[發(fā)明專利]基于ARM微處理器和深度學(xué)習(xí)的嵌入式人臉識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910232885.0
• 申請日: 2019-03-26
• 公開（公告）號: CN109948568A
• 公開（公告）日: 2019-06-28
• 發(fā)明（設(shè)計）人: 韓瀟;錢素琴
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海泰能知識產(chǎn)權(quán)代理事務(wù)所 31233
• 代理人: 宋纓;錢文斌

本發(fā)明涉及一種基于ARM微處理器和深度學(xué)習(xí)的嵌入式人臉識別系統(tǒng)，其中，上位機用于將驅(qū)動程序和預(yù)訓(xùn)練好的人臉識別程序移植到控制板上；控制板用于運行人臉識別程序并將識別的結(jié)果顯示在顯示器上；人臉識別程序包括：網(wǎng)絡(luò)模型預(yù)訓(xùn)練，用于搭建Facenet的人臉識別神經(jīng)網(wǎng)絡(luò)并對其進行訓(xùn)練；人臉圖像獲取，通過所述控制板啟動圖像獲取設(shè)備進行人臉照片的采集；人臉照片預(yù)處理，將所拍攝的人臉照片進行尺度變化，形成圖片金字塔；人臉檢測，將所述經(jīng)過預(yù)處理的人臉照片送入到預(yù)訓(xùn)練好的深度CNN人臉檢測神經(jīng)網(wǎng)絡(luò)中，得到人臉部分的圖片；人臉匹配，將得到的人臉部分的圖片送入預(yù)訓(xùn)練好的Facenet人臉識別神經(jīng)網(wǎng)絡(luò)中，得到匹配結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及人臉識別技術(shù)領(lǐng)域，特別是涉及一種基于ARM微處理器和深度學(xué)習(xí)的嵌入式人臉識別系統(tǒng)。

背景技術(shù)

從古至今，身份認(rèn)證一直是人類生活各個方面的一個重要環(huán)節(jié)。從古代皇帝調(diào)兵遣將的虎符，再到現(xiàn)如今的日常通勤的打卡系統(tǒng)，門禁系統(tǒng)等，身份認(rèn)證的技術(shù)發(fā)生了翻天覆地的變化。在21世紀(jì)的今天，隨著信息科學(xué)技術(shù)的發(fā)展，人臉因其具備普遍性、唯一性、易采集性等特點而被逐漸運用于身份認(rèn)證系統(tǒng)當(dāng)中。同時，有越來越多的學(xué)者和科研單位加入到人臉識別的研究當(dāng)中，可見人臉識別所具備的學(xué)術(shù)價值、經(jīng)濟價值和社會價值都是巨大的。人臉識別技術(shù)能夠運用在移動支付認(rèn)證、門禁系統(tǒng)認(rèn)證、銀行賬戶認(rèn)證等方面，它能夠克服傳統(tǒng)身份認(rèn)證方式的一些缺點，如身份ID卡易丟失，數(shù)字密碼易遺忘等，可見人臉識別技術(shù)對身份認(rèn)證和人們的日常生活有著深遠的影響。

在人臉識別系統(tǒng)中，人臉是用來判斷個人身份的唯一途徑，它通過攝像頭采集活體個人照片再送入識別系統(tǒng)，得到個體的特征向量，通過特征向量的對比或聚類就能夠從數(shù)據(jù)庫中找到對應(yīng)的數(shù)據(jù)從而完成識別。

傳統(tǒng)的人臉識別系統(tǒng)是通過對人臉的特征點進行比對或者降維進行的，這種方法忽略了人臉的紋理信息和局部信息等，存在識別精度較低的問題。同時，傳統(tǒng)的人臉識別系統(tǒng)主要借助攝像頭，PC機等主要模塊完成，這就使得系統(tǒng)的實現(xiàn)成本較高，體積龐大且不利于安裝維護。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種基于ARM微處理器和深度學(xué)習(xí)的嵌入式人臉識別系統(tǒng)，具備體積小，精度高，速度快、成本低的特點。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種基于ARM微處理器和深度學(xué)習(xí)的嵌入式人臉識別系統(tǒng)，包括上位機和集成有ARM微處理器的控制板，所述上位機用于將驅(qū)動程序和預(yù)訓(xùn)練好的人臉識別程序移植到控制板上；所述控制板用于運行人臉識別程序并將識別的結(jié)果顯示在顯示器上；所述人臉識別程序包括：網(wǎng)絡(luò)模型預(yù)訓(xùn)練，用于搭建Facenet人臉識別神經(jīng)網(wǎng)絡(luò)并對其進行訓(xùn)練；人臉圖像獲取，通過所述控制板啟動圖像獲取設(shè)備進行人臉照片的采集；人臉照片預(yù)處理，將所拍攝的人臉照片進行尺度變化，形成圖片金字塔；人臉檢測，將所述經(jīng)過預(yù)處理的人臉照片送入到預(yù)訓(xùn)練好的深度CNN人臉檢測神經(jīng)網(wǎng)絡(luò)中，得到人臉部分的圖片；人臉匹配，將得到的人臉部分的圖片送入預(yù)訓(xùn)練好的Facenet人臉識別神經(jīng)網(wǎng)絡(luò)中，得到匹配結(jié)果。

所述網(wǎng)絡(luò)模型預(yù)訓(xùn)練具體為：搭建Facenet的網(wǎng)絡(luò)深度網(wǎng)絡(luò)模型結(jié)構(gòu)，網(wǎng)絡(luò)損失函數(shù)采用在人臉數(shù)據(jù)集上訓(xùn)練網(wǎng)絡(luò)參數(shù)，并將訓(xùn)練好的模型進行進行準(zhǔn)確率驗證，其中，表示第i個人的人臉，則為第i個人的人臉的正樣本，則為第i個人的人臉的負(fù)樣本，α為正樣本與負(fù)樣本的差距，f(·)表示網(wǎng)絡(luò)訓(xùn)練所得到的人臉的特征表達，表示特征表達之間的歐式距離平方，[·]₊表示只有當(dāng)內(nèi)的值大于零時，取該值為損失，小于零的時候，損失為0。

所述人臉照片預(yù)處理具體為：將所拍攝的人臉照片進行尺度變化，形成圖片金字塔。