在前文交叉编译armv7运行环境以及嵌入式opencv的编译示例以及实现嵌入式设备中的人脸检测中，我们都是在Linux环境中工作的。如果需要引用摄像头等多媒体测试，Linux编译机就没有那么易用了，这里我们以windows举例演示opencv库的引用及二维码的识别。

在前文交叉编译armv7运行环境以及嵌入式opencv的编译示例，我们已经构建了对应运行环境的交叉编译链，以及编译了opencv作为用例。现在我们需要简单实现一个人脸检测程序，本着拒绝重复造轮子的思想我们使用开源库实现。

摘要 本文介绍了如何在Rockchip RV1109/RV1126等嵌入式芯片上利用NPU加速运行InspireFace人脸识别框架。作者提供了预编译的Docker开发环境(astercass/arm-gcc-8.3.0-dev-toolchain:1.1.0)，并详细说明了交叉编译流程，包括使用arm-linux-gnueabihf工具链和特定版本的GCC编译器。文章还给出了CMake配置文件示

当我们在聊如何加快从数据库获取数据的效率时，可能会谈及如果数据库的查询缓慢并不是由于语句、索引、设计或者服务调用导致，单纯是数据表中数据过多影响的解决方案，一般我们会认为如果数据文件超过2G或者表中数据超过500万条的情况下，我们使用常规手段对于获取数据的效率提升已经不会很明显了，此时分库分表就是一个相对来说非常值得考虑的选择在数据量足够大的情况下，访问量一般也不会小，所以不仅仅是分库分表，我们还

在之前实现嵌入式设备中的人脸识别中，我们使用的是Opencv的原生模型。当时就有谈到，即使是其中相对最优的LBPH模型也已经非常古老，如果小伙伴们需要更加优秀、现代化的模型，可以参考本文章。如果你对于人脸识别、交叉编译等此前完全没有了解，可以先参考前文有一个大概的认知。

前文实现嵌入式设备中的人脸检测中，我们使用了库进行简单的人脸检测，现在我们尝试使用opencv原始库face进行人脸识别如果希望在摄像头内动态人脸识别，在使用Qt的前提下，可以参考本站Windows下使用Qt引用opencv库进行二维码识别内部分代码。

在之前实现嵌入式设备中的人脸识别中，我们使用的是Opencv的原生模型。当时就有谈到，即使是其中相对最优的LBPH模型也已经非常古老，如果小伙伴们需要更加优秀、现代化的模型，可以参考本文章。如果你对于人脸识别、交叉编译等此前完全没有了解，可以先参考前文有一个大概的认知。

如果要在Qt下实现软键盘的应用程序，在非嵌入式设备下就一行代码就可以处理了如果你希望自定义样式或者输入法，而你的嵌入式设备使用的是QML前端框架，也比较相对比较简单，可以参考，以及官网相关说明但是如果你使用的纯Widgets开发，而且又不希望混用QML的话就会稍微麻烦点了如果你有更好的解决方案，可以在下方评论区提出，或者联系站长，这里我们是通过修改开源QWidget下实现来处理这个问题的，相对来说

最近在做嵌入式下计算机视觉相关功能的实现，那么交叉编译和opencv库基本上就是必要条件了，这里记录下相关内容的构建以及猜的一些坑。

在阅读本文之前，默认已阅读前文C++常用库交叉编译方法（一）（环境构建和Qt以及Boost）的前言和环境构建部分，该文章的其他的部分可以根据需求决定是否阅读本文以及后续相关内容都在前文生成的容器中处理，命令行内容除非特殊说明，否则都在该容器执行。