随着人脸识别技术的发展,人脸识别逐渐走向商业化、日常化,不断为人民生活带来便利,比如高铁人证对比、在线支付认证,并且广泛应用在安防领域,为社会安全做出很大贡献。为了进一步加大人脸识别技术的普及与扩宽应用,人脸识别算法部署到计算资源有限的嵌入式设备成为热门的问题。因此本文深入研究基于嵌入式平台的人脸识别技术,研究内容如下:1.人脸检测算法研究。针对嵌入式平台上的实时人脸检测,设计了一种基于Retina Face的、更加轻量级的快速人脸检测算法,该算法同时进行人脸分类和边界框回归,并使用非极大值抑制合并重复的边界框。为了达到嵌入式平台上的设计需求,算法在Retina Face基础上做出了改进,包括将特征金字塔改进为计算量更少且能提取出更具区分性特征的上下文增强模块,以及通过引入深度可分离卷积、降低部分特征图的通道数来精简人脸检测模块,最终实现在精度损失较小的情况下减少网络计算量来提高检测速度。2.人脸对齐算法研究。目前的人脸对齐算法普遍基于人脸关键点进行人脸矫正,但人脸关键点的检测受很多干扰因素的影响如表情、姿势等,针对存在的这一问题,设计了一种无需进行关键点检测的快速人脸对齐算法。该算法基于空间变换网络,并对空间变换网络的结构做了改进,包括使用两个大卷积代替小卷积、采用全局平均池化和1×1卷积代替全连接层。算法通过空间变换网络拟合仿射变换,将大多数人脸对齐算法的两个步骤化为一步,最终能够同时保证具有较高的对齐速度以及较好的对齐效果。3.人脸识别算法研究。针对嵌入式平台上的实时人脸识别,设计了一种基于Mobile Face Net和Arc Face的快速有效人脸特征提取算法。为了更好地适用于嵌入式平台,对Mobile Face Net进行了精简,并且在参数量及计算量增加较少的前提下引入了通道注意力机制,以使得提取出的特征更具表述力。采用Arc Face进行网络训练以增强特征在角度上的可分性,接着通过训练好的改进网络提取到人脸特征,然后采用余弦相似度进行特征间的匹配。最终算法实现在识别精度损失较小的情况下具有更高的识别速度,满足嵌入式平台上的运行要求。4.基于嵌入式平台的人脸识别软件实现。基于提出的整个人脸识别算法,开发了一个在嵌入式平台NVIDIA Jetson TX2上运行的人脸检测与识别软件,可以进行实时人脸识别,并且可以将图像画面与识别结果实时显示。