【技術實現步驟摘要】
本專利技術涉及人臉識別，尤其是指一種高動態人臉檢測識別方法、裝置及計算機設備。
技術介紹
1、隨著現代化信息技術的日益發展，生物特征識別技術已被廣泛用于門禁系統中，人臉識別技術是其中較為常見的一種。人臉識別技術具備快速、直觀、非接觸性等應用優勢，是身份鑒定識別的主流技術，將其運用于門禁系統中可發揮極為重要的作用。但是隨著現代化科技的發展，傳統的人臉識別系統在識別精度、單位時間檢測識別的人數、系統的集成規模也已經無法滿足進一步的需求。所以在社區街道、學校、公交地鐵、火車站等大規模人流量的場合，充分利用大數據、人工智能、深度學習、人臉識別等新興技術，提供一種大規模、高動態、高速度人臉識別的生物特征識別系統顯得尤為迫切。
技術實現思路
1、本專利技術所要解決的技術問題是：提供一種高動態人臉檢測識別方法、裝置及計算機設備，旨在高動態中，提高人臉識別速度及識別精度。
2、為了解決上述技術問題，本專利技術采用的技術方案為：一種高動態人臉檢測識別方法，包括：
3、使用人臉數據集訓練yolov8模型，得到初步的人臉檢測模型；
4、將初步的人臉檢測模型通過tensorrt加速及進行權重量化，得到權重量化后的人臉檢測模型；
5、將待檢測的視頻流輸入到權重量化后的人臉檢測模型進行人臉檢測，并將檢測出的人臉進行坐標裁剪及矯正對齊；
6、將矯正對齊后的人臉通過人臉識別模型進行特征提取，并將提取的特征與人臉數據庫中的人臉特征進行匹配，以識別出人臉的身
7、進一步的，所述將初步的人臉檢測模型通過tensorrt加速及進行權重量化，得到權重量化后的人臉檢測模型包括：
8、將初步的人臉檢測模型轉換為onnx格式，所述初步的人臉檢測模型為fp32權重；
9、加載onnx格式的初步的人臉檢測模型并創建對應的tensorrt執行引擎；
10、從驗證集中選取一個子集作為校準數據集；
11、將校準數據集輸入初步的人臉檢測模型，并收集人臉檢測模型的激活統計數據，所述激活統計數據包括各神經網絡層激活的最大值和最小值；
12、將激活統計數據輸入標定算法，計算出最優的縮放因子；
13、根據最優的縮放因子，按對稱線性量化將人臉檢測模型的fp32權重轉換成int8權重，生成量化后的人臉檢測模型。
14、進一步的，對稱線性量化采用的公式為：
15、
16、其中：
17、xint表示的是量化后的int8整數值；
18、x表示原始的fp32數值；
19、clip(x；a,c)表示clip函數；a＝-2b-1,c＝2b-1-1；
20、z表示映射的零點，用于調整偏移；
21、s表示縮放因子；
22、表示的是近似取整的數學函數；
23、x表示量化前的數值；
24、a表示量化上限a＝-128；
25、c表示量化下限c＝127；
26、b代表數據類型的位數，對于int8，b＝8。
27、進一步的，所述將待檢測的視頻流輸入到權重量化后的人臉檢測模型進行人臉檢測包括：
28、將待檢測的視頻流輸入到權重量化后的人臉檢測模型后，檢測視頻流每幀圖像中的人臉，對視頻流每幀圖像中的人臉通過目標框進行框選。
29、進一步的，所述將檢測出的人臉進行坐標裁剪及矯正對齊包括：
30、根據目標框的坐標，對視頻流每幀圖像中的人臉進行裁剪；
31、對裁剪出來的人臉進行旋轉、平移操作，使得人臉的關鍵點能匹配到預先定義的標準位置上。
32、進一步的，所述將矯正對齊后的人臉通過人臉識別模型進行特征提取，并將提取的特征與人臉數據庫中的人臉特征進行匹配，以識別出人臉的身份包括：
33、將矯正對齊后的人臉通過人臉識別模型進行特征提取，輸出一個多維的特征向量；
34、計算多維的特征向量與人臉數據庫中所有人臉特征向量的歐氏距離；
35、若歐氏距離小于預設的閾值，則判別該人臉屬于人臉數據庫中相應的用戶，若歐氏距離大于預設的閾值，則判別該人臉不屬于人臉數據庫中的用戶。
36、進一步的，高動態人臉檢測識別方法，還包括：
37、將判別為不屬于人臉數據庫的人臉及對應的用戶名存入人臉數據庫中。
38、本專利技術還提供一種高動態人臉檢測識別裝置，包括：
39、人臉檢測模型訓練模塊，用于使用人臉數據集訓練yolov8模型，得到初步的人臉檢測模型；
40、模型加速及量化模塊，用于將初步的人臉檢測模型通過tensorrt加速及進行權重量化，得到權重量化后的人臉檢測模型；
41、人臉檢測及預處理模塊，用于將待檢測的視頻流輸入到權重量化后的人臉檢測模型進行人臉檢測，并將檢測出的人臉進行坐標裁剪及矯正對齊；
42、人臉身份識別模塊，用于將矯正對齊后的人臉通過人臉識別模型進行特征提取，并將提取的特征與人臉數據庫中的人臉特征進行匹配，以識別出人臉的身份。
43、本專利技術還提供了一種計算機設備，所述計算機設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執行所述計算機程序時實現如上任一項所述的高動態人臉檢測識別方法。
44、本專利技術還提供了一種存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時可實現如上任一項所述的高動態人臉檢測識別方法。
45、本專利技術的有益效果在于：將初步的人臉檢測模型通過tensorrt加速及進行權重量化，得到權重量化后的人臉檢測模型，優化了人臉模型的運行速度和資源消耗，能夠在有限算力資源下，在大規模人群中實時進行高精度的人臉檢測識別。
本文檔來自技高網...【技術保護點】
1.一種高動態人臉檢測識別方法，其特征在于，包括：
2.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將初步的人臉檢測模型通過TensorRT加速及進行權重量化，得到權重量化后的人臉檢測模型包括：
3.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，對稱線性量化采用的公式為：
4.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將待檢測的視頻流輸入到權重量化后的人臉檢測模型進行人臉檢測包括：
5.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將檢測出的人臉進行坐標裁剪及矯正對齊包括：
6.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將矯正對齊后的人臉通過人臉識別模型進行特征提取，并將提取的特征與人臉數據庫中的人臉特征進行匹配，以識別出人臉的身份包括：
7.如權利要求6所述的高動態人臉檢測識別方法，其特征在于，還包括：
8.一種高動態人臉檢測識別裝置，其特征在于，包括：
9.一種計算機設備，其特征在于：所述計算機設備包括存儲器及處理器
10.一種存儲介質，其特征在于：所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時可實現如權利要求1至7中任一項所述的高動態人臉檢測識別方法。
...【技術特征摘要】
1.一種高動態人臉檢測識別方法，其特征在于，包括：
2.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將初步的人臉檢測模型通過tensorrt加速及進行權重量化，得到權重量化后的人臉檢測模型包括：
3.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，對稱線性量化采用的公式為：
4.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將待檢測的視頻流輸入到權重量化后的人臉檢測模型進行人臉檢測包括：
5.如權利要求1所述的高動態人臉檢測識別方法，其特征在于，所述將檢測出的人臉進行坐標裁剪及矯正對齊包括：
6.如權利要求1所述的高動態人臉檢測識別方法，其特...
【專利技術屬性】
技術研發人員：張沛昌，朱章波，秦建斌，馬偉，吳梓銘，
申請(專利權)人：深圳大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。