基于稀疏化CNN在Cortex-M视频的身份识别研究

摘要

目前市场上存在的门禁、考勤等身份识别系统,基本上是利用算法直接在基于操作系统的专用设备上进行身份的验证,大量视频图像直接上传到中心服务器进行数据运算处理,造成服务器的压力过大。针对这一问题,提出一种基于稀疏化CNN在微控制器芯片上实现监控视频人员身份识别的方法。首先在不依赖于操作系统的微控制器芯片上对小区、商场及校园等公共场所的监控视频进行结构处理,采用CMSIS-NN在微控制器芯片上搭建与PC训练机(服务器)相同的稀疏化改进的AlexNet模型,然后将利用训练机获取的经验值移植到微控制器芯片上,实现对结构化视频的人员身份识别。经实验证明,在微控制器和训练机上识别准确率基本保持一致。因此,在系统前端实现视频结构化处理以及对其搭建稀疏化神经网络实现对人员身份识别是可行的。