开源最前线（ID：OpenSourceTop） 猿妹综合整理综合自：中科视拓订阅号、

近日，来自中科院计算所的人工智能国家队中科视拓宣布，开源商用级SeetaFace2人脸识别算法。

短短几天时间，就登上了Github单日趋势榜第一，标星 740，创建 227 个fork，提交了 43 次commits（Github地址：）

SeetaFace2 人脸识别引擎包括了搭建一套全自动人脸识别系统所需的三个核心模块，即：人脸检测模块 FaceDetector、面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer。还将陆续开源人脸跟踪、闭眼检测等辅助模块。

SeetaFace2 采用标准 C++ 开发，全部模块均不依赖任何第三方库，支持 x86 架构（Windows、Linux）和 ARM 架构（Android）。SeetaFace2 支持的上层应用包括但不限于人脸门禁、无感考勤、人脸比对等。

SeetaFace2 是面向于人脸识别商业落地的里程碑版本，其中人脸检测模块在 FDDB 上的 100 个误检条件下可达到超过 92% 的召回率，面部关键点定位支持 5 点和 81 点定位，1 比 N 模块支持数千人规模底库的人脸识别应用。

与 2016 年开源的 SeetaFace 1.0 相比，SeetaFace2 在速度和精度两个层面上均有数量级的提升。

编译简介

2.1 编译依赖

GNU Make 工具GCC 或者 Clang 编译器CM2.2 linux和windows平台编译说明

linux 和 windows 上的 SDK 编译脚本见目录 craft，其中 craft/linux 下为 linux 版本的编译脚本，craft/windows 下为 windows 版本的编译脚本，默认编译的库为64位 Release 版本。

linux 和 windows上的SDK编译方法：

打开终端（windows上为VS2015 x64 Native Tools Command Prompt 工具，linux 上为bash），cd 到编译脚本所在目录；

执行对应平台的编译脚本。

linux 上 example 的编译运行方法：

cd 到 example/search 目录下，执行 make 指令；拷贝模型文件到程序指定的目录下；执行脚本 run.sh。

windows 上 example 的编译运行方法：

使用 vs2015 打开 SeetaExample.sln 构建工程，修改 Opencv3.props 属性表中变量 OpenCV3Home 的值为本机上的 OpenCV3 的安装目录；执行 vs2015 中的编译命令；拷贝模型文件到程序指定的目录下，运行程序。2.3 Android平台编译说明

Android 版本的编译方法：

安装 ndk 编译工具；环境变量中导出 ndk-build 工具；cd 到各模块的 jni 目录下（如SeetaNet 的 Android 编译脚本位置为SeetaNet/sources/jni, FaceDetector的Android 编译脚本位置为FaceDetector/FaceDetector/jni），执行 ndk-build -j8 命令进行编译。

编译依赖说明：人脸检测模块 FaceDetector，面部关键点定位模块 FaceLandmarker 以及人脸特征提取与比对模块 FaceRecognizer 均依赖前向计算框架 SeetaNet 模块，因此需优先编译前向计算框架 SeetaNet 模块。