虹软人脸识别——官方 Qt Demo 移植到 Linux

一、前言

最近需要在 Linux 平台下开发一个人脸识别相关的应用，用到了虹软的人脸识别 SDK。之前在 Windows 平台用过，感觉不错，SDK 里面还带了 Demo 可以快速看到效果。打开 Linux 版本的 SDK 里面没有发现 Demo，于是想着把 Windows 的 Demo 移植到 Linux。这篇文章记录了移植的过程，Linux 用的是 Ubuntu 20.04（使用虚拟机 VMware Workstation 15 Player）。

二、配置依赖

2.1 ArcFace SDK

到虹软官网下载人脸识别 SDK 3.1 Linux 增值版本解压到合适的目录，并从官网获取 APP_ID、SDK_KEY 和 ACTIVE_KEY，用于写到配置文件用来激活 SDK。

2.2 OpenCV

到 OpenCV 官网下载源码，我用的版本是 3.4.9。可以按照官网的教程 Installation in Linux 自行编译，我参考官网教程使用下面的这些命令在 GCC 9.3.0（Ubuntu 20.04 自带的编译器）上编译成功。

sudo apt update
sudo apt install build-essential
sudo apt install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
cd <OpenCV 源码目录>
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=<自定义目录> ..
make -j3    # 可以使用核心数 - 1 个线程来编译
sudo make install

2.3 Qt

Qt 使用的是 5.14.2 版本。

三、项目文件

3.1 .pro 文件

原 Windows Demo 使用的是 Visual Studio 2015，在 Linux 下我这里用到了 Qt Creator 进行开发，因此需要编写 .pro 文件，包括以下几个方面：

用到的 Qt 模块
编译出来的程序名
用到的头文件、源文件和资源文件
依赖库的头文件及库名

.pro 文件中依赖库的路径因人而异，因此留白，需要按照自己的实际情况配置。

更具体的内容查看文末提供的源码。

3.2 文件编码

原源码文件使用的是 GBK 编码，需要转换为 UTF-8 编码。将下面的命令保存到 convert.sh 文件中并用 chmod u+x convert.sh 赋予可执行权限。

#!/bin/bash

for i in "$@"; do
    desc=$(file "$i")
    if $(echo $desc | grep -i "UTF-8 Unicode" > /dev/null); then
        if $(echo $desc | grep -i "(with BOM)" > /dev/null); then
            echo "Remove UTF-8 BOM: " $i
            sed -i "1s/^\xef\xbb\xbf//" "$i"
        fi
    elif $(echo $desc | grep -i "ISO-8859" > /dev/null); then
        echo     "GBK --> UTF-8   : " $i
        temp=temp.txt
        iconv -f gbk -t utf-8 -o "$temp" "$i"
        mv "$temp" "$i"
    fi
done

在源码根目录下运行 find . -type f \( -name "*.h" -o -name "*.cpp" \) | xargs -I{} ./convert.sh "{}" 将所有的文件的编码从 GBK 转为 UTF-8，并去除现有 UTF-8 文件的 BOM 头。

四、代码修改

到这里已经可以用 Qt Creator 打开项目了，但在代码中还存在一些问题，一方面是原代码使用了一些 Windows 平台特有的 API，一方面是有些代码在 Linux 有兼容性问题。先去除 Windows 特有的依赖到编译通过，再补充必要的依赖，最后解决兼容性问题。

4.1 修改报错直至编译通过

直接进行编译，逐步解决编译错误，通过下面的方式可以解决编译错误：

删除 Utils.cpp 中报错的头文件、GUID 宏、listDevices 函数的主体、UTF8_To_string 和 string_To_UTF8 函数。
将所有包含的 qDebug 改为 QDebug。
将 Sleep(milli) 改为 std::this_thread::sleep_for(std::chrono::milliseconds(milli))。
删除 MSVC 的链接库的编译指令 #pragma comment ...。
将原来使用 OpenCV 2 的接口迁移到目前的 OpenCV 3。
- IplImage 到 cv::Mat 的转换由 cv::Mat mat(ipl, false) 改成 cv::Mat mat = cv::cvarrToMat(ipl)。
- cv::Mat 到 IplImage 的转换由 IplImage(mat) 改成 cvIplImage(mat)，在原来的代码里 cv::Mat 转为 IplImage 后有个取地址，对右值取地址是不安全的，需要用一个变量保存转换后的值再对这个变量取地址。
- 在调用 cvRectangle 时将 CV_RGB 改成 cvScalar。
- 使用 cv::cvtColor 需要额外包含头文件 opencv2/imgproc.hpp。
- 使用 cv::VideoCapture 需要额外包含头文件 opencv2/videoio.hpp
将 strcpy_s 改成 strncpy，仅有参数位置上的改变。
将 TRUE 改为 true，将 FALSE 改为 false。

改了编译错误后，忽略警告已经可以编译通过了，接下来是补充刚才删除的一些必要依赖及解决兼容性问题。

因为环境差异，可能出现错误的顺序不一致，但基本上是上面提到的错误之一。

4.2 重新实现获取摄像头列表的函数

原 Windows Demo 使用了 Windows 特有的 dshow 来查找摄像头，在这里直接用 cv::VideoCapture 尝试打开来获取摄像头的索引：

auto list = std::vector<int>();
for (auto i = 0; i != 10; ++i)
{
    auto cap = cv::VideoCapture(i);
    if (cap.isOpened()) { list.emplace_back(i); }
    cap.release();
}

Demo 可以只打开一个RGB摄像头，也可以同时打开一个RGB摄像头和一个IR摄像头。原代码保存获取摄像头的名称，仅用来统计数量，具体打开哪个摄像头是通过settings.ini文件来配置的。在改变探测摄像头存在的数量的方式后，顺带改变了打开摄像头的逻辑，仅一个摄像头就认为是仅打开普通摄像头。在settings.ini文件中配置两种摄像头的索引，如果索引为 -1，则自动把小的索引认为是普通摄像头，大的索引认为是红外摄像头，如果和真实情况不一致可手动指定摄像头索引。

settings.ini文件在后面运行 Demo 时会有更多的说明。

4.3 修复弹出文件选择框失败的兼容性问题

在 Ubuntu 20.04 下，Qt 的 QFileDialog::getOpenFileName 和 QFileDialog::getExistingDirectory 存在一些问题，在打开时会卡死界面，通过将最后一个参数设置为 QFileDialog::DontUseNativeDialog 可以解决这个问题。