简介¶
DFACE是一个专门为物联网设备和移动端优化的离线人脸识别SDK,支持边缘计算异构模式,可覆盖CPU,GPU,NPU等计算类型。 SDK包含了人脸检测,人脸特征提取,人脸跟踪,RGB活体检测,IR活体检测,人脸关键点,人脸质量评估,口罩检测,性别年龄检测等常用的模块。 DFACE以其功能强大,运行速度快而稳定等特点,已被广泛用于工业消防,智能楼宇,智能教育,智能零售等各个行业,得到各界极高的评价。
技术背景¶
1.技术概要¶
1.深度神经网络¶
识别和速度往往会有一个平衡,例如识别精度越高,速度越慢。我们选择最佳的能效比方案 ,识别网络采用先进的模型结构,同时增加亚洲人脸训练比例,即使在性能较差的设备端运行也能保持较高的精度。
嵌入式设备往往较为苛刻,例如ARM的计算性能一般,内存比较小。 我们针对ARM对算法做了底层的加速优化,利用模型剪枝,蒸馏,量化等压缩技术把模型进一步缩小,从而使其能够运行在嵌入式终端中。
2.多平台支持¶
由于我们的端到端设计,因此能够实现一套代码多处编译的效果。目前 我们的SDK支持Linux, Windows, Android, IOS 等系统,支持Intel,AMD, ARM等不同架构的CPU。
4.算法功能¶
1. 人脸检测¶
人脸检测采用最先进的深度学习算法,通过千万张图片先验知识的学习,该技术 目前在复杂环境下依旧能够快速准确的对人脸进行检测。
2. 人脸跟踪¶
多人脸持续跟踪算法,适合多人识别应用场景。
3. 人脸关键点检测¶
基于深度学习的106人脸关键点回归技术,能够在复杂环境下稳定地运行,包括不 同光照变换、各种姿态、表情变化的人脸。区别于传统的ASM,CLM等关键点技术, 我们把人脸局部关键点搜索全部CNN化,模型鲁棒性更强,关键点定位更加准确。
4. 人脸特征提取¶
人脸识别往往把不同的人脸图片信息映射到同一纬度的特征向量,我们优化了损 失函数,可以做到相同类别的人脸差异很小,而不同类别的人脸差异很大,因此很适 合做高精度人脸识别。目前每个人脸特征统一到1024字节大小的数组,方便后续的 人脸比对。
5. 人脸质量评分¶
提供基于深度学习的人脸质量评分网络, 非常适合人脸预处理,避免无效人脸注册和识别。
6. 红外活体检测¶
基于双目视差原理计算人脸深度,同时对红外反射形成的图像进行分析,更有效的进行活体判断。能抵御视频回放,打印照片等常用的攻击手段。
7. RGB活体检测¶
工业级RGB静默活体检测,可以在一个普通的摄像头下即可进行静默活体判断,能有效抵御视频回放攻击,打印照片攻击,面具攻击等。相对于传 统的主动活体,RGB活体检测用户体验更佳,用途更广泛。