《表7 不同算法及其组合的运算速度对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的ARM平台实时人脸识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。