Die KI-Iris-Erkennungstechnologie verlagert sich von der Cloud auf Endgeräte.
In der Vergangenheit war die hochpräzise KI-Iris-Erkennung oft auf Cloud-Computing-Leistung angewiesen, was in Szenarien mit begrenztem Netzwerkzugang oder strengen Datenschutzanforderungen zu inhärenten Anwendungsproblemen führte. Die Verlagerung von Algorithmusfähigkeiten auf Edge-Geräte unter Beibehaltung der Erkennungsgenauigkeit ist zu einer gemeinsamen technischen Herausforderung für die Branche geworden.
Homsh hat eine eigene Lösung bereitgestellt.
I. Inländische NPU-Plattform: Ermöglichen der End-to-End-Iris-Erkennung
Kürzlich hat das F&E-Team von Homsh die Bereitstellung und Verifizierung des selbst entwickelten, leichten Iris-Erkennungsmodells auf einer eingebetteten NPU-Plattform abgeschlossen. Die ausgewählte Zielhardware ist ein Entwicklungsboard auf Basis des Rockchip RK3588-Chips – ein repräsentatives Produkt von Hochleistungs-Edge-Computing-Chips aus heimischer Produktion, das die aarch64-Architektur verwendet und mit einer dedizierten NPU-Recheneinheit ausgestattet ist.
Das Team hat systematisch zwei technische Wege auf dieser Plattform verifiziert: eine allgemeine Inferenzlösung basierend auf ONNX Runtime und eine NPU-Beschleunigungslösung basierend auf RKNN. Beide Wege haben das Laden des Modells, die Verbindung der Inferenzkette und die Funktionsverifizierung abgeschlossen, und die unterstützende grafische Benutzeroberfläche kann normal eine Offline-Evaluierung und Echtzeit-Kameraerfassung durchführen.
Dies bedeutet, dass der Kernalgorithmus zur Iris-Erkennung von Homsh nun in der Lage ist, unabhängig auf heimischen Edge-Chips zu laufen.
II. 3,7-fache Geschwindigkeitsverbesserung: Bemerkenswerter NPU-Beschleunigungseffekt
Leistungsdaten liefern die anschaulichste Illustration.
Unter Standardtestbedingungen erreicht das ONNX-Modell eine 100%ige Iris-Erkennungsgenauigkeit mit einer stabilen Inferenz-Bildrate von etwa 1 FPS. Im Gegensatz dazu springt die durch NPU beschleunigte RKNN-Modell-Inferenz-Bildrate auf 3,64 FPS, was einer Geschwindigkeitsverbesserung von etwa dem 3,7-fachen entspricht.
Hinter diesem Leistungssprung steht der Erfolg des Teams bei der Überwindung mehrerer technischer Hindernisse, darunter der RKNN-Modellexport, die Kompatibilität der zugrunde liegenden Bibliotheksarchitektur und fehlende Symboldefinitionen. Von der Algorithmus-Transplantation bis zur Hardware-Anpassung hat jeder Schritt die Reife der vertikalen Integrationsfähigkeiten von Homsh in „Algorithmus – Chip – Terminal“ bestätigt.
Derzeit forscht das Team weiter an der Genauigkeitsoptimierung des RKNN-Modells, mit dem Ziel, die Erkennungsgenauigkeit auf ein Niveau wiederherzustellen, das mit der ONNX-Version vergleichbar ist, während der Vorteil der hohen Bildrate erhalten bleibt.
III. Edge-Bereitstellung: Erschließen weiterer Anwendungsmöglichkeiten
Der Wert von Edge-Intelligenz geht über die Geschwindigkeit hinaus.
Wenn Iris-Erkennungsfähigkeiten in ein kleines Entwicklungsboard integriert werden, befreit es sich von der Abhängigkeit von Cloud-Computing-Leistung und stabilen Netzwerkverbindungen. Für Szenarien mit begrenzten Netzwerkbedingungen wie Untertagebergwerke, abgelegene Baustellen und mobile Strafverfolgung bedeutet dies eine wirklich umsetzbare Lösung.
Gleichzeitig können im Edge-Bereitstellungsmodus biometrische Daten abgeglichen werden, ohne in die Cloud hochgeladen zu werden, was sich natürlich für Anwendungsszenarien mit strengen Datensicherheitsanforderungen wie Finanzinstitute und Behörden eignet.
Homsh wird die eingehende Anpassung von Leichtgewichts-Algorithmen an heimische Edge-Chips weiter vorantreiben und Partnern Hochleistungs-, kostengünstige und einfach zu integrierende Edge-Lösungen für die Iris-Erkennung anbieten.
IV. Technische Highlights
Kurzübersicht der technischen Highlights
Zielplattform: Rockchip RK3588
Modelltyp: Iris-Erkennung + Gesichtserkennung
ONNX-Genauigkeit: 100%
RKNN-Bildrate: 3,64 FPS
Funktionsverifizierung: Offline-Evaluierung, Echtzeit-Erfassung, 1:N-Erkennungsmodus
Von der Algorithmus-F&E bis zur Chip-Anpassung, von der Cloud-Bereitstellung bis zur Edge-Implementierung erweitert Homsh die Anwendungsbereiche der Iris-Erkennungstechnologie Schritt für Schritt.
Erkennung schneller, näher und sicherer machen.
Für weitere technische Details oder zur Erörterung von Kooperationsmöglichkeiten können Sie sich gerne an uns wenden.
