ArmFaceID-server

提醒🍏：gRPC协作开发请见： 开发Tips：如何实现一个rpc接口~

本 C++ 项目旨在使用gRPC框架搭建一个提供人脸身份识别微服务的后端应用，提供人脸身份注册和人脸身份识别的接口。

构建本项目：CMake

注意⚠️：在 Linux 下构建本项目。

运行以下命令进行构建：

cmake -B ./build
cmake --build ./build/

协同开发约定

• 使用 GitHub + git 进行版本管理。
  • 👑Git 关卡式学习
• 使用 Clion 作为集成开发环境 IDE。
• 采用 Google Cpp 作为编码规范（会采用 clang-format 作为代码自动格式化工具）。
  • 📖Google 开源项目风格指南 - Cpp
• 使用 CMake 构建工程。
  • 📖CMake 保姆级教程（上）
  • 📖CMake 保姆级教程（下）

任务划分

本分支已经在在前主分支的基础上，对gRPC的异步服务端的编写做了略微封装，目标是实现人脸身份注册与人脸身份识别两个接口。

开发并维护人脸身份识别接口

负责开发：

• 请求中的参数：face_img: bytes // 要进行识别的图片
• 响应中的参数：res: UserInfo // 身份识别的结果
• 响应中的消息：数据无效：图片格式错误，识别不到身份，识别成功，

并维护人脸身份注册接口

负责开发：

• 请求中的参数：
• face_img: bytes // 要进行注册的人脸图片
• info: UserInfo // 身份信息
• 响应中的参数：res: User // 注册的结果
• 响应中的消息：数据无效：图片、身份格式错误，人脸图片质量过低，注册成功，

继续开发计划

编写数据库模块，实现人脸特征与个人信息的绑定

已通过 SQLITE 数据库 与 QT 的 QSQL 模块实现基本功能，可能的待优化项：

• Qt 的数据库连接无法跨线程使用，解决办法为维护一个std::thread:id到的map。

使用性能更佳的人脸识别库

未来会尝试在开发板上部署模型，可能涉及模型的转换（pytorch?onnx?ncnn ?），以及运行他们所需的依赖库。

本项目使用的人脸识别库 SeetaFace2 的人脸特征提取是基于 ResNet50 神经网络实现的，但并没有提供 GPU 加速的功能（源码中预留了 GPU 的代码及接口，并未实现 :<），未来计划使用 SeetaFace6 的 GPU 版本。

待办清单🧐:

• 编译准备: WSL 下安装 CUDA Toolkit。
  • CUDA on Windows Subsystem for Linux (WSL)
• 编译 X86_84 Linux GPU 版本的 SeetaFace6。
• 测试对比 SeetaFace2 与 SeetaFace6 的性能表现。
• 交叉编译 aarch64 Linux CPU 版本的 SeetaFace6。