轻量化神经网络和哈希跟踪算法在嵌入式人脸抓拍系统中的应用

摘要：

针对嵌入式设备上难以兼顾人脸抓拍的速度和准确率的问题,基于轻量化神经网络和哈希(Hash)跟踪算法设计了一种快速精准的嵌入式人脸抓拍系统.首先,对轻量化网络MobileNet固态硬盘(solid state disk,SSD)剪枝和优化网络结构构建人脸检测网络;其次,人脸对齐后基于均值哈希(average Hash,aHash)与感知哈希(perceptual Hash,pHash)设计融合哈希(fusion Hash,fHash)算法跟踪人脸,使用关键点欧氏距离、人脸尺寸和四方向Sobel算子三标准提取最佳的人脸图像;最后,使用MobileFaceNet对最佳人脸进行识别.实验结果表明:与MobileNet SSD相比,该人脸检测算法速度提升了22.6％;与均值哈希和感知哈希算法相比该融合哈希算法匹配准确率提高了21.7％和10.1％;实际场景中系统人脸抓拍准确率超过95％,抓拍速度达到28帧/s.

关键词：人脸抓拍;嵌入式;哈希跟踪;深度学习

所属期刊栏目：27

分类号：TP391.4;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市重大基础研发项目

在线出版日期：2022-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1018-1028