(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211345404.5 (22)申请日 2022.10.31 (71)申请人 广东电网有限责任公司广州供电局 地址 510620 广东省广州市天河区天河南 二路2号 (72)发明人 张攀　陈申宇　陈泽涛　刘秦铭　 王增煜　刘起蕊　芮庆涛　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李斌 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种适用 于边缘设备的轻量级人脸识别方 法、 系统及 介质 (57)摘要 本发明公开了一种适用于边缘设备的轻量 级人脸识别方法、 系统及介质。 该方法包括获取 图片数据； 构建轻量级人脸识别网络； 利用获取 的图片数据对 轻量级人脸识别网络进行训练； 将 训练好的轻量级人脸识别网络装载于边缘设备 中， 进行人脸识别。 本发明针对人脸识别网络参 数量大、 计算资源消耗大的问题， 提出了基于改 进损失函数的轻量级人脸识别方法。 改损失函数 在中心损失函数的基础增加注意力机制， 之后融 合softmax损失函数来共同监督识别网络的训 练。 改进后的识别算法减少了计算资源的消耗， 使得能够在配电房的复杂环境下部署在配置不 高的边缘设备硬件上。 权利要求书2页 说明书5页 附图6页 CN 115482579 A 2022.12.16 CN 115482579 A 1.一种适用于边 缘设备的轻量级人脸识别方法， 其特 征在于， 包括下述 步骤： 获取图片数据； 构建轻量级人脸识别网络； 利用获取的图片数据对轻量级人脸识别网络进行训练； 将训练好的轻量级人脸识别网络装载于边 缘设备中， 进行 人脸识别。 2.根据权利要求1所述的一种适用于边缘设备的轻量级人脸识别方法， 其特征在于， 所 述轻量级人脸识别网络包括浅层特 征层、 中间特 征层、 末端特 征层。 3.根据权利要求2所述的一种适用于边缘设备的轻量级人脸识别方法， 其特征在于， 所 述浅层特征层 包括输入层、 若干个卷积层、 一个最大池化层以及过滤器融合层； 输入的照 片 经浅层特 征层处理后输出的特 征大小减少了一半。 4.根据权利要求2所述的一种适用于边缘设备的轻量级人脸识别方法， 其特征在于， 所 述中间特征层为VoVNet的OSA模块， 包括一个由3个3x3卷积层构成的stem  block， 以及4个 阶段的3x3卷积层； 每个阶段的最后会采用一个步长为2的3x3最大池化层 进行降采样； 其模 块内的卷积具有相同的输岀、 输入通道数； 在每个卷积层的最后， 进行一次性的特征图融 合； 在OSA模块内， 将CBAM模块中的ChannelAttension注意力模块中的两个全连接层换成 ECA模块的一维卷积， 该新模块简称CA1； SpatialAttension注意力模块保持不变， 简称SA； 在OSA模块末端增加了模块输入端和输岀端间的短连接； 训练时的轻量级人脸识别网络采 用两个中间特 征层模块。 5.根据权利要求2所述的一种适用于边缘设备的轻量级人脸识别方法， 其特征在于， 所 述末端特 征层采用全局平均池化GAP来代替全连接层进行末端特 征层的分类。 6.根据权利要求1所述的一种适用于边缘设备的轻量级人脸识别方法， 其特征在于， 所 述轻量级人脸识别网络的损失函数为： L＝LS+λLAC 式中， 假设m个小批次数据样本中， xi＝[xi1,xi2,…,xid]T∈Rd为第i个样本 标签为yi的深 层特征， 是该样本对应的类中心， 代表元素点乘运算， aij 表示在嵌入的d维空间中， 第 i个样本的权重； m为批次数， yi为样本真值， p为概率， xi为特征 图， e为自然底数， 为最后一个全连接层的的第i个偏置， 为最后一个全连接层的的 第i个权重， λ为损失函数权 重。 7.一种适用于边缘设备的轻量级人脸识别系统， 其特征在于， 应用于权利要求1 ‑6中任 一项所述的一种适用于边缘设备 的轻量级人脸识别方法， 包括数据获取模块、 模型构建模权　利　要　求　书 1/2 页 2 CN 115482579 A 2块、 模型训练模块以及预测应用模块； 所述数据获取模块用于获取图片数据； 所述模型构建模块用于构建轻量级人脸识别网络； 所述模型训练模块用于利用获取的图片数据对轻量级人脸识别网络进行训练； 所述预测应用模块用于将训练好的轻量级人脸识别网络装载于边缘设备中， 进行人脸 识别。 8.一种存储介质， 存储有程序， 其特征在于： 所述程序被处理器执行时， 实现权利要求 1‑6任一项所述的一种适用于边 缘设备的轻量级人脸识别方法。权　利　要　求　书 2/2 页 3 CN 115482579 A 3