【技术实现步骤摘要】
用于超低功率始终开启的架构的实时自适应训练面部检测
本申请一般涉及生物特征识别领域，具体地涉及用于超低功率始终开启的架构的实时自适应训练面部检测。
技术介绍
在一些设备中，面部检测是一直运行的(例如，当设备具有被调暗的显示灯、被置于休眠或者现代待机模式中等等时)以在检测到面部时使设备脱离低功率模式。从而，设备的用户知晓性更高并且功率效率更高，因为当用户未在使用设备时不必要的功率循环不被使用。当前的面部检测系统在这种低功率用例的情境中具有局限性。一些要求高计算复杂度和/或在面部检测的准确性中具有局限性。因此，用于面部检测和/或识别的当前技术不适合于始终开启(alwayson)的设备能力。正是考虑到这些和其他考虑事项，所以需要本改进。随着始终开启的设备在各种情境中的实现变得更普遍，这种改进可变得至关重要。
技术实现思路
本公开一方面提供了一种用于始终架构的面部检测方法。该方法包括：在以第一功率水平操作的微控制器处在低分辨率图像上实现第一面部检测模型；响应于与第一低分辨率图像相对应的肯定面部检测而从微控...
【技术保护点】
1.一种用于始终架构的面部检测方法，包括：/n在以第一功率水平操作的微控制器处在低分辨率图像上实现第一面部检测模型；/n响应于与所述第一低分辨率图像相对应的肯定面部检测而从所述微控制器提供面部检测信号；/n在以大于所述第一功率水平的第二功率水平操作的处理器处响应于所述面部检测信号而在高分辨率图像上实现第二面部检测模型以验证所述面部检测信号；/n在所述处理器处至少部分地基于所述验证而生成对所述第一面部检测模型的更新；并且/n将对所述第一面部检测模型的更新存储到所述微控制器。/n
【技术特征摘要】
20181121 US 16/198,5801.一种用于始终架构的面部检测方法，包括：
在以第一功率水平操作的微控制器处在低分辨率图像上实现第一面部检测模型；
响应于与所述第一低分辨率图像相对应的肯定面部检测而从所述微控制器提供面部检测信号；
在以大于所述第一功率水平的第二功率水平操作的处理器处响应于所述面部检测信号而在高分辨率图像上实现第二面部检测模型以验证所述面部检测信号；
在所述处理器处至少部分地基于所述验证而生成对所述第一面部检测模型的更新；并且
将对所述第一面部检测模型的更新存储到所述微控制器。
2.如权利要求1所述的方法，其中所述面部检测被验证为肯定面部检测，并且生成对所述第一面部检测模型的更新包括：
利用包括多个经验证的图像的训练语料库训练第三面部检测模型，所述多个经验证的图像包括所述低分辨率图像或者所述高分辨率图像之一，其中对所述第一面部检测模型的更新包括所述第三面部检测模型。
3.如权利要求2所述的方法，其中训练所述第三面部检测模型是响应于来自所述微控制器的面部检测信号的阈值数目得到满足而进行的。
4.如权利要求1所述的方法，其中所述面部检测被无效为假肯定面部检测，并且生成对所述第一面部检测模型的更新包括：
确定具有与所述高分辨率图像相对应的否定面部检测结果的第三面部检测模型，其中对所述第一面部检测模型的更新包括所述第三面部检测模型。
5.如权利要求4所述的方法，其中所述第三面部检测模型包含对所述第一面部检测模型的经更新的阈值。
6.如权利要求1所述的方法，其中生成对所述第一面部检测模型的更新包括：
利用包括多个经验证的图像的训练语料库训练第三面部检测模型，所述多个经验证的图像具有一个或多个共同元数据特征，其中对所述第一面部检测模型的更新包括所述第三面部检测模型。
7.如权利要求6所述的方法，其中存储所述更新是响应于为所述系统检测到所述一个或多个共同元数据特征而进行。
8.如权利要求6或7所述的方法，其中所述一个或多个共同元数据特征包括所述多个经验证的图像在一天中的时刻、图像捕获条件、或地理位置之一。
9.如权利要求1所述的方法，其中生成对所述第一面部检测模型的更新包括：
利用包括多个经验证的图像的训练语料库训练第三面部检测模型，所述多个经验证的图像是响应于用户请求而获取的，其中对所述第一面部检测模型的更新包括所述第三面部检测模型。
10.如权利要求1到9中任一项所述的方法，其中所述第一面部检测模型包括第一主分量分析面部检测模型，并且所述第二面部检测模型包括第二主分量分析面部检测模型或者卷积神经网络面部检测模型之一。
11.如权利要求1到10中任一项所述的方法，其中所述第一功率水平不大于100mW，并且所述第二功率水平不小于0.5W。
12.一种系统，包括：
微控制器，所述微控制器以第一功率水平在低分辨率图像上实现第一面部检测模型，所述微控制器响应于与...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。