为了解决在计算与存储资源受限的嵌入式设备中实现人脸追踪与识别的问题,设计了一种基于Maixduino AI K210开发板的YOLOX-Nano与MobileFaceNet轻量级人脸追踪和识别系统方案。将输入图像的长宽缩减至原来的7/13,使YOLOX-Nano运算量从1.0...为了解决在计算与存储资源受限的嵌入式设备中实现人脸追踪与识别的问题,设计了一种基于Maixduino AI K210开发板的YOLOX-Nano与MobileFaceNet轻量级人脸追踪和识别系统方案。将输入图像的长宽缩减至原来的7/13,使YOLOX-Nano运算量从1.08 GFLOPS缩减到0.31 GFLOPS,将MobileFaceNet网络的激活函数替换为Maixduino AI K210开发板KPU支持的LeakyRelu算子。通过将图像输入缩减后的YOLOX-Nano得到人脸的定位,并将定位信息转化成角度发送给舵机,舵机转动使人脸始终保持在图像中心位置。通过改进后的MobileFaceNet网络进行人脸识别,实现人脸追踪与识别。通过设计多种实际情形进行实验,验证了该系统在实际使用时具有较好的稳定性和准确性。展开更多
文摘为了解决在计算与存储资源受限的嵌入式设备中实现人脸追踪与识别的问题,设计了一种基于Maixduino AI K210开发板的YOLOX-Nano与MobileFaceNet轻量级人脸追踪和识别系统方案。将输入图像的长宽缩减至原来的7/13,使YOLOX-Nano运算量从1.08 GFLOPS缩减到0.31 GFLOPS,将MobileFaceNet网络的激活函数替换为Maixduino AI K210开发板KPU支持的LeakyRelu算子。通过将图像输入缩减后的YOLOX-Nano得到人脸的定位,并将定位信息转化成角度发送给舵机,舵机转动使人脸始终保持在图像中心位置。通过改进后的MobileFaceNet网络进行人脸识别,实现人脸追踪与识别。通过设计多种实际情形进行实验,验证了该系统在实际使用时具有较好的稳定性和准确性。
