[发明专利]基于ARM微处理器和深度学习的嵌入式人脸识别系统

权利要求书

1.一种基于ARM微处理器和深度学习的嵌入式人脸识别系统，包括上位机和集成有ARM微处理器的控制板，其特征在于，所述上位机用于将驱动程序和预训练好的人脸识别程序移植到控制板上；所述控制板用于运行人脸识别程序并将识别的结果显示在显示器上；所述人脸识别程序包括：网络模型预训练，用于搭建Facenet人脸识别神经网络并对其进行训练；人脸图像获取，通过所述控制板启动图像获取设备进行人脸照片的采集；人脸照片预处理，将所拍摄的人脸照片进行尺度变化，形成图片金字塔；人脸检测，将所述经过预处理的人脸照片送入到预训练好的深度CNN人脸检测神经网络中，得到人脸部分的图片；人脸匹配，将得到的人脸部分的图片送入预训练好的Facenet人脸识别神经网络中，得到匹配结果。

2.根据权利要求1所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述网络模型预训练具体为：搭建Facenet的网络深度网络模型结构，网络损失函数采用在人脸数据集上训练网络参数，并将训练好的模型进行进行准确率验证，其中，表示第i个人的人脸，则为第i个人的人脸的正样本，则为第i个人的人脸的负样本，α为正样本与负样本的差距，f(·)表示网络训练所得到的人脸的特征表达，表示特征表达之间的欧式距离平方，[·]₊表示只有当内的值大于零时，取该值为损失，小于零的时候，损失为0。

3.根据权利要求1所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述人脸照片预处理具体为：将所拍摄的人脸照片进行尺度变化，形成图片金字塔。

4.根据权利要求1所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述人脸检测具体为：将所述预处理后的人脸照片送入到预训练好的深度CNN神经网络中，所述深度CNN神经网络为三部分的级联结构，首先图像将通过第一级CNN用于生成一些可能包含人脸的候选框，接着这些候选框内的图片将通过第二级CNN用于去除第一级所产生的候选框中的不包含人脸的部分，最后剩下的图片通过第三级CNN用于对第二级所产生的人脸图像进行进一步的筛选并输出最终人脸图片。

5.根据权利要求4所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述深度CNN神经网络的三个级联部分在训练过程分别采用了不同的损失函数，具体为每一级的损失函数都为三部分损失函数采用不同权重的加权之和。

6.根据权利要求1所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述人脸匹配具体为：将得到的人脸图像送入预训练好的Facenet人脸识别神经网络中，所述Facenet人脸识别神经网络的输出为人脸的特征表达，对得到的特征表达进行L2规范化处理，处理后的特征送入预训练的SVM分类器中完成对人脸的识别分类，随后将所识别的人脸身份信息显示在显示屏上。

7.根据权利要求1所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述集成有ARM微处理器的控制板上包括ARM微处理器、图像获取设备、显示器、电源模块、复位模块、数据存储模块、通信模块，其中ARM微处理器分别与其他各个模块相连接。

8.根据权利要求7所述的基于ARM微处理器和深度学习的嵌入式人脸识别系统，其特征在于，所述数据存储模块包括NANDFLASH和SDRAM。