麗臺(tái)教學(xué) | 利用 NVIDIA Jetson Nano 制作人臉識(shí)別“門禁系統(tǒng)” 第一部分

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

深度學(xué)習(xí)目前應(yīng)用最廣泛的即屬影像辨識(shí)相關(guān)應(yīng)用，麗臺(tái)NVIDIA Jetson Nano 制作人臉識(shí)別“門禁系統(tǒng)”

　　深度學(xué)習(xí)目前應(yīng)用最廣泛的即屬影像辨識(shí)相關(guān)應(yīng)用，例如自動(dòng)駕駛系統(tǒng)、保安監(jiān)控系統(tǒng)、工業(yè)瑕疵檢測(cè)應(yīng)用、工廠安全監(jiān)測(cè)系統(tǒng)及醫(yī)療影像檢測(cè)應(yīng)用等。其中人臉辨識(shí)技術(shù)算是發(fā)展最久且應(yīng)用范圍最廣。人臉辨識(shí)技術(shù)可結(jié)合多種不同產(chǎn)業(yè)的應(yīng)用，如配合公司人員數(shù)據(jù)庫(kù)可開發(fā)門禁系統(tǒng)，整合犯罪數(shù)據(jù)庫(kù)可開發(fā)保安監(jiān)控系統(tǒng)，配合商場(chǎng)可做為后續(xù)市場(chǎng)分析應(yīng)用。人臉辨識(shí)整合進(jìn)數(shù)據(jù)庫(kù)，辨識(shí)出特定人員后，再整合控制即可衍生出很多應(yīng)用。

　　人臉辨識(shí)主要流程分為三個(gè)步驟：

　　· 人臉檢測(cè)(Face Detection)

　　· 人臉對(duì)齊(Face Alignment)

　　· 人臉特征表征(Feature Representation)

　　傳統(tǒng)機(jī)器學(xué)習(xí)的人臉辨識(shí)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(xí)，可以從原始圖像直接學(xué)習(xí)人臉表征。主要三步驟如下：

　　找到所有臉孔

　　Step 1

　　現(xiàn)行常用的臉孔搜尋方法為2005年由Navneet Dalal及Bill Triggs所開發(fā)的，稱為定向梯度直方圖(Histogram of Oriented Gradient，簡(jiǎn)稱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(xùn)練模型準(zhǔn)確定位，不論臉孔位置如何改變，都可以準(zhǔn)確的找到臉孔各部位的相對(duì)位置。

臉孔特征點(diǎn)定位

　　臉孔編碼

　　Step 3

　　此部分如同我們?cè)谟?xùn)練一組卷積神經(jīng)網(wǎng)絡(luò)(CNN)，不過(guò)并非訓(xùn)練整張臉孔，而是訓(xùn)練一個(gè)模型讓每個(gè)臉部可以生成128個(gè)測(cè)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(duì)128個(gè)測(cè)量值，由于同一個(gè)人的任10張測(cè)量值都應(yīng)該大致相同，所以系統(tǒng)透過(guò)此方法可以快速比對(duì)及識(shí)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。