基于MobileNetV2与树莓派的人脸识别系统①

赵 洋,许 军

(沈阳化工大学 计算机科学与技术学院,沈阳 110142)

自2006年,LeCun 等发现通过逐层预训练的方式可以较好的训练多层神经网络,提出了深度学习(deep learning)的概念[1].从此,人脸识别技术得到了快速的发展,并且已经普遍应用到人们的日常生活中.文献[2]提出基于ARM 进行人脸识别的方法.该方法首先通过ViBe 算法提取监控区域内的运动目标,然后再用局部二值模式 (Local Binary Pattern,LBP) 算法对人脸进行检测和识别.该方法虽然能识别较远距离的人脸,但是识别准确率不高.文献[3]提出基于达芬奇平台OMAP3530 进行人脸识别的方法.该方法首先进行可见光图像和近红外图像的双路图像采集,然后通过Harr-like 特征的AdaBoost 算法进行人脸目标的检测,最后利用LBP 算法进行特征提取.该方法只克服了光照环境对识别精度的影响,然而在复杂环境下,识别效果欠佳.文献[4]提出了一种利用云计算平台实现人脸识别的方法.该方法首先将采集的图像传入嵌入式平台,然后和FaceCore 人脸识别云计算平台交互,利用云计算平台进行人脸的检测和识别.该方法在一定程度上减少了嵌入式设备的计算量,但是需要通过网络和云计算平台进行数据传输,增加了等待的时间,实效性差.文献[5]首先把采集的图像传入互联网端,利用Dlib 官方自带的人脸检测功能定位出人脸图像,然后使用Dlib 官方训练好的深度残差网络模型识别人脸.该方法虽然很大程度上简化了开发的复杂度,但无法同时对多张人脸检测.由以上……