电子工程世界TB我们对人脸识别的11个误解( 二 )


【电子工程世界TB我们对人脸识别的11个误解】
8) 人脸识别的功耗很高
使用经过优化的人工智能和图像处理 , 我们可以在MCU上运行人脸识别 , 而并非在服务器平台的高性能GPU上运行 。 这带来了更多优势:我们可以使用目前MCU支持的众多节能模式 。 MCU解决方案不需要启动Linux等重量级操作系统 , 这意味着在不需要主处理器的情况下可将其关闭 。 但如果运动传感器确定视场范围内有足够的活动需要注意 , 仍可在十分之一秒内唤醒处理器 , 实现完整的人脸识别功能 。
9) 训练对于最终用户来说是一项繁琐的任务
早期在平板电脑和智能手机等嵌入式系统中实现的人脸识别需要一系列不同的姿态 , 以便有效地训练神经网络 , 用于识别新用户的脸部 。 随着迁移学习等技术的进步 , 只需让人脸面对摄像头一次 , 即可进行特征训练 , 并将特征添加到经过许可的用户数据库 。
10) 人脸识别的应用受限
与任何技术相同 , 在创新公司将技术投入应用之前 , 我们很难想像到技术将会如何使用 。 人脸识别似乎仅限于安保和门禁控制应用 , 因为它们是目前常见的使用方式 。 但智能电器和电动工具可以将这项技术用于安全用途:禁用功能 , 避免小孩受伤 。 设备的设计目的将不再只是识别人脸 , 还要识别表情 。 设备能够读取情感信号 , 例如失望、困惑或高兴 , 并且作出相应的回应 , 改进整体用户体验 。
11) 人脸识别需要重量级操作系统
由于深度学习的很多研究级别工具作为开源软件工具包提供 , 而这些工具包是针对Linux编写的 , 所以人们很容易会认为人脸识别等应用需要Linux 。 但支持核心技术的嵌入式系统既不需要存储器成本 , 也不需要Linux系统的长启动时间 。 基于MCU的解决方案可以运行轻量级的操作系统 , 消耗的存储器空间更少 , 启动时间更短 , 并且还支持高级电源优化 。


推荐阅读