基于深度学习的ARM平台实时人脸识别

摘要：

针对ARM平台上人脸识别实时性不强和识别率低的问题,提出一种基于深度学习的实时人脸识别方法.首先基于MTCNN人脸检测算法设计了一种实时检测并追踪人脸的算法;然后在ARM平台上基于深度残差网络(ResNet)设计人脸特征提取网络;最后针对ARM平台的特点,使用Mali-GPU加速人脸特征提取网络的运算,分担CPU负荷,提高系统整体运行效率.算法部署在基于ARM的瑞芯微RK3399开发板上,运行速度达到22帧/s.实验结果表明,与MobileFaceNet相比,该方法在MegaFace上的识别率提升了11个百分点.

关键词：ARM平台、人脸识别、人脸追踪、残差网络、Mali-GPU

所属期刊栏目：39

分类号：TP183;TP391.4(自动化基础理论)

资助基金：国家自然科学基金资助项目61572381;武汉科技大学智能信息处理与实时工业系统湖北重点实验室基金资助项目znxx2018QN06

在线出版日期：2019-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2217-2222