基于NXP i.mx8m mini的人工智能架構(gòu)下之人臉辨識(shí)解決方案

人臉辨識(shí)技術(shù)是近年熱門科技。在iPhone手機(jī)的演進(jìn)下，蘋果去在推出了Face ID功能取代了指紋辨識(shí)，讓一般消費(fèi)者也注意人臉辨識(shí)的應(yīng)用。在人臉辨識(shí)系統(tǒng)被廣泛討論之下：一張獨(dú)立且唯一的臉，可以確認(rèn)使用者身份，取代傳統(tǒng)的密碼輸入。此技術(shù)快速的運(yùn)用在智能家居，公司門禁，甚至警政系統(tǒng)。

人工智能(AI)技術(shù)加持成就人臉辨識(shí)系統(tǒng)

人臉辨識(shí)的技術(shù)核心，是在人臉上取出具有“辨別度”的特征值。也就是說(shuō)，同個(gè)人在在不一樣打扮，表情與視角的情境之下，還具有非常類似的特征值。相反地，對(duì)于不同人的人臉，因?yàn)榫哂小氨鎰e度”的特征值是不同的，必需很容易區(qū)別出來(lái)。人臉辨識(shí)的一般步驟為：人臉偵測(cè)、人臉校正、人臉特征值的擷取。

在使用人工智能(AI)之前，使用特定算法：每個(gè)工程師必須開(kāi)不同的算法，使用不同的濾波器，去準(zhǔn)確達(dá)到人臉偵測(cè)、人臉校正、人臉特征值的擷取以達(dá)到人臉辨識(shí)效果。這種方法非常的曠日廢時(shí)。而且會(huì)因不同的硬體架構(gòu)，不同的硬體加速，必須修改不同的演算邏輯，或是運(yùn)動(dòng)不同的濾波器。所以，此種方式的人臉辨識(shí)在跨平臺(tái)上的應(yīng)用就會(huì)有所限制。而現(xiàn)在廣泛使用人工智能(AI)技術(shù)來(lái)實(shí)現(xiàn)人臉辨識(shí)。

所謂的人工智能(AI)是電腦科學(xué)的一個(gè)領(lǐng)域，達(dá)到學(xué)習(xí)、解決問(wèn)題和模式辨識(shí)。在這過(guò)程中必須讓電腦可以做到"機(jī)器學(xué)習(xí)(ML)"甚至"深度學(xué)習(xí)(DL)"。機(jī)器學(xué)習(xí) (ML) 和深度學(xué)習(xí) (DL) 這都是需要強(qiáng)大運(yùn)算能力的t超級(jí)電腦與龐大的資料庫(kù)。因此，以前的人工智能(AI)系統(tǒng)架構(gòu)，必須與云端平臺(tái)(例如AWS, Google..)連線才能實(shí)現(xiàn)。而為了使終端設(shè)備(Edge)在不聯(lián)網(wǎng)的情境下也能實(shí)現(xiàn)人工智能(AI)， 許多開(kāi)源公司開(kāi)始開(kāi)發(fā)?有的學(xué)習(xí)模型(Model Firmwork)并提供產(chǎn)業(yè)界使?。但仍亟需解決的問(wèn)題：如何整合各家開(kāi)源公司所提供的學(xué)習(xí)模型(Model Firmwork)。

以下為基于NXP i.mx8m mini的人工智能架構(gòu)下之人臉辨識(shí)解決方案：
在此方案中，先介紹eIQ( edge Intelligence Quotient )這個(gè)軟體的平臺(tái)。其主要功能為在edge端直接inference(推理) 學(xué)習(xí)模型(Model Firmwork)，并得出計(jì)算出最終結(jié)果。在不同的開(kāi)源公司中，其學(xué)習(xí)模型(Model Firmwork)也有所不同。
例如：TensorFlow/TensorFlow Lite: 由谷歌(Google)提供的 Model framework， Caffe/Caffe2: 由臉書(Facebook)提供的 Model framework。

eIQ軟體的平臺(tái)， 整合?前流?的故種不同的開(kāi)源學(xué)習(xí)模型，根據(jù)各家開(kāi)源學(xué)習(xí)模組所擅?的領(lǐng)域，可以直接在NXP產(chǎn)品(MPU與MCU)上執(zhí)?并且完全不受?擾可獨(dú)立的進(jìn)?運(yùn)作，替客?節(jié)省成本以及開(kāi)發(fā)時(shí)程。 如下：

在此架構(gòu)下：
品佳集團(tuán)將教導(dǎo)客戶在Linux Kernel 4.14.98的基礎(chǔ)上，使?Yocto Project開(kāi)發(fā)環(huán)境，如何編譯Opencv, tensorflow-lite等應(yīng)?程式及學(xué)習(xí)庫(kù) 。接著整合TensorFlow的機(jī)器學(xué)習(xí)過(guò)程，訓(xùn)練"MobilFaceNets"模型，將其轉(zhuǎn)換成在TensorFlow Lite人臉辨識(shí)學(xué)習(xí)模型。在Yocto Project開(kāi)發(fā)環(huán)境，整合eIQ人工智能軟體系統(tǒng)。并將上訴得到的人臉辨識(shí)學(xué)習(xí)模型 inference(推理) 致i.mx8m mini的系統(tǒng)架構(gòu)之中。這樣一來(lái)，客戶即可以在i.mx8m mini的系統(tǒng)架構(gòu)實(shí)現(xiàn)人臉辨識(shí)的功能。

方案來(lái)源于大大通