关于人脸识别【insightface】 ncnn移植到rk3399

问题

参考上一章 ncnn 优化量化_ncnn aciq量化-CSDN博客

量化之后，识别速度没有提升，后面我只能换小点的模型了，把【det_10g】改为【det_500m】速度终于提升上来了，识别效果还在

在rk3399 上面由1s多 降为500ms左右，但是速度还是有点慢。

摄像头采用的uvc模式，通过jni来调face。

看了下识别时长，基本都是目标检测和人脸特征提取这两个时间有点长

虽然rk3399 没有算力芯片，但是cpu能力还是可以的，我想要把识别时长控制在100ms内感觉不现实，所以我得基于此对其进行优化，量化也试过了，速度提升不明显，那么我只能把入参图片缩小试试了，我之前是640x640 我改为320或者128试试，看看速度能够提升多少。

执行：

虽然是传入图片是动态的，经过测试，发现改为其他的尺寸，识别就会出现问题，要不bbox框不对，要不识别出一大堆的方框，而且都是无效方框，后续最终放弃此种方向。

后面经过调试发现，人脸识别一个是bbox和kps提取，还有一个是embding提取，其中bbox和embding提取时长都超200ms了。

后面替换了优化的库，由原来的【det_10g_sim和w600k_r50】改为【det_500m_sim和w600k_mbf】成功把速度500ms 降到了300ms多

看了下耗时，其实主要就是选择步长为8的

其他解决思路

insightface里面最轻量级的也是det_500m，速度上暂时没法提升了，所以考虑采用其他的轻量级网络 进行特征提取和kps（关键点）提取，比ShuffleNetV2、MobileNet或者nanodet等。虽然精度可能会丢失点，但是如果单纯的人脸识别够用的。速度可以从100ms提升到20~30ms，那完全满足功能需求了。

embding提取96ms，依然采用insightface。

这里openmp没有去开启，暂时未定位是哪里的问题，运行一段时间会崩溃，不开启openmp就完全没问题。

人脸识别采用的余弦相似度，相似度的代码：人脸识别之--计算余弦相似度-android-CSDN博客

insightface转ncnn模型打包：https://download.csdn.net/download/p731heminyang/89425438