在OpenNCC的開發(fā)包中提供了一個(gè)"OpenNCC View"工具痹扇，通過這個(gè)工具，即使你完全不了解算法實(shí)現(xiàn)原理溯香，也能輕松的使用OpenNCC去運(yùn)行各種AI算法鲫构。它里面內(nèi)置了10種不同的模型檢測(cè)算法，可以直接上手使用玫坛，學(xué)習(xí)成本大大降低结笨，今天我先嘗試運(yùn)行下人臉檢測(cè)模型算法：face-detection-retail-0004，測(cè)試一下檢測(cè)的準(zhǔn)確性湿镀。使用的預(yù)訓(xùn)練模型來自于OpenVINO下的Free Open model zoo炕吸，感興趣的朋友可以去了解下，傳送門

首先把OpenNCC相機(jī)通過usb數(shù)據(jù)線插到電腦上勉痴，打開view 軟件赫模，加載要測(cè)試的face-detection-retail-0004模型，檢測(cè)最低分?jǐn)?shù)為默認(rèn)的50%蒸矛，滿分100%瀑罗。這個(gè)分?jǐn)?shù)的意思是胸嘴，算法會(huì)嘗試在場(chǎng)景中找出人臉，并打分斩祭，覺得符合人臉特征時(shí)得分就很高劣像，特征不明顯得分就偏低，設(shè)置最低分為50%后停忿，只有算法識(shí)別出的人臉分?jǐn)?shù)大于50%時(shí)驾讲，才會(huì)在畫面中框選出來。席赂，參數(shù)就按默認(rèn)值吮铭，選擇好后，start running model颅停。沒使用過OpenNCC View的可以參考官方的使用文檔?谓晌。

首先測(cè)試下 模型算法對(duì)于單個(gè)人臉檢測(cè)的準(zhǔn)確性

a.正常人臉，出現(xiàn)在鏡頭中

在正常人臉出現(xiàn)在鏡頭中癞揉，檢測(cè)很穩(wěn)定纸肉，能很準(zhǔn)確的捕捉到人臉信息，得分基本在100%

b.人臉被遮擋

我戴著口罩測(cè)試下來喊熟，人臉檢測(cè)也很穩(wěn)定柏肪，能很準(zhǔn)確的捕捉到人臉信息，基本和不戴口罩檢測(cè)結(jié)果保持一致芥牌。

c.側(cè)臉/背對(duì)鏡頭

這張圖片中（偷拍工作中的同事）烦味，右邊同事其實(shí)也不算側(cè)臉了，只露出了小部分面部信息壁拉，而且還戴了口罩谬俄，這對(duì)算法的考驗(yàn)還是挺大的，可以看出弃理，我們算法還是能夠識(shí)別出來的溃论，只不過分?jǐn)?shù)有所下降，到了70%痘昌，

而對(duì)于左邊完全背對(duì)著鏡頭的同事钥勋，就無法檢測(cè)到人臉信息了，無法識(shí)別辆苔，畢竟是人臉檢測(cè)嘛笔诵，咱不能對(duì)算法過于苛刻，也合理姑子。

d.暗光環(huán)境下：

在實(shí)驗(yàn)室暗光下，照度只有10lux测僵，下圖中的人臉肉眼都已經(jīng)很難看清街佑，但算法還是識(shí)別出來了人臉谢翎，暗光環(huán)境下表現(xiàn)有點(diǎn)厲害。

e.遠(yuǎn)距離測(cè)試

這張圖片是在距離鏡頭6m左右的位置沐旨，人臉圖像已經(jīng)有點(diǎn)模糊森逮，算法檢測(cè)分?jǐn)?shù)在60%左右，再遠(yuǎn)的位置就很難檢測(cè)到人臉了磁携。這個(gè)結(jié)果有點(diǎn)出乎我的意料褒侧，因?yàn)閺膱D像上看，人臉輪廓還是能分辨出來谊迄，算法應(yīng)該不難檢測(cè)出來闷供，希望后續(xù)能更新優(yōu)化算法能力，發(fā)揮更好的性能统诺。

接下來歪脏，我測(cè)試畫面有多張人臉時(shí)的檢測(cè)能力(謝謝辦公室的小伙伴們友情出演)

看來多張人臉也不成問題，辦公室人少粮呢，我想測(cè)試算法檢測(cè)人臉的上限婿失。

于是我從網(wǎng)上找到一張圖片，40張人臉啄寡，在顯示器上展示圖片豪硅，用ncc相機(jī)對(duì)著顯示器，結(jié)果出乎我的意料：照片中一共40張人臉全部都被識(shí)別到了挺物！厲害懒浮，我原以為算法最多能識(shí)別10個(gè)左右人臉，看來我錯(cuò)了姻乓，算法還是厲害的

測(cè)試下來的結(jié)果嵌溢，還是挺令我驚喜的，檢測(cè)準(zhǔn)確率很高蹋岩。但令我感觸最深的是赖草，OpenNCC相機(jī)讓“AI算法“，”人臉檢測(cè)“剪个，這些在我以前的認(rèn)知中遙不可及的詞匯秧骑，變得似乎不再那么遙遠(yuǎn)，可以用手指觸碰得到扣囊。我希望OpenNCC能一扇新的大門乎折，引導(dǎo)更多的開發(fā)者接觸ai算法領(lǐng)域。說不定在未來的某一天侵歇，ai的力量就像空氣一樣遍布在我們的生活中骂澄。