AID.Face是以Tengine/HCL为平台的嵌入式前端人脸识别SDK，可在现有SoC上流畅的使用人脸识别功能，特别在低功耗、低成本高性价比的嵌入式终端上。领先的人脸识别算法，优秀的人脸检测算法，独创的人脸质量评价算法、基于RGB+IR双目/双摄像头的活体防伪功能以及双摄像头可视区域校准算法。
Tengine/HCL在现有SoC上带来的2.5+倍算力提升的同时需要更小的内存，可在低成本、高性价比的智能终端提供优质的用户体验。特别是在Cortex-A7 SoC上部署本地人脸识别变得简单和可行。
同时AID.Face也提供友好、简洁、通用的API，可快速部署到目标硬件平台，加速人脸识别终端快速产品化落地。并支持本地/远程人脸注册API，方便快速和现有业务结合，实现 “端+云”结合的人脸识别大系统部署。
人脸识别算法流程
人脸识别需要经过面部定位、双眼定位、注册照片质量评估、影像校正(缩小、纠正角度)、前期处理、特征点提取、合成特征集群和存盘记录比对等多个步骤，可以看出对系统的计算力和内存要求非常高，通过使用Tengine/HCL大大提升了现有嵌入式SoC的算力，使得人脸识别系统可部署在各类种嵌入式设备上，并提供超预期的识别用户体验。
AID.Face 产品特性
1. 使用Arm中国周易平台-Tengine，毫秒级别识别速度；
2. 针对于不同CPU/GPU指令集、微架构级别优化，以及xPU的异构计算支持；
3. 识别本地化，支持完全离线工作模式；
4. 基于深度学习算法，超小模型，对内存容量要求低；
5. 对光线等适应性强；
6. RGB+IR双目/双摄像头活体防伪、ToF以及3D结构光防伪支持；
7. 支持双摄像头可是区域校准算法；
8. 支持Android、Linux多种平台；
AID.Face 性能比对
AID.Face人脸检测的前置处理采用深度学习算法搜索人脸目标，降低误检率的同时能检出更多人脸，检出率高达99.3%。算法模型文件大小仅4MB，识别成功率高达99.58%。通过计算脸部关键点来获取人脸角度，以排除角度过大对识别造成的负面影响，同时算法能够过滤不适合识别的模糊照片。同时采用多重方法检测仿冒人脸，极大提高了安全性。
AID.Face使用不同人脸库条件下，在几种典型Arm CPU（Cortex-A7、Cortex-A17、Cortex-A53、Cortex-A72）上的性能测试情况如下：
（1）Cortex-A7性能数据 (测试数据来源：A40i@1.3GHz)
（2）Cortex-A17性能数据 (测试数据来源：RK3288@1.8GHz)
（3）Cortex-A53性能数据 (测试数据来源：A53@1.3GHz)
（4）Cortex-A72性能数据 (测试数据来源：RK3399@1.8GHz)
---------------------
作者：OPEN AI LAB
来源：CSDN
原文：https://blog.csdn.net/weixin_43476455/article/details/87939237
版权声明：本文为博主原创文章，转载请附上博文链接！
嵌入式前端人脸识别SDK - AID.Face 正式上线丨OPEN AI LAB
原文：https://www.cnblogs.com/tianqiang/p/11190651.html