轻松实现动态人脸识别，AidLux加速智慧城市场景化应用落地

随着AI技术进入全新发展阶段，智能物联网（AIoT）的渗透率进一步加深，应用场景不断拓展，人脸识别也迅速走进了人们的日常生活，在手机解锁、公司考勤、支付验证、天网抓捕在逃嫌犯等场景中发挥着重要作用。

人脸信息属于敏感个人信息中的生物识别信息，是生物识别信息中社交属性最强、最易采集的个人信息，具有唯一性和不可更改性，对个人的人身和财产安全重要性不言而喻。

据资料显示，2021年我国人脸识别行业市场规模已达56亿元；从行业应用结构情况来看，安防及金融是人脸识别最主要的应用领域，前者占比约为72%，后者占比约为20%。

但人脸识别应用类型多样、技术要求高，对于很多开发者或企业而言，从零开始独立进入人脸识别应用开发非常困难。无论硬件的选型和适配，还是模型的选择训练、算法的优化测试，或是最终的部署和落地，都使得人脸识别的门槛居高不下。

而AidLux作为专注于解决AI应用开发和落地难题的软件平台，能够帮助开发者快速突破相关技术阻碍，轻松实现人脸识别AI应用的开发和部署。

人脸识别项目的准确性和易用性主要依赖于算法技术，而相关算法运行需要进行大量计算和图像处理，因此选择合适的芯片或处理器对于人脸识别项目的性能和效率而言至关重要。

AidLux能够充分释放底层芯片算力资源，大幅提升硬件AI性能，还内置了AI视觉算法开发平台。

通过使用AidLux，开发者根据项目需求选择芯片后，能够获得更高的算力和AI性能，可轻松应对动态人脸识别项目中大量的计算与图像处理任务；且相关算法的开发、优化及测试也更加容易便捷。

AidLux还集成了国际主流AI深度学习框架以及各种科学计算库，AI模型无需转换就能直接适应各个AI框架，操作简单且效率更高。在AidLux的帮助下，人脸识别AI模型、学习框架的选择权也交到了开发者手中。

在本次项目示例中，开发者选择了常用于人脸识别的Retinaface进行数据集处理和模型训练，并使用人头姿态估计和人脸对齐矫正算法来过滤无效人脸，以提高特征提取精确度；

人头姿态估计效果

人脸对齐矫正效果

再以文件拖拽的方式将人脸识别和人脸特征提取模型部署到AidLux上，进行人脸建库和特征值提取后，直接调用AidLux的底层加速接口推理运行，即可完成人脸的自动检测、跟踪和识别。

 在实际应用中，开发者通过AidLux能够轻松开发和管理动态人脸识别AI项目，还能将其快速部署落地在移动设备/边缘设备上；

无需重新调整和适配，增加对应业务代码并接入摄像头就能在新零售、安防、园区、校园等多个场景中高效运行，实现人脸的快速识别和匹配，满足各行各业的AI人脸识别需求。

 

为了帮助更多开发者掌握人脸识别技术，通过AidLux快速部署AI应用，我们也开设了相关训练营课程，点击AidLux零基础边缘端动态人脸识别训练营即可免费获取课程内容及代码包。

AidLux专注于解决芯片异构和场景碎片化带来的AI落地难题，未来还将在安防、交通、教育等多个应用领域持续推动智慧城市的建设，我们下期见！

本期感谢：

AidLux开发者 

PaulX ckinsung