機器視覺蓬勃發(fā)展。在過去十年里，從圖像識別到無人駕駛汽車，很多視覺技術都急劇增加。這些技術為人臉檢測、面部識別、物體檢測、圖像分類、圖像分割等增添了最先進解決方案。

介紹

面部識別是檢測臉部任務。該技術的發(fā)展始于該技術的發(fā)展 20 世紀。從探尋逐漸 Haar-Cascade 特性到 Deep Face（一種用以人臉檢測的深度學習方法）獲得了很多進度?？蒲腥藛T正在積極致力于提高這種模型準確性。

盡管訓練更精準的模型是一個挑戰(zhàn)，但將這些模型放到云中并訪問他們是另一個磨練，即你需要一個單獨基礎設施來使用和維護你模型。

你可以在傳送到相機的設備中布署模型，而非在云上維護模型。這需要修改和優(yōu)化模型，以減少模型大小的運算量，以適應邊緣設備里的可用資源。

邊緣設備是啥？

“邊緣”是指具有貼近數(shù)據(jù)收集的計算單元。它是一個并行架構，數(shù)據(jù)處理方法與原始記錄源同樣。該系統(tǒng)架構務必高效地應用可能不能持續(xù)傳送到云的資源。其中一些是內(nèi)嵌式設備、物聯(lián)網(wǎng)設備、智能機器、平板、筆記本和感應器。

很多詳盡可見：邊緣計算是什么？它的重要性及其用例-成都縱橫智控 

為什么選擇邊緣設備？

想象一下，在安全攝像頭的情形下，你需要繼續(xù)監(jiān)管每個人，并在全部有意過程中向警察發(fā)出警報，攝像頭也不斷向中央服務器發(fā)送直播流。如今，攝像機需要根據(jù)人類活動作出重要的決定。假如相機等候中央服務器處理數(shù)據(jù)并采取行動，是不行的。

盡管像 YOLO 這類算法推動了物體檢測的過程，但當相機必須采用時， TB 級別數(shù)據(jù)發(fā)送到中央服務器，隨后接納回應，隨后付諸實踐，全面部分會有延遲！因而，大家必須完成設備自身的基本處理，例如何時付諸實踐。邊緣計算的目的是最大限度減少數(shù)據(jù)發(fā)送到云的延遲和成本

以下是運用邊緣設備的優(yōu)勢

隱私：避免將全部原始記錄發(fā)送至云主機進行存儲和處理。

及時響應能力：反應速率可能是關鍵因素。

可靠性：即便與云主機終斷聯(lián)接，系統(tǒng)也能正常工作。

云端部署的模型

第一個攝像頭 CPU 互動，CPU 將數(shù)據(jù)發(fā)送到云中。隨后，圖象被饋送到數(shù)控模型，最終被推送回控制系統(tǒng)。

邊緣設備上的人臉識別

人臉識別

面部識別 （FR） 它是一種依據(jù)人的面部特點，通過比較和關系來檢測或鑒別者的身份的技術。

當他再次出現(xiàn)時，顧客會到數(shù)據(jù)庫中注冊其臉部，并進行檢查和鑒別。

FR系統(tǒng)由三個階段構成：

人臉檢測：是指在圖象或視頻里定位臉部的地區(qū)。在這兒，您可以鑒別臉部以及臉部關鍵點。

臉部對齊：一旦檢測出臉部和面部的關鍵點，這一關鍵點便會用于對齊臉部，便于解決圖像中的透視失幀。

面部識別：將透視變換中常用的圖象作為輸入饋送到面部識別模型，并將其與數(shù)據(jù)庫中的圖象相符合。

結論

機器視覺技術迅猛發(fā)展，面部識別作為其中的重要應用，歷經(jīng)了從傳統(tǒng)方法到邊緣計算的演變。邊緣設備的引入，提升了隱私保護、響應速度和系統(tǒng)可靠性，使得面部識別能夠在無云環(huán)境下高效運行。邊緣計算的廣泛應用，不僅優(yōu)化了圖像識別的效率，還為未來人工智能的普及奠定了基礎。