[發明專利]一種基于卷積定理的人臉驗證加速方法

有效

• 申請號: 201611170720.8
• 申請日: 2016-12-16
• 公開（公告）號: CN106709441B
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 劉波;郭申
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

一種基于卷積定理的人臉驗證加速方法，屬于計算機視覺中的人臉驗證領域。對于采用CNN技術的人臉驗證系統，在使用GPU并行計算平臺的基礎上，對滿足加速條件的卷積層，采用卷積定理方法替換常規卷積計算方法進行卷積計算。卷積定理表明，空域中的卷積等價于頻域中的乘積。通過將耗時的卷積計算轉化為頻域中的乘積計算，能夠顯著減少計算量，加快CNN的計算速度。針對人臉驗證系統計算負擔大，運行速度慢的問題，本發明使得人臉驗證系統的運行速度明顯提高，對海量數據的處理能力得以提升。

技術領域

本發明屬于計算機視覺中的人臉驗證領域，涉及一種人臉驗證的加速方法，尤其涉及一種基于卷積定理的人臉驗證加速方法。

背景技術

隨著社會的發展，人們對安全性與便利性的要求日益增加，人臉驗證技術在近幾十年有了長足的發展，其具有直接、友好、方便等優點，可應用在登陸驗證、身份識別等許多場景，從而得到了廣泛的關注與研究。人臉驗證的目標為判斷兩張人臉圖片中的人臉是否為同一個人，主要由人臉圖像預處理、特征提取、特征度量等三部分組成。在深度學習提出之后，特別是在卷積神經網絡(convolutional neural networks,CNN)應用在圖像識別領域取得巨大成功后，研究人員意識到CNN在提取圖像特征方面的優勢。許多研究人員將CNN應用于人臉驗證系統，用于提取人臉特征，實驗表明人臉驗證的正確率有很大的提高，可靠性明顯提升。目前，主流的人臉驗證系統都已采用CNN技術。

但是為了提高正確率，人臉驗證系統采用的CNN模型的層數不斷加深，參數不斷增多，這些復雜的CNN模型導致的主要問題是計算負擔很大。為此，研究人員采用GPU并行計算設備計算CNN，來加快人臉驗證系統的運行速度。這種方法只是將卷積計算并行化，并未本質上改變卷積的計算方式。很多人臉驗證系統在采用GPU計算后，仍達不到實時性要求或難以處理海量的人臉數據。因此，在采用GPU計算設備的基礎上，進一步提出方法加快人臉驗證的計算速度是很有必要的。

發明內容

針對人臉驗證系統計算負擔大，運行速度慢的問題，本發明的目的在于提供了一種基于卷積定理進行人臉驗證加速的實現方案。在此基礎上，人臉驗證系統的運行速度明顯提高，對海量數據的處理能力得以提升。

為實現上述目的，本發明采用的技術方案如下。在使用GPU并行計算平臺的基礎上，對滿足加速條件的卷積層，采用卷積定理方法替換常規卷積計算方法進行卷積計算。卷積定理表明，空域中的卷積等價于頻域中的乘積。通過將耗時的卷積計算轉化為頻域中的乘積計算，能夠顯著減少計算量，加快CNN的計算速度，從而提升人臉驗證的速度。

描述本方法所用符號如下：

本方法流程如圖1所示，包括六個步驟：

步驟1：由卷積層輸入參數判斷是否滿足加速條件。