基于人脸识别的智慧园区访客系统研究分析

为了保证园区安全,文中对智慧园区访客系统的设计与建设进行了分析。首先,介绍了人脸识别技术,明确了该技术的特征及其在智慧园区访客系统中应用的必要性。其次,立足于智慧园区结构和访客系统设计两个维度进行论述,阐述了利用人脸识别技术设计访客系统的关键点,完善了智慧园区的门禁管理体系,在保证园区安全的基础上,发挥人脸识别技术的优势,提高园区访客系统的性能。     

中科院开发人脸识别支付系统可在线刷“脸”

正在线支付不用再输入密码、验证码,直接刷"脸卡"。中科院重庆绿色智能技术研究院在国内率先开发出人脸识别支付系统,使在线支付只需使用移动设备拍张照即可。人脸识别支付系统是一款基于脸部识别系统的支付平台,国外在2013年已经有类似系统推出。该中心主任周曦表示,他们的人脸识     

小区智能门禁管理系统设计

为了解决当前小区临时访客自由出入小区问题和车辆存在被盗的安全隐患,采用了RFID和GSM等相关技术,设计了车辆进出小区的智能管理系统;通过对实际需求的分析,所设计的系统主要包括2大部分：长期用户车辆出入管理,临时访客出入管理。其中,长期用户车辆管理是将射频卡和系统内信息核对,进行确认,并发短信通知用户;临时访客管理系统是为了减少管理人员工作量,以密码形式自由出入小区。经系统仿真证明,本系统设计良好,可以有较好的实用价值。     

人脸识别技术在访客管理系统中的应用

如今万物互联,在现有的科技水平上,通过线上平台进行访客自助预约,并融入人脸识别技术、IC卡识别技术、电梯派梯联动技术,可以在避免访客排队登记的同时提高工作人员和拜访人员的通行体验,提高公司运转效率。文章以实际项目为例,详细探讨了人脸识别技术在访客管理系统中的应用。     

人脸识别技术的应用领域观察

伴随着全球科技技术的不断发展,目前的人脸识别技术已经引起了全球大众的普遍关注,我们最开始进行研究人脸识别技术系统是在20世纪中期。我们这项人脸识别技术的有优点在于其自然性和安全性强。自然性的特点,指的是这项人脸智能识别系统的识别方式同识别的身份进行个体识别时使用的原理与自然识别基本相同。进行人脸识别就是经对人脸特征的扫描来进行身份确认。安全性的特点指的是会使用人脸智能识别的方法不会引起被检测的人的不满情绪,并且由于不容易引起被观察者的的注意肢我们保存的信息也相对安全不易被盗取。相比其他的识别系统来说,人脸识别技术还具有非接触的工作特点,所以。应用人脸识别技术会让我们进行监察工作是更加方便,友好以及自然,会更加容易被人们所接受。     

多模态特征融合的人脸活体检测算法

针对人脸识别技术应用中,使用人脸图像或虚拟人脸等技术手段欺骗识别系统进而降低系统安全性的问题,提出了一种多模态特征融合的人脸活体检测算法.该算法将人脸的RGB图、深度图和红外图分别输入到3个相同的残差网络结构中提取特征;通过基于通道注意力机制的方式对3个模态的特征图进行融合;对融合特征做出决策.在CASIA-SURF数...     

嵌入式人脸识别系统设计与实现

本文是基于S5PV210嵌入式平台设计实现的人脸识别系统.在嵌入式设备上设计人脸识别系统不仅需要考虑识别的准确率,还需要考虑设备周围的环境变化对人脸识别的干扰.系统中采用Adaboost算法依据人眼部的haar特征检测人脸.通过LBP纹理特征提取结合SVM识别分类的方法识别人脸.经过系统测试,系统的识别率以及对光照变化的鲁棒性满足了一般的人脸识别身份认证的需求.     

基于视频的人脸识别校园安全接送系统的研究

校园安全接送作为一个严肃的社会问题,需要及时发现不明身份人员混入校园等隐患,而市场上大多数的校园人脸识别系统,基本上都需要专用的硬件设备,且只支持单人逐个检测,这无疑提高了推广的成本.针对以上问题,本文提出了使用普通摄像头的支持多人的人脸识别系统.首先采用YOLOv3算法训练人脸数据集,利用K-Means++算法改进先验框中心位置的预测,提高边界框的准确性,得到人脸检测器,对视频中的行人进行人脸检测;之后利用本文的人脸图像质量评价FIQUE算法对人脸进行筛选,增加高质量的人脸图像占比;最后使用Inception-ResNet-v1模型提取人脸特征,进行识别.本文方法利用学校现有的摄像头设备,提高了系统的普及率.实验证明了本文多人识别系统的实时性和鲁棒性良好.     

基于统计特征的3D人脸识别生物模板保护方案

生物模板的安全是生物识别系统安全的一个重要因素,传统的生物识别系统直接存储生物模板的方式导致一系列的安全和隐私问题,成为阻碍生物识别技术发展与推广的瓶颈.基于统计特性提取特征是人脸识别中一项较为成熟的技术,本文针对此类生物模板,提出了一种合适的模板保护方案,该方案的核心思想是利用密码学中的Hash函数实现模板与待测特征信息之间的匹配,通过选取特征向量中的主要成分、量化和纠错码等方法解决生物信息模糊性和Hash函数敏感性之间的矛盾.通过对方案的安全分析和在3D人脸识别中的仿真实验,验证了方案的安全性和可行性.     

人工智能在监狱安全防范中的应用探索

随着科学技术的发展,深度学习技术、大数据以及云计算都呈现出蓬勃发展的趋势,人工智能已广泛应用到社会发展的多个领域。在分析人工智能内涵的基础上,解析人工智能的五大核心技术支撑,探讨人脸识别系统、车辆识别系统、语音识别系统等人工智能系统在监狱安全防范中的应用探索。     

基于MobileNet-SSD的红外人脸检测算法

针对"可见光"+"热红外"融合的双光人脸检测算法对硬件依赖性高的劣势.本文提出一种基于MobileNet-SSD的红外人脸检测算法,该算法可以直接检测出红外图像中的人脸区域,对硬件的依赖性较低.同时实验结果表明该算法的检测精度和实时性均有所提高,可以直接运用到"疫情"期间的智能体温监控系统中.     

面向人脸识别的口罩区域修复算法

遮挡下的人脸识别一直是现实场景中的一个难题。特别是新冠肺炎疫情爆发后,在机场、车站等需要鉴别入场人员身份信息的场所,口罩遮挡使得可供识别的面部特征大幅减少,原有的人脸识别算法准确率随之下降。对去除口罩遮挡进行了研究,提出了一个新的框架修复人脸,利用边缘生成网络还原遮挡区域的边缘,在此基础上再利用区域填充网络恢复被遮挡的人脸,同时保留身份信息。为提升模型的性能,提出空间加权对抗损失和身份一致性损失训练上述网络,并利用关键点信息,构建了两个戴口罩的人脸数据集。实验结果表明,恢复被口罩遮挡的人脸的图像使人脸识别算法 ArcFace 的准确率达到 98.39%,比直接采用ArcFace识别遮挡人脸提升了4.13%的准确率。     

一种基于人脸核心特征的PCA人脸识别算法及应用

传统的PCA人脸识别算法是直接从图像中提取人脸进行识别,由于人脸的大小、角度,光照等原因导致识别率低。本文提出的基于人脸核心特征的人脸识别算法是通过人脸核心特征,包括左眼、右眼、鼻子、嘴巴进行人脸识别。这种算法能有效克服人脸识别中的大小、角度、光照等不利因素,显著提高了人脸识别率,并成功应用于智能相片搜索系统。     

轻量级智能终端人脸识别系统研究与实现

针对传统人脸识别算法不能有效适用于智能移动终端的问题,提出一种基于经典SIFT算法的特征加权分簇匹配的轻量级改进方案,该方案能自动学习、自适应添加可靠的测试样本到训练样本空间,具有合理划分和科学权值分配特性,使该方案在识别率和运行时间上都有提高。改进算法分别在ORL人脸库和Yale人脸库做了测试,相对于经典SIFT算法识别率提升了6.13%和14.11%,运行效率提升了9.1%和4.7%。同时按照Zhou的测试方法,在ORL人脸库识别率达到74.05%,比PCA、LBP等经典算法都有明显的提升,并在Android智能终端中对识别方案做了实现,实验数据验证了改进算法在Android系统的可用性,最后提出一种基于云架构的改进方案。     

无线智能报靶系统设计与实现

提出了一种利用摄像头、便携式计算机和无线路由器等搭建无线报靶系统,并利用图像识别算法实现智能报靶,所设计方案具有便携和性价比高等特点。经过图像预处理、确定自动阈值、二值化处理和轮廓提取等环节实现了弹孔的自动识别。     

基于表情识别的智能音乐播放控制系统设计

设计并实现了一种智能音乐播放控制系统,可根据人脸表情识别结果选择合适的播放音乐。硬件系统由PYNQ_Z2开发板、摄像头、HDMI显示屏、音箱组成;软件系统在ARM+FPGA的核心芯片上通过Haar特征与Adaboost算法进行人脸检测,通过LDA与K近邻算法完成表情识别。利用置信度对表情识别结果做二次分类,并利用PID控制算法对置信度进行调节,提高不均匀光照时系统的鲁棒性。本系统延迟小、鲁棒性强、人机交互丰富,具有较为广泛的应用场景。     

基于改进PSO-SMO的模型参数辨识及应用

目前,大多数智能辨识方法只考虑辨识系统的输出值,不能辨识模型的参数.对此,研究了基于线性核函数支持向量机的辨识算法,对模型参数和输出同时进行辨识.在此基础上,采用改进的PSO-SMO算法以提高辨识速度和精度.将该方法用于ARX模型和长期预测模型的参数辨识中,结果表明,该算法比其他算法具有更高的准确性.     

基于RFID的地震遗址导览与安全监控系统的设计

为了设计实现北川地震遗址导览与安全监控系统,主要基于RFID技术,设计了包括智能化现场导览管理,地震危险区域参观人员的安全监控,以及后台软件平台管理,完成了对遗址区域内人员的全过程动态监管,实现了基于RFID技术的地震遗址参观管理模块的创新。     

Combination of Multiple Measurement Cues for Visual Face Tracking

Visual face tracking is an important building block for all intelligent living and working spaces, as it is able to locate persons without any human intervention or the need for the users to carry sensors on themselves. In this paper we present a novel face tracking system built on a particle filtering framework that facilitates the use of non-linear visual measurements on the facial area. We concentrate on three different such non-linear visual measurement cues, namely object detection, foreground segmentation and colour matching. We derive robust measurement likelihoods under a unified representation scheme and fuse them into our face tracking algorithm. This algorithm is complemented with optimum selection of the particle filter’s object model and a target handling scheme. The resulting face tracking system is extensively evaluated and compared to baseline ones.     

采用神经网络的多模生物特征人脸及指纹识别

小样本问题是人脸识别系统中的一个常见问题,多模态模型具有很强的泛化能力去解决小样本问题,并且已经成为模式识别中重要的研究领域,但是该模型的低精度及低效率已经成为目前的主要难题。为了解决这个问题,提出了一个高效的基于神经网络的多模生物特征人脸及指纹识别系统,通过选择好的特征提取及识别算法来提供更高效的识别。采用生物特征识别来验证一个人的身份,相对于采用密码或口令大大提高了系统的运行效率和识别精度。