[发明专利]基于深度学习的人脸检测速度优化方法及装置

权利要求书

1.一种基于深度学习的人脸检测速度优化方法，其特征在于，包括：

将深度学习模型中的浮点数据定点化；

将人脸图像中的数据定点化；

对深度学习模型中定点化后的数据以及人脸图像中定点化后的数据进行平行运算；

重复所述平行运算的步骤，直到整个深度学习模型运算完并输出人脸目标框坐标信息以及人脸目标框校正信息；

将所述人脸目标框校正信息还原成相应的浮点数据；

将所述人脸目标框坐标信息与还原后的人脸目标框校正信息进行结合，对人脸目标框进行调整，最终获得人脸真正目标框位置；

所述将深度学习模型中的浮点数据定点化的步骤包括：

采用基于开源发型的跨平台计算机视觉库opencv、深度学习框架caffe、以及caffe所依赖的软件来读取所述深度学习模型；

将所述深度学习模型中的浮点数据转换为第一定点数据，所述第一定点数据的数据范围为-255到+255；

将第一定点数据存储为第一short类型数据；

所述将人脸图像的数据定点化的步骤包括：

读取所述人脸图像；

对所述人脸图像进行预处理；

将预处理后的数据转换成第二定点数据，所述第二定点数据的数据范围为-255到+255；

将所述第二定点数据存储为第二short类型数据；

所述平行运算的步骤包括：

加载所述第一short类型数据和所述第二short类型数据，利用CPU计算单元进行数据加载，一次加载256字节数据，将深度学习模型定点化后的8个第一short类型数据和人脸图像定点化后的8个第二short类型数据加载完；

利用CPU数据单位AVX2并行乘加运算逻辑单元对加载后的所述第一short类型数据和所述第二short类型数据进行平行乘加运算。

2.一种基于深度学习的人脸检测速度优化装置，其特征在于，包括：

第一定点化模块，用于将深度学习模型中的浮点数据定点化；

第二定点化模块，用于将人脸图像进行预处理后的数据定点化；

平行运算模块，用于重复对深度学习模型中定点化后的数据以及人脸图像中定点化后的数据进行平行运算，直到整个深度学习模型运算完并输出人脸目标框坐标信息以及人脸目标框校正信息；

还原模块，用于将所述人脸目标框校正信息还原成相应的浮点数据；

调整模块，用于将所述人脸目标框坐标信息与还原后的人脸目标框校正信息进行结合以对人脸目标框进行调整，并最终获得人脸真正目标框位置；

所述第一定点化模块包括：

第一读取子模块，用于采用基于开源发型的跨平台计算机视觉库opencv、深度学习框架caffe、以及caffe所依赖的软件来读取所述深度学习模型；

第一转换子模块，用于将所述深度学习模型中的浮点数据转换为所述第一定点数据，所述第一定点数据的数据范围为-255到+255；

第一存储子模块，用于将所述第一定点数据存储为第一short类型数据；

所述第二定点化模块包括：

第二读取子模块，用于读取人脸图像；

预处理子模块，用于对所述第二读取模块读取的所述人脸图像进行预处理；

第二转换子模块，用于将预处理后的数据转换成第二定点数据，所述第二定点数据的数据范围为-255到+255；

第二存储子模块，用于将所述第二定点数据存储为第二short类型数据；

所述平行运算模块包括：

加载子模块，用于加载所述第一short类型数据和所述第二short类型数据，利用CPU计算单元进行数据加载，一次加载256字节数据，将深度学习模型定点化后的8个第一short类型数据和人脸图像定点化后的8个第二short类型数据加载完；

平行乘加子模块，用于利用CPU数据单位AVX2并行乘加运算逻辑单元对加载后的所述第一short类型数据和所述第二short类型数据进行平行乘加运算。