的啊，可以组合的，lite.ai.toolkit现在已经有一些基础的功能了。

[Alvazz]

但是试了一下，好像不准确，明明就是我一个人，但是检测出2张脸。。。
我用的是 lite_scrfd和scrfd_2.5g_bnkps_shape640x640.onnx测试的。

[DefTruth]

但是试了一下，好像不准确，明明就是我一个人，但是检测出2张脸。。。 我用的是 lite_scrfd和scrfd_2.5g_bnkps_shape640x640.onnx测试的。

应该不至于，SCRFD效果还挺好的。你可以修改一下detect接口的score_threshold的阈值，可以调大一点，去掉置信度低的。

public:
    void detect(const cv::Mat &mat, std::vector<types::BoxfWithLandmarks> &detected_boxes_kps,
                float score_threshold = 0.3f, float iou_threshold = 0.45f,
                unsigned int topk = 400);

建议多测一些图片试试。另外，retinaface、ultraface、yolo5face也可以试试。还有就是像types::BoxfWithLandmarks这种不要轻易用全局变量啊，用局部变量，每张图片检测到的都是不一样的，你用了全局变量，可能就把所有帧的结果都累积到一起了，这是C++的用法问题，像你之前的landmarks那样用就不太对。

[Alvazz]

嗯嗯，landmarks已经放在while里去了，感谢老哥指正，我现在用yolo5face，感觉还行，剩下一个问题就是，我咋把用yolo5face检测出来的数据，传给FaceLandmark1000里面去呢？老哥给点指导，谢谢哈。要不是深圳疫情严重，我要请你去洗脚，你是这么的屌:D:D

[DefTruth]

看一下我在这个issue的回答，拿到框后裁剪人脸送进去做关键点检测。

•  使用 cv::imshow cv::waitKey 会报错 ld: symbol(s) not found for architecture x86_64 #206

[Alvazz]

我看了，但是问题是我现在不知道该如何裁剪，给段代码呗

[Alvazz]

是采用cv::crop方法吗

[DefTruth]

兄弟，你自己查一下opencv怎么从图像中裁剪吧.....，已经拿到框的坐标了....，我不可能手把手教啊，这些都是opencv的基本用法了🤣🤣🤣；类似的问题，我就不再回复了哈~

[Alvazz]

嗯嗯，我自己去搞定裁剪吧，坐标的框通过哪个函数拿到啊？

[DefTruth]

• opencv截取图像区域

坐标框就保存在lite::types::BoxfWithLandmarks里面，你跳转进去看一下数据结构，挺简单的。

typedef struct LITE_EXPORTS BoxfWithLandmarksType
    {
      Boxf box;
      Landmarks landmarks;
      bool flag;

      BoxfWithLandmarksType() : flag(false)
      {};
    } BoxfWithLandmarks;

也可以看一下YOLO5Face示例工程里面的说明：

• https://github.com/DefTruth/YOLO5Face.lite.ai.toolkit

[Alvazz]

噢噢，谢谢，了解到了

[DefTruth]

嗯嗯，我自己去搞定裁剪吧，坐标的框通过哪个函数拿到啊？

你调用detect接口就会检测到结果了

[Alvazz]

嗯嗯，我搞定啦，对了，我想把框架支持ncnn，我该咋编译啊，windows10环境。

[DefTruth]

嗯嗯，我搞定啦，对了，我想把框架支持ncnn，我该咋编译啊，windows10环境。

nice~ 👍👍，支持ncnn也还是看这个教程，里面这位同学已经编译了支持onnxruntime、MNN、NCNN和TNN的lite.ai.toolkit。编译时，通过cmake指定编译选项-DENABLE_NCNN=ON，或者在cmake-gui中勾选，也可以直接修改CMakeLists.txt

• 🔥Windows10 VS2019 CUDA 11.1 配置lite.ai.toolkit库 #207

其实我测试过...pc端(win/linux/mac)，NCNN的性能是不如onnxruntime和MNN的，onnxruntime是最快的，毕竟是微软专门搞来给windows用的。所以pc端，不太建议用ncnn，手机端则可以考虑ncnn

[falldew]

上面那个问题调整opencv的cmake就好了，又出了一个新问题，啊，这个库。。。。。

这个问题解决了吗