[發明專利]一種基于ARM平臺的人臉識別方法及系統

有效

• 申請號: 201911093841.0
• 申請日: 2019-11-11
• 公開（公告）號: CN110909638B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 安民洙;葛曉東;林玉娟;姜賀;梁立宏
• 申請（專利權）人: 廣東光速智能設備有限公司;騰暉科技建筑智能（深圳）有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 盧澤明

本發明公開一種基于ARM平臺的人臉識別方法及系統，該方法包括獲取圖像采集設備采集到的原始圖像畫面，對原始圖像畫面進行縮小尺寸調整，得到第一臉部圖像區域，對第一臉部圖像區域分別進行兩次尺寸的放大調整后，得到位置坐標區域，對包含有目標臉部對象的位置坐標區域進行人臉檢測，從位置坐標區域中提取目標臉部對象的臉部特征，利用臉部特征執行人臉識別操作。該系統用于實現上述的人臉識別方法。本發明既提高了人臉的檢測速度，又不會降低人臉檢測的精度，使得整個識別系統在更加輕量化的同時又不失精度，具有較高的實用性。

【技術領域】

本發明涉及人臉識別技術領域，具體的，涉及一種基于ARM平臺的人臉識別方法以及應用于該方法的系統。

【背景技術】

人臉識別技術是跨圖像處理、模式識別等多學科的技術，通過利用計算機對人臉圖像進行處理和分析，獲取有效特征信息，進行身份識別。相比其它生物識別技術，人臉識別具有采集的非接觸性、非強制性、操作簡單、結果直觀、隱蔽性好等特點，更為人們所接受。人的面部特征具有穩定性、獨有性等特點，很適合作為辨別身份的信息。人臉識別包含人臉檢測和特征提取兩個部分，人臉檢測是在圖像上檢測人臉的位置，特征提取是根據檢測到的人臉位置，在原圖像上提取人臉特征。

傳統的人臉識別算法主要依賴于幾何結構和灰度信息，識別精度較低。隨著計算機技術的發展，深度學習開始應用在人臉識別領域，大幅度提高了人臉檢測識別的精度。深度學習依靠多層卷積層來提取人臉特征，并生成一定數量的人臉候選框，通過訓練對候選框進行處理，最終得到精確的人臉位置。由于卷積運算非常耗時，所以基于深度學習的人臉識別算法的運算速度較慢。因此，如何做到實時對人臉進行檢測成為了基于深度學習的人臉識別算法的主要問題。

由于檢測圖像的尺寸是影響人臉識別速度的原因之一，現有的人臉識別算法直接將待檢測的整張圖像輸入到網絡中，對于大尺度圖像，由于卷積耗時和人臉候選框數量的增加，這種方法會大幅度的降低檢測速度。然而，如果簡單的將圖像進行縮小檢測又會損失原始圖像的信息，導致檢測精度降低。

【發明內容】

本發明的主要目的是提供一種可以提高人臉識別速度的基于ARM平臺的人臉識別方法。

本發明的另一目的是提供一種可以提高人臉識別速度的基于ARM平臺的人臉識別系統。

為了實現上述的主要目的，本發明提供的基于ARM平臺的人臉識別方法包括獲取圖像采集設備采集到的原始圖像畫面，其中，所述原始圖像畫面中包括待檢測的目標臉部對象；對所述原始圖像畫面進行縮小尺寸調整，得到第一臉部圖像區域；對所述第一臉部圖像區域分別進行兩次尺寸的放大調整后，得到位置坐標區域；對包含有目標臉部對象的位置坐標區域進行人臉檢測，從所述位置坐標區域中提取所述目標臉部對象的臉部特征，利用所述臉部特征執行人臉識別操作。

進一步的方案是，采用雙線性插值算法對所述原始圖像畫面進行處理，得到尺寸是所述原始圖像畫面0.5倍的待檢測縮小圖像。

更進一步的方案是，利用MTCNN模型在尺寸縮小后的原始圖像畫面上進行人臉檢測，確定出與所述目標臉部對象對應的所述第一臉部圖像區域，以進行一次的檢測篩選。

更進一步的方案是，采用雙線性插值算法對所述第一臉部圖像區域進行放大和分辨率調整，得到尺寸是所述第一臉部圖像區域2倍并且與在所述原始圖像畫面中的目標臉部對象相對應的位置坐標區域，并且再將所述位置坐標區域進行放大和分辨率調整，將二次放大后的位置坐標區域在所述原始圖像畫面上對應的位置作為二次人臉檢測的區域范圍。

更進一步的方案是，對包含有目標臉部對象的位置坐標區域進行人臉檢測，得到第二臉部圖像區域，并截取所述第二人臉區域的圖像，提取所述目標臉部對象的臉部特征，利用所述臉部特征執行人臉識別操作。