简介¶

DFACE是一个专门为嵌入式设备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，性能稳定等特点，已被广泛用于寄存柜，闸机，访客机，考勤打卡机等各个终端设备，得到各界极高的评价。

算法优势¶

1.高性能算法¶

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，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.高精度算法¶

识别模型和活体模型都采用千万级图像数据训练，算法实际应用准确率高，泛化能力强。识别模型在良好通过率前提下可以控制在万分之一的误识率。IR活体模型在良好通过率前提下可以控制在万分之一的误识率。

3.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等系统，支持Intel、AMD、 ARM等不同架构的CPU。

4.多硬件加速支持¶

目前支持CPU，GPU，NPU三大硬件平台加速。 CPU支持Arm neon或者Intel SSE4/AVX等SIMD技术加速。 GPU支持openCL加速。 NPU目前支持瑞芯微的RK3566、RK3568、RK3588、RV1109、RV1126等芯片。

5.终端和服务器端配合¶

我们同时提供终端SDK和服务器端SDK。目前终端和服务器端人脸特征码通用，满足各个应用场景需求。

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2048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. IR活体检测¶

采用千万级红外图像训练的模型，在红外摄像头下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¶

采用千万级图像数据训练的模型，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。

8. 头部姿态判断¶

准确判断人脸头部yaw，pitch，roll欧拉角。

9. 口罩检测¶

判断人脸是否佩戴口罩。

10. 遮挡检测¶

判断人脸眼睛，鼻子，嘴巴是否遮挡。

解决方案选型¶

本地设备获取摄像头画面，检测人脸，活体判断，人脸特征提取并和本地的数据库比对。云端主要用于人脸库管理，并和本地设备通信同步。

本地识别设备获取摄像头画面，检测人脸，活体判断，人脸特征提取并上传特征字节数组到云端服务器比对。