[发明专利]一种基于卷积定理的人脸验证加速方法

说明书

一种基于卷积定理的人脸验证加速方法，属于计算机视觉中的人脸验证领域。对于采用CNN技术的人脸验证系统，在使用GPU并行计算平台的基础上，对满足加速条件的卷积层，采用卷积定理方法替换常规卷积计算方法进行卷积计算。卷积定理表明，空域中的卷积等价于频域中的乘积。通过将耗时的卷积计算转化为频域中的乘积计算，能够显著减少计算量，加快CNN的计算速度。针对人脸验证系统计算负担大，运行速度慢的问题，本发明使得人脸验证系统的运行速度明显提高，对海量数据的处理能力得以提升。

技术领域

本发明属于计算机视觉中的人脸验证领域，涉及一种人脸验证的加速方法，尤其涉及一种基于卷积定理的人脸验证加速方法。

背景技术

随着社会的发展，人们对安全性与便利性的要求日益增加，人脸验证技术在近几十年有了长足的发展，其具有直接、友好、方便等优点，可应用在登陆验证、身份识别等许多场景，从而得到了广泛的关注与研究。人脸验证的目标为判断两张人脸图片中的人脸是否为同一个人，主要由人脸图像预处理、特征提取、特征度量等三部分组成。在深度学习提出之后，特别是在卷积神经网络(convolutional neural networks,CNN)应用在图像识别领域取得巨大成功后，研究人员意识到CNN在提取图像特征方面的优势。许多研究人员将CNN应用于人脸验证系统，用于提取人脸特征，实验表明人脸验证的正确率有很大的提高，可靠性明显提升。目前，主流的人脸验证系统都已采用CNN技术。

但是为了提高正确率，人脸验证系统采用的CNN模型的层数不断加深，参数不断增多，这些复杂的CNN模型导致的主要问题是计算负担很大。为此，研究人员采用GPU并行计算设备计算CNN，来加快人脸验证系统的运行速度。这种方法只是将卷积计算并行化，并未本质上改变卷积的计算方式。很多人脸验证系统在采用GPU计算后，仍达不到实时性要求或难以处理海量的人脸数据。因此，在采用GPU计算设备的基础上，进一步提出方法加快人脸验证的计算速度是很有必要的。

发明内容

针对人脸验证系统计算负担大，运行速度慢的问题，本发明的目的在于提供了一种基于卷积定理进行人脸验证加速的实现方案。在此基础上，人脸验证系统的运行速度明显提高，对海量数据的处理能力得以提升。

为实现上述目的，本发明采用的技术方案如下。在使用GPU并行计算平台的基础上，对满足加速条件的卷积层，采用卷积定理方法替换常规卷积计算方法进行卷积计算。卷积定理表明，空域中的卷积等价于频域中的乘积。通过将耗时的卷积计算转化为频域中的乘积计算，能够显著减少计算量，加快CNN的计算速度，从而提升人脸验证的速度。

描述本方法所用符号如下：

本方法流程如图1所示，包括六个步骤：

步骤1：由卷积层输入参数判断是否满足加速条件。