人脸选优的目的是选择符合人脸识别要求的人脸图像。当前的人脸识别技术条件下识别侧脸和模糊人脸仍是很困难的，因此要求把侧脸和模糊人脸能够过滤掉。侧脸过滤有两种策略，一种是训练人脸检测模型时将侧脸作为副样本，另一种是估计人脸的姿态。为了在端AI芯片上落地，估计人脸的姿态的算法模型计算量也不能太大。穿戴式设备产生的模糊一般有两种：对焦模糊和运动模糊。在端AI芯片上判断人脸图像是否模糊是一个挑战，从实时性上考虑可以采用传统的非深度学习算法。

　　人脸识别算法一般运行在云端，但随着端AI芯片算力的提升以及1:10万级以下的人脸识别场景的挖掘，人脸算法开始下移到AI芯片。这种方案的好处有以下两点：

　　1.人脸识别的速度大幅提升。云端进行人脸识别的方案一般要耗时1-2秒，但在终端进行人脸识别只需几百毫秒。
　　2.人脸识别的方案成本降低。云端进行人脸识别需要配置较高的服务器，占用更大的网络带宽，成本较高，而在终端进行人脸识别效率高。
　　适合人脸安防应用的独立AI芯片主要有以下几种：
　　1.Intel movidius myraid系列芯片，在算力和功耗之间平衡得最好，最新的MyraidX芯片算力已达1Tflops。老款Myraid2芯片采用VPU进行加速，最新的MyraidX芯片则同时集成了VPU和NPU，其中NPU支持通过专门的硬件单元对卷积、pooling等算子进行加速。借助OpenVINO的支持，movidius芯片可敏捷地部署caffe、tensorflow、pytorch等主流深度学习框架训，支持SSD、YOLO等目标检测算法。亮亮视野AR眼镜采用movidius芯片提供AI算力。

　　2.华为海思Hi3559A，支持caffe模型部署运行。借助海思在安防行业的沉淀，Hi3559A芯片在视频编码方面极具竞争力，支持int8量化，算力高达0.6Tflops，在功耗方面与movidius芯片相当。

　　3.Inuitive NU4000，功耗较低，SLAM支持得较好，支持独特的12-bit量化，在深度学习方面能力也与movidius相近，支持SSD、YOLO等检测算法。
　　4.深鉴科技AI芯片，特色是自主研发的深度压缩技术与深度学习处理器DPU（Deep Learning Processing Unit），拥有从算法到软硬件的完整解决方案，但功耗较高。