Intel平台人臉辨識應用
2021-09-15
近年來人臉辨識技術被廣泛用於各種場域,例如門禁與出勤系統、身分辨識或是安全監控等等。 Intel也為了協助客戶能夠快速導入開發深度學習人臉辨識產品,在OpenVINO範例庫Open Model Zoo中提供了完整的範例程式碼,甚至也做了很多人臉辨識的預訓練模型,讓客戶便於參考,若效能與精確度符合需求,這些預訓練模型也可以直接拿來免費使用。
對於開發者而言,Intel提供的範例及預訓練的神經網路模型,能大幅降低開發的時程,能加速產品導入市場的時間,提高產品競爭力。 對於在人臉辨識應用已有經驗的客戶而言,這些範例可以為您的解決方案提供一個能在Intel平台上發揮得更快,更低成本的架構參考。
關於Intel OpenVINO
隨著邊緣運算、深度學習與機器視覺越趨盛行,Intel在2017年推出了Computer Vision SDK也就是現在的OpenVINO Toolkits。 這套SDK中的原始碼與API特別針對Intel的CPU、內顯GPU、GNA和VPU做AI效能最佳化,並提供多樣涵蓋各種領域的範例應用程式以及預訓練模型,讓開發者可以有充足的資源及參考來開發及測試,並部屬到各個Intel平台,讓神經網路運算在各個Intel平台能達到最快最佳的效能。
OpenVINO開發流程
OpenVINO人臉辨識範例
OpenVINO人臉辨識範例總共用了3個深度學習模型來實現,包含了:
1. 人臉偵測模型
這個深度學習模型是用以找出照片或影片中的人臉位置。
Intel預訓練的人臉偵測模型就有數十個,每個都有不同的速度及精準度,可以自行挑選適合的模型來使用。
2. 臉部座標點偵測模型
這個深度學習模型是用以找出人臉中的兩個眼睛、鼻子和兩個唇角位置的模型。
3. 臉部重新識別模型
這個深度學習模型是用以做「人臉再識別」,來分辨出不同或相同的人臉。 透過以上3個模型來依序完成「人臉偵測->臉部座標點定位->進行人臉再識別」,就能分辨出照片或影片中不同的人臉。 此範例也可以載入人臉資料庫,將入鏡相機或影片的人臉身分給辨識出來。
執行結果
https://www.youtube.com/watch?v=zgOoSjwMTLE
聯強國際也透由Intel平台加上OpenVINO預訓練模型並結合微軟Azure開發出一套人臉辨識應用範例。
人臉辨識應用,除了在x86平台外,也有針對ARM平台的解決方案及開發工具,如瑞芯微電子(Rockchip)的rknn-toolkit、聯發科(MediaTek)的NeuroPilot,可依據不同需求來選用。
人臉辨識 | 高階 | 中階 | 低階 | ||
Vendor | Intel | MediaTek | Rockchip | MediaTek | Rockchip |
Platform | TigerLake | i500 | RK3399 Pro | i350 | RK3568 |
Toolkit | OpenVINO | NeuroPilot | RKNN | NeuroPilot | RKNN |
CPU | 歡迎來信詢問 TigerLake 系列平台規格 |
4xA73(2G) 4xA53(2G) |
2xA72(1.8G) 4xA53(1.4G) |
4xA53(2G) | 4xA55 (2G) |
GPU | Mali-G72 700MHz |
Mali-T860 800MHz |
Mali-G52 800MHz |
Mali-G52 800MHz |
|
NPU | Tensilica VP6x2 |
RKNPU 800MHz |
Tensilica VP6x1 |
RKNPU 1GHz |
聯強產品線多元而齊全,若欲尋找人臉辨識應用在Intel、MediaTek及Rockchip平台的解決方案,或是雲端解決方案Microsoft Azure,歡迎與我們聯繫,我們將為您提供最合適的建議與支援。
*若想了解更多資訊或有任何疑問,歡迎聯繫以下窗口 : mstech@synnex.com.tw