CN110119663A - 低功率消耗的脸部辨识方法及低功率消耗的脸部辨识系统 - Google Patents
低功率消耗的脸部辨识方法及低功率消耗的脸部辨识系统 Download PDFInfo
- Publication number
- CN110119663A CN110119663A CN201810688515.3A CN201810688515A CN110119663A CN 110119663 A CN110119663 A CN 110119663A CN 201810688515 A CN201810688515 A CN 201810688515A CN 110119663 A CN110119663 A CN 110119663A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- face recognition
- optical signal
- power consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims abstract description 96
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 230000006870 function Effects 0.000 claims description 92
- 230000015654 memory Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 9
- 239000000872 buffer Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 2
- 229910052799 carbon Inorganic materials 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提供的低功率消耗的脸部辨识方法包含发射至少一个第一光信号至物体；接收由物体所反射的至少一个第二光信号，并依据传输格式将至少一个第二光信号编码，以产生被编码的第二光信号；将被编码的第二光信号解码，以产生解码后的光信号；由解码后的光信号中获取二维影像信息；依据二维影像信息，人工智能芯片执行二维脸部检测功能；当二维脸部影像无法被检测时，禁用二维脸部辨识功能；及当二维脸部辨识功能被禁用时，人工智能芯片将影像转换器关闭以禁用三维脸部辨识功能。
Description
技术领域
本发明揭露一种低功率消耗的脸部辨识方法及低功率消耗的脸部辨识系统，尤指一种利用人工智能芯片将功率消耗最小化的脸部辨识方法以及脸部辨识系统。
背景技术
随着科技日新月异，人工智能技术结合人机交互的通信技术也逐渐地普及于日常生活中，且已应用于许多操作层面。例如，语言操作应用(打字、语音辨识、荧幕文字辨识、语音合成)和视觉操作应用(摄影机的参数调整、图形显示器的最佳化)等等。并且，人机交互技术中的人脸检测技术和人脸辨识技术属于人机通信的两个重要类别。因此，藉由人工智能技术的辅助，许多身份辨识方法可利用人脸检测和人脸辨识技术实现。甚至，利用人脸检测和人脸辨识技术能进一步地实现诸如人类情感检测，性别分类，嘴唇读取和眼睛/视线追踪的功能。
传统的人脸检测、人脸辨识或人脸追踪功能可以通过使用计算密集型演算法(Computing-Intensive Algorithms)来执行，因此需要至少一个具有高速、耗电的微处理器来处理大量的操作运算元，且需要很高的存储器使用率。在目前技术而言，脸部检测功能、二维脸部辨识功能和三维脸部辨识功能可以整合到智能型手机上，以提供准确及可靠的脸部辨识结果。然而，目前整合在智能型手机上的脸部检测功能，二维脸部辨识功能和三维脸部辨识功能是三个常驻型的程序。意即，当使用者通过相机开启二维脸部检测功能时，二维脸部辨识功能和三维脸部辨识功能也会持续地开启。换句话说，使用者开启相机中的二维脸部检测功能后，处理器将会持续地执行二维脸部辨识功能和三维脸部辨识功能。然而，二维脸部检测功能，二维脸部辨识功能和三维脸部辨识功能持续地执行也会导致严重的功率消耗。也因如此，传统的人脸检测及人脸辨识技术的功率消耗是非常严重的，故将会大幅度地缩短智能型手机、可携式电子设备或电池供电设备的操作时间。
因此，在不损失辨识精确度的前提下，发展一种可在二维脸部检测功能，二维脸部辨识功能和三维脸部辨识功能之间动态地调整功率，以最小化功率消耗的方式执行脸部辨识的方法，是一个重要的议题。
发明内容
本发明一实施例提出一种低功率消耗的脸部辨识系统，包含收发器、人工智能芯片、解码器、影像转换器及编码器。收发器用于发射至少一个第一光信号至物体，接收由物体所反射的至少一个第二光信号，并依据传输格式将至少一个第二光信号编码以产生被编码的第二光信号。人工智能芯片耦接于收发器。解码器耦接于收发器及人工智能芯片，用于将被编码的第二光信号解码，以产生解码后的光信号，并将解码后的光信号中的一部分传送至人工智能芯片。影像转换器耦接于解码器及人工智能芯片，用于当人工智能芯片于第一时间成功地由物体的二维影像中检测及辨识出二维脸部影像时，根据解码后的光信号，将物体的二维影像转换为三维影像，且由物体的三维影像中产生三维脸部影像。编码器耦接于影像转换器，用于在三维脸部影像被产生后，将三维脸部影像的数据编码。在人工智能芯片接收解码后的光信号中的一部分后，若人工智能芯片于第二时间无法检测或辨识二维脸部影像时，人工智能芯片将影像转换器关闭。
本发明另一实施例提出一种低功率消耗的脸部辨识方法，包含发射至少一个第一光信号至物体；接收由物体所反射的至少一个第二光信号，并依据传输格式将至少一个第二光信号编码，以产生被编码的第二光信号；将被编码的第二光信号解码，以产生解码后的光信号；由解码后的光信号中获取二维影像信息；依据二维影像信息，人工智能芯片执行二维脸部检测功能；当二维脸部影像无法被检测时，禁用二维脸部辨识功能；及当二维脸部辨识功能被禁用时，人工智能芯片将影像转换器关闭以禁用三维脸部辨识功能。
附图说明
图1为本发明的低功率消耗的脸部辨识系统的实施例的方块图。
图2为图1的低功率消耗的脸部辨识系统中，在第一种操作模式下的各数据流的示意图。
图3为图1的低功率消耗的脸部辨识系统中，在第二种操作模式下的各数据流的示意图。
图4为图1的低功率消耗的脸部辨识系统执行脸部辨识方法的流程图。
附图标号
100 脸部辨识系统
10 收发器
11 解码器
12 影像转换器
13 编码器
14 人工智能芯片
15 存储器
16 处理器
17 缓存器
10a 传送端
10b 接收端
F1至F8 数据流
S401至S411 步骤
具体实施方式
图1为本发明的低功率消耗的脸部辨识系统100的实施例的方块图。为了描述简洁，低功率消耗的脸部辨识系统100于后文称为脸部辨识系统100。脸部辨识系统100可应用于任何具有嵌入式或非嵌入式人工智能芯片的可携式移动装置中。可携式移动装置属于一种利用电池供电的设备，因此其操作时间及服务时间是有限的。脸部辨识系统100包含收发器10、人工智能芯片14、解码器11、影像转换器12及编码器13。收发器10用于发射至少一个第一光信号至物体，接收由物体所反射的至少一个第二光信号，并依据传输格式将至少一个第二光信号编码，以产生被编码的第二光信号。收发器10可包含传送端10a以及接收端10b。传送端10a可包含光发射双镜头，用以由两不同入射角发射两个第一光信号至物体。接收端10b可用于接收由物体所反射的两个第二光信号。传送端10a也可包含三维结构光发射装置及二维光发射装置(如相机的光发射单镜头)。三维结构光发射装置用以发射至少一个三维结构光信号至物体，二维光发射装置用以发射二维光信号至物体。于此，接收端10b可用于接收物体所反射的多个第二光信号。在本实施例中，物体的定义可为一部分或是完整的人体，也可为任何非人体的物件。接收端10b接收至少一个第二光信号后，即可获取物体的影像，并于后续步骤中可进一步解析物体的二维影像和三维影像信息。传送端10a也可以包含近红外线(Near Infrared)感测器，用以检测由物体所反射且在人眼可视频谱之外的光信号。在脸部辨识系统100中，将传送端10a以及接收端10b进行任何合理的硬件变更以获取物体的二维影像和三维影像信息，都属于本发明所揭露的范畴。人工智能芯片14耦接于收发器10，用以控制收发器10并执行影像处理操作。人工智能芯片14可为内嵌于处理器中的嵌入式芯片，或可为非嵌入式的独立芯片。人工智能芯片14可为卷积神经网路(Convolutional Neural Networks，CNN)芯片、递归神经网路(Recurrent NeuralNetwork，RNN)芯片、或人工智能加速器芯片，以加速人造神经网路或任何机器学习的演算法。解码器11耦接于收发器10及人工智能芯片14。解码器11可用于将被编码的第二光信号解码，以产生解码后的光信号，并将解码后的光信号中的一部分传送至人工智能芯片14。如前述提及，收发器10可利用光发射双镜头、三维结构光发射装置以及二维光发射装置获取物体的二维影像信息以及三维影像信息。因此，对于解码器11而言，等同于接收由收发器10所传来的带有光学信息的影像信号，并将其解码而产生带有二维影像信息以及三维影像信息的解码后的光信号。并且，为了减低功率消耗，人工智能芯片14只接收一部份的解码后的光信号(带有二维影像信息)。人工智能芯片14可依据一部份的解码后的光信号，执行二维脸部检测功能或进一步地执行二维脸部辨识功能。
当人工智能芯片14依据一部份的解码后的光信号，成功地由物体的二维影像中检测及辨识出二维脸部影像时，人工智能芯片14会启动耦接于解码器11的影像转换器12。影像转换器12被启动后，会依据解码器11所输出的解码后的光信号，将物体的二维影像转换为三维影像。接着，影像转换器12会由物体的三维影像中产生三维脸部影像，并将三维脸部影像输出至编码器13。编码器13耦接于影像转换器12，用以在三维脸部影像被产生后，将三维脸部影像的数据编码。并且，人工智能芯片14在三维脸部影像被产生后，也可以执行三维脸部辨识功能。简言之，由物体的二维影像中检测出二维脸部影像后，人工智能芯片14可辨识二维脸部影像，以判断二维脸部影像是否对应二维使用者标识符(User Identifier，UID)。在本实施例中，二维使用者标识符可以是任何使用者的信息或是使用者指标，例如使用者名称或是使用者编号等等。在二维脸部影像成功地被辨识后，影像转换器12会执行二维到三维的影像转换程序，以准备接下来的三维脸部辨识功能。
当二维脸部影像成功地由物体中检测出来，但却无法辨识出属于哪一位使用者时，人工智能芯片14可将影像转换器12关闭，以禁用二维到三维的影像转换程序以及三维脸部辨识功能。另一种情况为，当二维脸部影像无法由物体中检测出来，人工智能芯片14会关闭二维脸部辨识功能。并且，人工智能芯片14也会将影像转换器12关闭，以禁用二维到三维的影像转换程序以及三维脸部辨识功能。换句话说，在人工智能芯片14接收解码后的光信号中的一部分后，若人工智能芯片14于无法检测或辨识二维脸部影像时，人工智能芯片14会将影像转换器12关闭。上述的操作行为可为在不同时间的操作，例如，当二维脸部影像在第一时间可成功地被检测并辨识，人工智能芯片14会启动影像转换器12以执行三维脸部辨识功能。倘若二维脸部影像在第二时间无法被检测或辨识，人工智能芯片14会关闭影像转换器12，以禁止三维脸部辨识功能。因此，藉由可适性地(Adaptively)控制二维脸部检测功能、二维脸部辨识功能及三维脸部辨识功能，可以节省一些非必要的功率消耗，故可达到延长智能型手机或电池供电设备的操作时间。
在脸部辨识系统100中，存储器15耦接于人工智能芯片14，用以储存二维脸部训练数据(Training Data)及三维脸部训练数据。在本实施例中，使用者可将二维使用者标识符对应的二维脸部影像数据以及三维使用者标识符对应的三维脸部影像数据，加入至存储器15的二维及三维脸部训练数据中。存储器15可为电子抹除式可复写唯读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)。并且，脸部辨识系统100可以选择性地引入处理器16以及耦接于处理器16的缓存器17。处理器16耦接于人工智能芯片14，用于辅助人工智能芯片14检测二维脸部影像、辨识二维脸部影像及辨识三维脸部影像。缓存器17用于提供储存空间，以缓存影像处理数据。缓存器17可为快闪存储器。
图2为低功率消耗的脸部辨识系统100中，在第一种操作模式下的各数据流的示意图。在本实施例中，第一种操作模式的执行条件为：人工智能芯片14成功地由物体的二维影像中检测并辨识二维脸部影像。在此，由于前述提及的处理器16以及缓存器17只是辅助型的硬件，因此在图2中为了描述简洁而将其忽略。在脸部辨识系统100中，首先，传送端10a发射至少一个第一光信号至物体。假设物体的光线吸收率小于100％，物体将会反射至少一个第一光信号，以产生至少一个第二光信号。至少一个第二光信号将会被接收端10b接收。至少一个第二光信号带有二维影像信息以及三维影像信息。接着，至少一个第二光信号可依据传输格式编码，因此收发器10可以输出被编码的第二光信号，并将其传送至解码器11。因此，解码器11可以通过数据流F1接收被编码的第二光信号。解码器11会将被编码的第二光信号解码，以产生解码后的光信号。为了减低功率消耗，人工智能芯片14将通过数据流F2，获取解码器11所输出的解码后的光信号的一部分(带有二维影像信息)。在人工智能芯片14取得二维影像信息后，可依此执行二维脸部检测功能。在本实施例中，人工智能芯片14可通过数据流F3检查由物体的二维影像中所检测的二维脸部影像，与储存在存储器15中的二维脸部训练数据的相似度(Likelihood)，并据以产生二维脸部影像的辨识结果。举例而言，当二维脸部影像成功地被辨识为对应二维使用者标识符，人工智能芯片14可产生一个辨识结果，以通知使用者辨识成功的信息，并继续一下一个影像处理的步骤。同时，人工智能芯片14可通过数据流F4，传送控制信号至解码器11，并通过数据流F5，传送另一个控制信号至影像转换器12。在影像转换器12接收到由数据流F5所传来的控制信号后，影像转换器12将被启动。接着，解码器11可通过数据流F6传送解码后的光信号至影像转换器12，以使影像转换器12根据解码后的光信号，将物体的二维影像转换为三维影像。举例而言，影像转换器12可利用物体的二维影像信息以及点阵图矩阵信息(属于三维影像信息)，将物体的二维影像转换为三维影像。在物体的三维影像被产生后，影像转换器12可以藉由人工智能芯片14的运算而产生三维脸部影像，并将其由影像转换器12通过数据流F7输出至编码器13。编码器13可将三维脸部影像的数据编码，并将其通过数据流F8传送至输出端。并且，由于人工智能芯片14耦接于影像转换器12，故人工智能芯片14也可以取得三维脸部影像的信息。因此，人工智能芯片14可以进一步执行三维脸部辨识功能，以辨识三维脸部影像是否对应三维使用者标识符。
图3为低功率消耗的脸部辨识系统100中，在第二种操作模式下的各数据流的示意图。在本实施例中，第二种操作模式的执行条件为：人工智能芯片14无法由物体的二维影像中检测或辨识二维脸部影像。在此，由于前述提及的处理器16以及缓存器17只是辅助型的硬件，因此在图3中为了描述简洁而将其忽略。类似地，首先，传送端10a发射至少一个第一光信号至物体。假设物体的光线吸收率小于100％，物体将会反射至少一个第一光信号，以产生至少一个第二光信号。至少一个第二光信号将会被接收端10b接收。至少一个第二光信号带有二维影像信息以及三维影像信息。接着，至少一个第二光信号可依据传输格式编码，因此收发器10可以输出被编码的第二光信号，并将其传送至解码器11。因此，解码器11可以通过数据流F1接收被编码的第二光信号。解码器11会将被编码的第二光信号解码，以产生解码后的光信号。为了减低功率消耗，人工智能芯片14将通过数据流F2，获取解码器11所输出的解码后的光信号的一部分(带有二维影像信息)。在人工智能芯片14取得二维影像信息后，可依此执行二维脸部检测功能。在二维脸部影像被成功地由物体中检测后，人工智能芯片14将可执行二维脸部辨识功能。如前述提及，人工智能芯片14可通过数据流F3检查由物体的二维影像中所检测的二维脸部影像，与储存在存储器15中的二维脸部训练数据的相似度，并据以产生二维脸部影像的辨识结果。然而，当二维脸部影像无法辨识时，人工智能芯片14可产生一个辨识结果，以通知使用者辨识失败的信息。在另一种情况中，若二维脸部影像无法由物体中检测出来，人工智能芯片14将会禁用二维脸部辨识功能。当人工智能芯片14无法由物体中检测或辨识二维脸部影像，人工智能芯片14可通过数据流F4，传送控制信号至解码器11，并通过数据流F5，传送另一个控制信号至影像转换器12。在影像转换器12接收到由数据流F5所传来的控制信号后，影像转换器12将被关闭。在解码器11接收到由数据流F4所传来的控制信号后，解码器11不会将数据输出至影像转换器12。换句话说，解码器11与影像转换器12之间的通信会被中断。也由于影像转换器12被关闭而无法传输数据，因此影像转换器12以及耦接于其后的编码器13可视为两个虚设(Dummy)的电路元件。因此，二维到三维的影像转换程序以及三维脸部辨识功能将无法执行。简言之，由于人工智能芯片14无法检测或辨识二维脸部影像，因此二维到三维的影像转换程序以及三维脸部辨识功能就没有执行的必要性，就算执行了也仅是两个浪费额外功率的无用程序而已。因此，在脸部辨识系统100中，藉由禁用二维到三维的影像转换程序以及三维脸部辨识功能，可以降低非必要的功率消耗。
在图2以及图3的实施例中，描述了脸部辨识系统100执行可适性功率消耗的机制。而在脸部辨识系统100中，人工智能芯片14可使用第一驱动功率以执行二维脸部检测功能。人工智能芯片14可使用第二驱动功率以执行二维脸部辨识功能。人工智能芯片14可使用第三驱动功率以执行三维脸部辨识功能。并且，第一驱动功率小于第二驱动功率，第二驱动功率小于第三驱动功率。换句话说，当二维脸部影像可被成功地检测以及辨识时，脸部辨识系统100可以用最大输出功率以同时执行二维脸部检测功能、二维脸部辨识功能及三维脸部辨识功能。然而，脸部辨识系统100在二维脸部影像无法检测或辨识时，可以关闭一些非必要的硬件元件以节省功率消耗。换句话说，脸部辨识系统100中的二维脸部检测功能属于常驻型的功能，可被常驻程序执行，而二维脸部辨识功能及三维脸部辨识功能属于非常驻型的功能，可被两个非常驻的程序执行。
图4为低功率消耗的脸部辨识系统100执行脸部辨识方法的流程图。脸部辨识方法包含步骤S401至步骤S411。任何合理的步骤变更或技术变更都属于本发明所揭露的范畴。步骤S401至步骤S411描述于下。
步骤S401：发射至少一第一光信号至一物体；
步骤S402：接收由物体所反射的至少一个第二光信号，并依据传输格式将至少一个第二光信号编码，以产生被编码的第二光信号；
步骤S403：将被编码的第二光信号解码，以产生解码后的光信号；
步骤S404：由解码后的光信号中获取二维影像信息；
步骤S405：依据二维影像信息，人工智能芯片14执行二维脸部检测功能；
步骤S406：人工智能芯片14判断二维脸部影像是否检测成功；若二维脸部影像检测成功，执行步骤S407；若二维脸部影像检测失败，执行步骤S410；
步骤S407：人工智能芯片14执行二维脸部辨识功能；
步骤S408：人工智能芯片14判断二维脸部影像是否辨识成功；若二维脸部影像辨识成功，执行步骤S409；若二维脸部影像辨识失败，执行步骤S411；
步骤S409：人工智能芯片14执行三维脸部辨识功能。
步骤S410：人工智能芯片14禁用二维脸部辨识功能，且将影像转换器12关闭以禁用三维脸部辨识功能，并返回步骤S401以准备在下一个时间点进行二维脸部检测。
步骤S411：人工智能芯片14将影像转换器12关闭以禁用三维脸部辨识功能，并返回步骤S401以准备在下一个时间点进行二维脸部检测。
步骤S401至步骤S411已于前述实施中详细描述其原理及运作方式，故于此将不再赘述。在脸部辨识系统100中，由于脸部影像于三维使用者标识符的辨识精确度(99.999999％)大于二维使用者标识符的辨识精确度(98％～99％)，因此本发明的较佳实施例为完整地执行步骤S401至S411以增加脸部影像的辨识精确度。然而，本发明却不被步骤S401至步骤S411的流程所限制。举例而言，当智能型手机缺少光发射双镜头或是三维结构光发射装置的硬件时，智能型手机仅能启动二维脸部辨识功能，故只能以较低的精确度进行脸部影像辨识，但仍可于无法检测二维脸部影像的情况下，通过步骤S410中所述的禁用二维脸部辨识功能以达到省电的效果。若脸部辨识系统100应用于功能强大且具备二维及三维影像处理功能的智能型手机时，由于脸部辨识系统100可将一些非必要的功能关闭以最小化功率消耗，因此智能型手机的操作时间及服务时间将得以延长。
综上所述，本发明描述了一种脸部辨识系统以及脸部辨识方法，具有低功率消耗的优点。脸部辨识系统使用人工智能芯片以提供二维脸部检测功能、二维脸部辨识功能以及三维脸部辨识功能。由于脸部辨识系统利用可适性的方式控制二维脸部检测功能、二维脸部辨识功能以及三维脸部辨识功能，因此可以降低非必要的功率消耗。换句话说，在本发明的脸部辨识系统中，二维脸部检测功能属于常驻型的功能，而二维脸部辨识功能及三维脸部辨识功能属于两个非常驻型的功能。由于脸部辨识系统可以降低非必要的功率消耗，因此当脸部辨识系统应用于智能型手机或电池供电设备时，可以延长操作时间及服务时间。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明权利要求的保护范围之内。
Claims (17)
1.一种低功率消耗的脸部辨识系统，其特征在于，所述系统包含：
一收发器，用于发射至少一第一光信号至一物体，接收由该物体所反射的至少一第二光信号，并依据一传输格式将该至少一第二光信号编码，以产生一被编码的第二光信号；
一人工智能芯片，耦接于该收发器；
一解码器，耦接于该收发器及该人工智能芯片，用于将该被编码的第二光信号解码，以产生一解码后的光信号，并将该解码后的光信号中的一部分传送至该人工智能芯片；
一影像转换器，耦接于该解码器及该人工智能芯片，用于当该人工智能芯片于一第一时间成功地由该物体的一二维影像中检测及辨识出一二维脸部影像时，根据该解码后的光信号，将该物体的该二维影像转换为一三维影像，且由该物体的该三维影像中产生一三维脸部影像；及
一编码器，耦接于该影像转换器，用于在该三维脸部影像被产生后，将该三维脸部影像的数据编码；
其中在该人工智能芯片接收该解码后的光信号中的该一部分后，若该人工智能芯片于一第二时间无法检测或辨识该二维脸部影像时，该人工智能芯片将该影像转换器关闭。
2.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，由该物体的该二维影像中检测出该二维脸部影像后，该人工智能芯片辨识该二维脸部影像，以判断该二维脸部影像是否对应一使用者标识符。
3.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，该解码后的光信号包含该物体的二维影像信息以及三维影像信息，且该解码后的光信号中的该一部分包含该物体的该二维影像信息。
4.根据权利要求3所述的低功率消耗的脸部辨识系统，其特征在于，该物体的该三维影像信息为该物体的一点阵图矩阵信息。
5.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，该收发器包含：
一光发射双镜头，用以由两不同入射角发射两第一光信号至该物体；及
一接收端，用于接收由该物体所反射的两第二光信号。
6.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，该收发器包含：
一三维结构光发射装置，用以发射至少一三维结构光信号至该物体；
一二维光发射装置，用以发射一二维光信号至该物体；及
一接收端，用于接收该物体所反射的多个第二光信号。
7.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，该收发器包含：
一近红外线感测器，用以检测由该物体所反射且在人眼可视频谱之外的一光信号。
8.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，所述系统还包含：
一存储器，耦接于该人工智能芯片，用于储存二维脸部训练数据及三维脸部训练数据。
9.根据权利要求8所述的低功率消耗的脸部辨识系统，其特征在于，该人工智能芯片检查由该物体的该二维影像中所检测的该二维脸部影像，与储存在该存储器中的该二维脸部训练数据的相似度，并据以产生该二维脸部影像的一辨识结果。
10.根据权利要求9所述的低功率消耗的脸部辨识系统，其特征在于，该存储器为一电子抹除式可复写唯读存储器。
11.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，所述系统还包含：
一处理器，耦接于该人工智能芯片，用于辅助该人工智能芯片以检测该二维脸部影像，以及辨识该二维脸部影像及该三维脸部影像；及
一缓存器，耦接于该处理器，用于提供一储存空间以缓存影像处理数据。
12.根据权利要求11所述的低功率消耗的脸部辨识系统，其特征在于，该缓存器为一快闪存储器。
13.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，该人工智能芯片使用一第一驱动功率以执行一二维脸部检测功能，该人工智能芯片使用一第二驱动功率以执行一二维脸部辨识功能，该人工智能芯片使用一第三驱动功率以执行一三维脸部辨识功能，该第一驱动功率小于该第二驱动功率，且该第二驱动功率小于该第三驱动功率。
14.根据权利要求1所述的低功率消耗的脸部辨识系统，其特征在于，该二维脸部检测功能被一常驻程序执行，且该二维脸部辨识功能及该三维脸部辨识功能被两非常驻程序执行。
15.一种低功率消耗的脸部辨识方法，其特征在于，所述方法包含：
发射至少一第一光信号至一物体；
接收由该物体所反射的至少一第二光信号，并依据一传输格式将该至少一第二光信号编码，以产生一被编码的第二光信号；
将该被编码的第二光信号解码，以产生一解码后的光信号；
由该解码后的光信号中获取二维影像信息；
依据该二维影像信息，一人工智能芯片执行一二维脸部检测功能；
当一二维脸部影像无法被检测时，禁用一二维脸部辨识功能；及
当该二维脸部辨识功能被禁用时，该人工智能芯片将一影像转换器关闭以禁用一三维脸部辨识功能。
16.根据权利要求15所述的低功率消耗的脸部辨识方法，其特征在于，该二维脸部检测功能被一常驻程序执行，且该二维脸部辨识功能及该三维脸部辨识功能被两非常驻程序执行。
17.根据权利要求15所述的低功率消耗的脸部辨识方法，其特征在于，该解码后的光信号包含该二维影像信息以及三维影像信息，且该人工智能芯片接收由该解码后的光信号中所获取的该二维影像信息，并据以执行该二维脸部检测功能。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/889,229 | 2018-02-06 | ||
| US15/889,229 US10614292B2 (en) | 2018-02-06 | 2018-02-06 | Low-power face identification method capable of controlling power adaptively |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110119663A true CN110119663A (zh) | 2019-08-13 |
| CN110119663B CN110119663B (zh) | 2022-12-30 |
Family
ID=67475136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810688515.3A Expired - Fee Related CN110119663B (zh) | 2018-02-06 | 2018-06-28 | 低功率消耗的脸部辨识方法及低功率消耗的脸部辨识系统 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10614292B2 (zh) |
| CN (1) | CN110119663B (zh) |
| TW (1) | TW201935184A (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019028472A1 (en) | 2017-08-04 | 2019-02-07 | Outward, Inc. | IMAGE PROCESSING TECHNIQUES BASED ON MACHINE LEARNING |
| US10922590B2 (en) * | 2018-02-09 | 2021-02-16 | Stmicroelectronics (Research & Development) Limited | Apparatus, method and computer program for performing object recognition |
| US11869225B2 (en) * | 2019-06-28 | 2024-01-09 | Maxell, Ltd. | Three-dimensional authentication device, three-dimensional authentication system, portable information terminal, and three-dimensional authentication method |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030209893A1 (en) * | 1992-05-05 | 2003-11-13 | Breed David S. | Occupant sensing system |
| US20050276452A1 (en) * | 2002-11-12 | 2005-12-15 | Boland James M | 2-D to 3-D facial recognition system |
| US20070229499A1 (en) * | 2006-03-29 | 2007-10-04 | Nec Corporation | Restoring and collating system and method for 3-dimensional face data |
| CN101763503A (zh) * | 2009-12-30 | 2010-06-30 | 中国科学院计算技术研究所 | 一种姿态鲁棒的人脸识别方法 |
| WO2011017308A1 (en) * | 2009-08-04 | 2011-02-10 | Shenzhen Tcl New Technology Ltd. | Systems and methods for three-dimensional video generation |
| US20110164792A1 (en) * | 2010-01-05 | 2011-07-07 | Samsung Electronics Co., Ltd | Facial recognition apparatus, method and computer-readable medium |
| US20120183238A1 (en) * | 2010-07-19 | 2012-07-19 | Carnegie Mellon University | Rapid 3D Face Reconstruction From a 2D Image and Methods Using Such Rapid 3D Face Reconstruction |
| JP2012157016A (ja) * | 2012-03-01 | 2012-08-16 | Casio Comput Co Ltd | 撮像装置、顔認識方法及びそのプログラム |
| US8261090B1 (en) * | 2011-09-28 | 2012-09-04 | Google Inc. | Login to a computing device based on facial recognition |
| US20140169621A1 (en) * | 2012-12-13 | 2014-06-19 | Intel Corporation | Gesture pre-processing of video stream to reduce platform power |
| US20140193030A1 (en) * | 2013-01-09 | 2014-07-10 | Jeremy Burr | Gesture pre-processing of video stream with hold-off period to reduce platform power |
| CN106295496A (zh) * | 2015-06-24 | 2017-01-04 | 三星电子株式会社 | 脸部识别方法和设备 |
| US20170017834A1 (en) * | 2015-07-15 | 2017-01-19 | 15 Seconds of Fame, Inc. | Apparatus and methods for facial recognition and video analytics to identify individuals in contextual video streams |
| US9607138B1 (en) * | 2013-12-18 | 2017-03-28 | Amazon Technologies, Inc. | User authentication and verification through video analysis |
| US20170110887A1 (en) * | 2015-09-16 | 2017-04-20 | Energous Corporation | Systems and methods of object detection in wireless power charging systems |
| CN106951876A (zh) * | 2017-03-27 | 2017-07-14 | 北京品恩科技股份有限公司 | 一种三维人像综合识别系统 |
| CN107392137A (zh) * | 2017-07-18 | 2017-11-24 | 艾普柯微电子（上海）有限公司 | 人脸识别方法及装置 |
| CN107491744A (zh) * | 2017-07-31 | 2017-12-19 | 广东欧珀移动通信有限公司 | 人体身份识别方法、装置、移动终端和存储介质 |
| CN107506714A (zh) * | 2017-08-16 | 2017-12-22 | 成都品果科技有限公司 | 一种人脸图像重光照的方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6377700B1 (en) | 1998-06-30 | 2002-04-23 | Intel Corporation | Method and apparatus for capturing stereoscopic images using image sensors |
| TWI257072B (en) | 2003-06-20 | 2006-06-21 | Ind Tech Res Inst | 3D color information acquisition method and device thereof |
| TWM364920U (en) | 2009-04-10 | 2009-09-11 | Shen-Jwu Su | 3D human face identification device with infrared light source |
| US20120056982A1 (en) | 2010-09-08 | 2012-03-08 | Microsoft Corporation | Depth camera based on structured light and stereo vision |
| US8254768B2 (en) * | 2010-12-22 | 2012-08-28 | Michael Braithwaite | System and method for illuminating and imaging the iris of a person |
| US9593982B2 (en) | 2012-05-21 | 2017-03-14 | Digimarc Corporation | Sensor-synchronized spectrally-structured-light imaging |
| US10095917B2 (en) | 2013-11-04 | 2018-10-09 | Facebook, Inc. | Systems and methods for facial representation |
| US10657363B2 (en) * | 2017-10-26 | 2020-05-19 | Motorola Mobility Llc | Method and devices for authenticating a user by image, depth, and thermal detection |
-
2018
- 2018-02-06 US US15/889,229 patent/US10614292B2/en not_active Expired - Fee Related
- 2018-06-21 TW TW107121227A patent/TW201935184A/zh unknown
- 2018-06-28 CN CN201810688515.3A patent/CN110119663B/zh not_active Expired - Fee Related
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030209893A1 (en) * | 1992-05-05 | 2003-11-13 | Breed David S. | Occupant sensing system |
| US20050276452A1 (en) * | 2002-11-12 | 2005-12-15 | Boland James M | 2-D to 3-D facial recognition system |
| US20070229499A1 (en) * | 2006-03-29 | 2007-10-04 | Nec Corporation | Restoring and collating system and method for 3-dimensional face data |
| WO2011017308A1 (en) * | 2009-08-04 | 2011-02-10 | Shenzhen Tcl New Technology Ltd. | Systems and methods for three-dimensional video generation |
| CN101763503A (zh) * | 2009-12-30 | 2010-06-30 | 中国科学院计算技术研究所 | 一种姿态鲁棒的人脸识别方法 |
| US20110164792A1 (en) * | 2010-01-05 | 2011-07-07 | Samsung Electronics Co., Ltd | Facial recognition apparatus, method and computer-readable medium |
| US20120183238A1 (en) * | 2010-07-19 | 2012-07-19 | Carnegie Mellon University | Rapid 3D Face Reconstruction From a 2D Image and Methods Using Such Rapid 3D Face Reconstruction |
| US8261090B1 (en) * | 2011-09-28 | 2012-09-04 | Google Inc. | Login to a computing device based on facial recognition |
| JP2012157016A (ja) * | 2012-03-01 | 2012-08-16 | Casio Comput Co Ltd | 撮像装置、顔認識方法及びそのプログラム |
| US20140169621A1 (en) * | 2012-12-13 | 2014-06-19 | Intel Corporation | Gesture pre-processing of video stream to reduce platform power |
| US20140193030A1 (en) * | 2013-01-09 | 2014-07-10 | Jeremy Burr | Gesture pre-processing of video stream with hold-off period to reduce platform power |
| US9607138B1 (en) * | 2013-12-18 | 2017-03-28 | Amazon Technologies, Inc. | User authentication and verification through video analysis |
| CN106295496A (zh) * | 2015-06-24 | 2017-01-04 | 三星电子株式会社 | 脸部识别方法和设备 |
| US20170017834A1 (en) * | 2015-07-15 | 2017-01-19 | 15 Seconds of Fame, Inc. | Apparatus and methods for facial recognition and video analytics to identify individuals in contextual video streams |
| US20170110887A1 (en) * | 2015-09-16 | 2017-04-20 | Energous Corporation | Systems and methods of object detection in wireless power charging systems |
| CN106951876A (zh) * | 2017-03-27 | 2017-07-14 | 北京品恩科技股份有限公司 | 一种三维人像综合识别系统 |
| CN107392137A (zh) * | 2017-07-18 | 2017-11-24 | 艾普柯微电子（上海）有限公司 | 人脸识别方法及装置 |
| CN107491744A (zh) * | 2017-07-31 | 2017-12-19 | 广东欧珀移动通信有限公司 | 人体身份识别方法、装置、移动终端和存储介质 |
| CN107506714A (zh) * | 2017-08-16 | 2017-12-22 | 成都品果科技有限公司 | 一种人脸图像重光照的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李阳: "基于三维模型子空间监督学习法的二维人脸识别", 《长春理工大学学报(自然科学版)》 * |
| 江华丽: "基于子空间分析的人脸识别算法", 《计算机系统应用》 * |
| 胡向阳等: "基于真实三维信息的人脸自动识别", 《中国人民公安大学学报(自然科学版)》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110119663B (zh) | 2022-12-30 |
| US10614292B2 (en) | 2020-04-07 |
| US20190244011A1 (en) | 2019-08-08 |
| TW201935184A (zh) | 2019-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11335347B2 (en) | Multiple classifications of audio data | |
| CN110119663A (zh) | 低功率消耗的脸部辨识方法及低功率消耗的脸部辨识系统 | |
| CN105654952B (zh) | 用于输出语音的电子设备、服务器和方法 | |
| CN110009052B (zh) | 一种图像识别的方法、图像识别模型训练的方法及装置 | |
| US11503155B2 (en) | Interactive voice-control method and apparatus, device and medium | |
| KR102270394B1 (ko) | 이미지를 인식하기 위한 방법, 단말, 및 저장 매체 | |
| CN105283836B (zh) | 用于设备唤醒的设备、方法、装置及计算机可读存储介质 | |
| US11437034B2 (en) | Remote control method and apparatus for an imaging apparatus | |
| CN108009521A (zh) | 人脸图像匹配方法、装置、终端及存储介质 | |
| KR102199928B1 (ko) | 사용자 페르소나를 고려한 대화형 에이전트 장치 및 방법 | |
| CN111414946B (zh) | 基于人工智能的医疗影像的噪声数据识别方法和相关装置 | |
| TWI693556B (zh) | 臉部辨識系統及臉部辨識方法 | |
| KR20190096876A (ko) | 음성인식 성능 향상을 위한 비 지도 가중치 적용 학습 시스템 및 방법, 그리고 기록 매체 | |
| US10916240B2 (en) | Mobile terminal and method of operating the same | |
| CN107610284A (zh) | 一种手势识别方法、装置及智能猫眼 | |
| CN108520217A (zh) | 一种人脸身份识别与行为识别系统 | |
| CN112017670B (zh) | 一种目标账户音频的识别方法、装置、设备及介质 | |
| CN110223429A (zh) | 语音门禁系统 | |
| CN112863508A (zh) | 免唤醒交互方法和装置 | |
| CN113192537A (zh) | 唤醒程度识别模型训练方法及语音唤醒程度获取方法 | |
| WO2020048358A1 (en) | Method, system, and computer-readable medium for recognizing speech using depth information | |
| CN112488157B (zh) | 一种对话状态追踪方法、装置、电子设备及存储介质 | |
| CN111862955A (zh) | 一种语音识别方法与终端、计算机可读存储介质 | |
| CN113963467B (zh) | 智能门锁控制方法、控制装置、智能设备及存储介质 | |
| CN110569827B (zh) | 一种基于卷积神经网络的人脸识别提醒系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221230 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |