《表7 不同算法及其组合的运算速度对比》
为了说明整套算法的实时性,本文在ARM平台上对不同算法组合进行了速度测试。人脸特征提取采用Res Net-50,结果如表7所示。从表7可以看出,MTCNN算法中,最小检测尺度min size设置为20 px(pixel),本文中设置为100 px,通过增大最小检测尺度后,算法速度得到了大幅提升;同时,算法过滤掉了容易被误检和不易识别的小目标,增强了算法的鲁棒性。MTCNN检测完图像后,直接使用Res Net提取人脸特征速度会很慢,原因是提取人脸特征过程比较耗时,频繁地提取人脸特征会消耗大量时间和计算资源,使算法变慢。MTCNN加上人脸追踪后,人脸被识别后会转为追踪,不需要频繁地提取人脸特征,算法的速度有很大程度的提高,特别是使用GPU加速后,特征提取在GPU上运行更快,而且不再占用CPU,CPU可以全部用来检测人脸,最终速度能接近实时水平。
图表编号 | XD0090227100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 方国康、李俊、王垚儒 |
绘制单位 | 武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)、武汉科技大学计算机科学与技术学院、智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) |
更多格式 | 高清、无水印(增值服务) |