麗臺教學(xué) | 利用 NVIDIA Jetson Nano 制作人臉識別“門(mén)禁系統” 第一部分

來(lái)源：麗臺科技編輯：lsy631994092 2021-01-14 08:34:53 加入收藏

深度學(xué)習目前應用最廣泛的即屬影像辨識相關(guān)應用，麗臺NVIDIA Jetson Nano 制作人臉識別“門(mén)禁系統”

　　深度學(xué)習目前應用最廣泛的即屬影像辨識相關(guān)應用，例如自動(dòng)駕駛系統、保安監控系統、工業(yè)瑕疵檢測應用、工廠(chǎng)安全監測系統及醫療影像檢測應用等。其中人臉辨識技術(shù)算是發(fā)展最久且應用范圍最廣。人臉辨識技術(shù)可結合多種不同產(chǎn)業(yè)的應用，如配合公司人員數據庫可開(kāi)發(fā)門(mén)禁系統，整合犯罪數據庫可開(kāi)發(fā)保安監控系統，配合商場(chǎng)可做為后續市場(chǎng)分析應用。人臉辨識整合進(jìn)數據庫，辨識出特定人員后，再整合控制即可衍生出很多應用。

　　人臉辨識主要流程分為三個(gè)步驟：

　　· 人臉檢測(Face Detection)

　　· 人臉對齊(Face Alignment)

　　· 人臉特征表征(Feature Representation)

　　傳統機器學(xué)習的人臉辨識中，一般可分為高維度人工特征提取(例如 : LBP, Gabor)和降維(例如 : PCA, LDA)兩個(gè)步驟。不過(guò)透過(guò)深度學(xué)習，可以從原始圖像直接學(xué)習人臉表征。主要三步驟如下：

　　找到所有臉孔

　　Step 1

　　現行常用的臉孔搜尋方法為2005年由Navneet Dalal及Bill Triggs所開(kāi)發(fā)的，稱(chēng)為定向梯度直方圖(Histogram of Oriented Gradient，簡(jiǎn)稱(chēng)HOG)。

　　HOG臉孔特征搜尋

　　臉孔特征點(diǎn)定位

　　Step 2

　　找到臉孔位置后，接下來(lái)則是進(jìn)一步找到臉孔上各部位的特征點(diǎn)，此處使用的是2014年Vahid Kazemi和Josephine Sullivan開(kāi)發(fā)的方法。即便每個(gè)人的臉孔輪廓會(huì )有不同，但在人臉上基本都可以找到這68個(gè)定位點(diǎn)。若能訓練模型準確定位，不論臉孔位置如何改變，都可以準確的找到臉孔各部位的相對位置。

臉孔特征點(diǎn)定位

　　臉孔編碼

　　Step 3

　　此部分如同我們在訓練一組卷積神經(jīng)網(wǎng)絡(luò )(CNN)，不過(guò)并非訓練整張臉孔，而是訓練一個(gè)模型讓每個(gè)臉部可以生成128個(gè)測量值。主要程序分別為載入已知人物的臉孔影像、載入同一位已知人物的另一張臉孔影像、載入完全不同的人物的臉孔影像。透過(guò)臉孔比對128個(gè)測量值，由于同一個(gè)人的任10張測量值都應該大致相同，所以系統透過(guò)此方法可以快速比對及識別身份。此方法是由Google研究人員Florian Schroff、Dmitry Kalenichenko及James Philbin在2015年研發(fā)出來(lái)的。