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