人脸识别算法研究与嵌入式加速实现

• 作 者: 叶子龙
• 出 处: 华南理工大学
• 发表日期: 2004年期
• 关键词: 人脸识别 嵌入式 数字信号处理器

人脸识别是通过人的脸部信息进行身份识别的技术,该技术广泛应用在安防和支付等领域。目前的人脸识别在一些应用场景(如高铁人证对比、在线支付认证)已有相对成熟的技术方案。然而,随着智慧城市的建设和高清摄像头的普及,需处理的视频数据量增长迅猛,给人脸识别计算效率带来新的挑战。此外,现有人脸识别模型通常基于深度神经网络,模型参数量大且计算代价高,难以应用在计算资源有限的任务。因此,本文针对人脸识别的计算效率开展两方面研究。首先,针对现有人脸识别难以高效处理大量视频数据的问题,本文研究轻量级的视频人脸识别算法。现有算法主要关注如何聚合视频帧集来提高人脸识别精度,而本算法既考虑聚合方式也考虑运算速度。具体地,本算法在轻量级的图像人脸识别模型中间层插入一个聚合网络,实现对视频的帧集进行中间层特征聚合。这种做法可以减少模型后续需要处理帧的特征数量,从而提高人脸模型对视频数据的处理速度。实验结果表明,本算法的计算速度明显优于现有算法,同时本算法的人脸识别精度能满足实际应用需求。其次,针对人脸模型部署到计算资源有限的嵌入式设备存在推理速度慢的问题,本文进行人脸模型的嵌入式加速研究,并且编写在实际嵌入式设备运行的加速程序。现有面向嵌入式的框架主要使用CPU或GPU等硬件进行推理加速。与之不同,本文使用硬件成本和功耗都较低的DSP(Digital Signal Processor,数字信号处理器)实现加速。具体地,本文设计基于DSP的单个卷积层和连续多个卷积层的计算函数,该函数能减少内部存储空间和外部存储空间的数据交换次数和数据传输量,从而获得速度提升。实验表明,本嵌入式加速方法能有效加快人脸检测模型、人脸特征提取模型以及人脸活体判别模型在嵌入式设备的推理速度。本文切实提高人脸识别的计算效率,有助于推动智慧城市的建设,以及人脸模型在嵌入式设备的应用。