[发明专利]一种嵌入式人脸检测设备

权利要求书

1.一种嵌入式人脸检测设备，其特征在于，人脸检测设备外壳的截面为圆角矩形，外壳的周向设有滑轨，与滑轨配合的滑轮组件包括两个滑轮，滑轮通过转轴连接在连杆上，连杆主体为圆柱体，安装滑轮的一端为立方体，连杆主体上设有套环，用于固定滑轮组件，连杆上还设有两个夹持部，连杆与夹持部相连的一端设有矩形凹槽，人脸检测设备上还设有手柄，手柄与镜头的位置相对，手柄旋接在外壳上，人脸检测设备镜头的两侧设有VCSEL补光灯，人脸检测设备镜头中采用芯片的型号为IMX327，人脸检测设备中的控制芯片采用的型号为Hi3519，两个芯片上与视频信号处理相关的引脚通过连接器相连，控制器芯片中含有CNN框架，用于人脸检测和人脸对比。

2.如权利要求1所述一种嵌入式人脸检测设备，其特征在于，夹持部为空心圆柱体，夹持部内为正六边形通孔，夹持部的外部设有柔性保护套。

3.一种嵌入式人脸检测方法，其特征在于，所述人脸检测方法基于CNN框架，所述CNN框架为经汇编优化的轻量级CNN框架，所述轻量级CNN框架包括人脸检测单元和人脸对比单元，所述人脸检测单元采用RPN、RNet和FNet三者级联的方式进行人脸检测，检测帧图像依次经过RPN、RNet和FNet后，得到人脸特征点和人脸质量，对人脸检测单元训练时，RPN接受的输入包括检测帧图像和经Data层增强的图像数据，RPN的输出包括经Targe层中损失函数处理得到后的候选框位置。

4.如权利要求3所述一种嵌入式人脸检测方法，其特征在于，RPN的输入为240×432或200×360的YUV彩色图片，基于全ShuffleNet Unit架构设计，参数规模为x0.25。

5.如权利要求3所述一种嵌入式人脸检测方法，其特征在于，所述损失函数经过ArcFaceLoss、CosineFaceLoss和EuclideanLoss三者加权得到，采用的公式为：

损失函数＝ArcFaceLoss*0.45+CosineFaceLoss*0.3+EuclideanLoss*0.25。

6.如权利要求3所述一种嵌入式人脸检测方法，其特征在于，人脸对比单元包括人脸对比网络，人脸对比网络包括依次相连的输入层、类残差单元、扩张卷积层、第一激活层、可分离卷积层、压缩卷积层和第二激活层，其中可分离卷积层的输出经局部响应归一化和缩放后作为压缩卷积层的输入，人脸对比网络用于输出人脸对比置信值。

7.如权利要求3所述一种嵌入式人脸检测方法，其特征在于，所述轻量级CNN框架包括模型转换工具，所述模型转换工具用于将深度学习框架产生的模型转换为所述轻量级CNN框架可识别的模型结构。

8.如权利要求7所述一种嵌入式人脸检测方法，其特征在于，所述轻量级CNN框架还包括测试工具，使用所述测试工具进行效率测试时，测试工具向指定的网络或模型输入一个数值随机的矩阵，在网络或者模型前向计算的过程中，记录网络或模型中每个层完成计算的耗时和featuremap的大小。

9.如权利要求3所述一种嵌入式人脸检测方法，其特征在于，Data层进行的图像增强包括洗牌、翻转、裁剪、增加随机亮度、随机噪声和PCA微饶。

10.如权利要求3所述一种嵌入式人脸检测方法，其特征在于，训练人脸检测单元时包括困难样本挖掘：在若干次训练迭代后，选出被错误分类的样本进行再训练。