人臉辨識技術(shù)是近年熱門科技。在iPhone手機(jī)的演進(jìn)下,蘋果去在推出了Face ID功能取代了指紋辨識,讓一般消費(fèi)者也注意人臉辨識的應(yīng)用。在人臉辨識系統(tǒng)被廣泛討論之下:一張獨(dú)立且唯一的臉,可以確認(rèn)使用者身份,取代傳統(tǒng)的密碼輸入。此技術(shù)快速的運(yùn)用在智能家居,公司門禁,甚至警政系統(tǒng)。
人工智能(AI)技術(shù)加持成就人臉辨識系統(tǒng)
人臉辨識的技術(shù)核心,是在人臉上取出具有“辨別度”的特征值。也就是說,同個(gè)人在在不一樣打扮,表情與視角的情境之下,還具有非常類似的特征值。相反地,對于不同人的人臉,因?yàn)榫哂小氨鎰e度”的特征值是不同的,必需很容易區(qū)別出來。人臉辨識的一般步驟為:人臉偵測、人臉校正、人臉特征值的擷取。
在使用人工智能(AI)之前,使用特定算法:每個(gè)工程師必須開不同的算法,使用不同的濾波器,去準(zhǔn)確達(dá)到人臉偵測、人臉校正、人臉特征值的擷取以達(dá)到人臉辨識效果。這種方法非常的曠日廢時(shí)。而且會因不同的硬體架構(gòu),不同的硬體加速,必須修改不同的演算邏輯,或是運(yùn)動不同的濾波器。所以,此種方式的人臉辨識在跨平臺上的應(yīng)用就會有所限制。而現(xiàn)在廣泛使用人工智能(AI)技術(shù)來實(shí)現(xiàn)人臉辨識。
所謂的人工智能(AI)是電腦科學(xué)的一個(gè)領(lǐng)域,達(dá)到學(xué)習(xí)、解決問題和模式辨識。在這過程中必須讓電腦可以做到"機(jī)器學(xué)習(xí)(ML)"甚至"深度學(xué)習(xí)(DL)"。機(jī)器學(xué)習(xí) (ML) 和深度學(xué)習(xí) (DL) 這都是需要強(qiáng)大運(yùn)算能力的t超級電腦與龐大的資料庫。因此,以前的人工智能(AI)系統(tǒng)架構(gòu),必須與云端平臺(例如AWS, Google..)連線才能實(shí)現(xiàn)。而為了使終端設(shè)備(Edge)在不聯(lián)網(wǎng)的情境下也能實(shí)現(xiàn)人工智能(AI), 許多開源公司開始開發(fā)?有的學(xué)習(xí)模型(Model Firmwork)并提供產(chǎn)業(yè)界使?。但仍亟需解決的問題:如何整合各家開源公司所提供的學(xué)習(xí)模型(Model Firmwork)。
以下為基于NXP i.mx8m mini的人工智能架構(gòu)下之人臉辨識解決方案:
在此方案中,先介紹eIQ( edge Intelligence Quotient )這個(gè)軟體的平臺。其主要功能為在edge端直接inference(推理) 學(xué)習(xí)模型(Model Firmwork),并得出計(jì)算出最終結(jié)果。在不同的開源公司中,其學(xué)習(xí)模型(Model Firmwork)也有所不同。
例如:TensorFlow/TensorFlow Lite: 由谷歌(Google)提供的 Model framework, Caffe/Caffe2: 由臉書(Facebook)提供的 Model framework。
eIQ軟體的平臺, 整合?前流?的故種不同的開源學(xué)習(xí)模型,根據(jù)各家開源學(xué)習(xí)模組所擅?的領(lǐng)域,可以直接在NXP產(chǎn)品(MPU與MCU)上執(zhí)?并且完全不受?擾可獨(dú)立的進(jìn)?運(yùn)作,替客?節(jié)省成本以及開發(fā)時(shí)程。 如下:
在此架構(gòu)下:
品佳集團(tuán)將教導(dǎo)客戶在Linux Kernel 4.14.98的基礎(chǔ)上,使?Yocto Project開發(fā)環(huán)境,如何編譯Opencv, tensorflow-lite等應(yīng)?程式及學(xué)習(xí)庫 。接著整合TensorFlow的機(jī)器學(xué)習(xí)過程,訓(xùn)練"MobilFaceNets"模型,將其轉(zhuǎn)換成在TensorFlow Lite人臉辨識學(xué)習(xí)模型。在Yocto Project開發(fā)環(huán)境,整合eIQ人工智能軟體系統(tǒng)。并將上訴得到的人臉辨識學(xué)習(xí)模型 inference(推理) 致i.mx8m mini的系統(tǒng)架構(gòu)之中。這樣一來,客戶即可以在i.mx8m mini的系統(tǒng)架構(gòu)實(shí)現(xiàn)人臉辨識的功能。
方案來源于大大通