基于人脸识别的图像考勤系统设计与实现

基于人脸识别的智能系统在近几年中非常活跃,是计算机视觉和模式识别领域里的研究重点,如基于人脸识别的考勤系统、基于人脸识别的门禁系统、基于人脸识别的考试系统等等。基于人脸识别的图像考勤系统首先进行人脸图像采集和人脸检测,将采集到的人脸图像保存实现人脸注册,然后对图片中的所有人脸进行检测和识别,将识别到的信息进行保存,根据人脸识别中保存的信息可以查询信息,实现考勤。     

人工智能平台在人脸识别中的应用

主要描述基于Docker、Kubernetes、TensorFlow、Caffe、Keras实现在GPU上进行并行计算的人工智能训练平台、识别平台、推理平台所涉及的技术和实现思路,在此技术方案的基础上如何以多租户及自服务方式按需申请资源使用人脸可视化建模服务、训练服务、推理服务,通过大量人脸图像及不同算法进行多次训练达到提高人脸识别的准确率的目的,最终能够在高铁、银行、无人商店等场合下开展人脸验证、人脸识别、人脸聚类等相关业务应用,提升用户体验及满意度。     

云计算平台下的人脸识别

对云计算平台下的人脸识别方法进行研究,在Hadoop平台上建立基于支持向量机分类模型的人脸识别方法,以发挥Map Reduce并行计算优势,提高识别效率。由于常规LBP算子和深度LBP算子识别人脸特征不同,所以该文使用加权方式结合两种算子,以发挥各自的优点。最后,使用人脸识别领域应用最为广泛的Yale B人脸数据库、ORL人脸数据库以及FERET人脸数据库对该文研究的云计算平台下的人脸识别算法进行实例分析。实验结果表明,所研究的识别方法的识别准确率要高于使用传统方法的识别率。在相同云计算平台下,使用BP神经网络和RBF神经网络建立分类器与该文研究的人脸识别方法进行对比,结果表明,在云计算平台下,使用SVM分类器进行人脸识别的效果优于BP神经网络和RBF神经网络分类器。     

蚁群算法优化支持向量机的人脸识别

针对角点特征检测进行人脸识别中特征配准度低、识别精度不高的问题,提出基于蚁群算法和支持向量机的人脸识别算法。首先采用支持向量机算法进行人脸多重特征检测提取,然后对提取到的特征信息采用蚁群算法进行训练分类,实现对人脸特征的准确检测和分类识别,最后在Matlab仿真平台上进行性能测试,仿真结果表明,采用该算法进行人脸识别的精度较高,训练过程的收敛性较好,计算开销降低。     

基于PaddlePaddle和CNN的戴口罩人脸识别系统设计

针对疫情期间在公共场合都需要佩戴口罩并进行人脸识别的情况,该课题设计了一款基于百度飞桨(PaddlePaddle)和卷积神经网络(CNN)的戴口罩人脸识别系统。选择支持Python的PaddlePaddle深度学习平台,搭建了一个CNN模型进行人脸识别。通过读取网络爬取的图片和自拍整合的自制数据集检测出要识别的人脸,在提取人脸中的几何特征之后进行20轮训练,显示出训练的模型,然后进行人脸识别。经测试,最后系统的精准度基本稳定在0.95以上,能实现较高精度的戴口罩人脸识别。     

基于云平台的人脸识别技术现状及应用

人脸识别作为生物特征识别的重要组成,使用隐蔽性强、涵盖应用目标对象广,在各行业都具有规模应用的需求和条件,文中从人脸识别应用的实际工作出发,对基于云平台的人脸识别技术现状及应用进行梳理.     

基于S3C2440的人脸识别平台的设计

为了实现低成本智能门禁/监控系统的需要,设计了基于S3C2440处理器的人脸识别平台,对该平台所采用的采集/显示驱动算法和人脸识别算法进行研究。使用Samsung公司的S3C2440处理器和OmniVision公司的OV9650摄像头组成硬件平台,利用Harris算法提取采集到的人脸图像的特征点,并与数据库中已有的数据进行匹配得出相关信息。为了加快人脸图像实时采集—匹配的速度,平台开启了cache加速程序。使用该平台设计的智能门禁/监控系统,实现了对人脸图像的快速识别,并且结构简单,成本低廉。该平台可以满足门禁和监控等场合的需要。     

基于网络摄像头的活体人脸识别系统设计

针对当前监控系统平台体积大、功能单一、造价高等问题,文中基于海思3518E平台设计了一套在线活体人脸识别系统。该系统包含图像预处理、图像获取、人脸检测、人脸活体检测、人脸识别共5个部分,并针对传统算法在嵌入式平台的不足进行了改进与优化。系统通过摄像头采集的人脸图像对图像做预处理,为后续图像特征提取提供保障,利用扩展Haar特征训练分类器,并使用Adaboost算法级联分类器进行人脸检测,将检测到的人脸利用HSV和Ycbcr多色彩空间下提取的COALBP和LPQ融合特征训练SVM模型,并进行活体人脸检测。最后,对人脸图像分块提取LBP特征进行人脸识别,将识别结果通过微信小程序显示。实验结果表明,基于海思网络摄像头人脸识别系统的可行性,具有一定的实用价值。     

人脸识别算法在嵌入式系统中的研究与实现

针对人脸识别技术在嵌入式门禁系统中的研究,为了验证嵌入式人脸识别门禁系统的可靠和实时功能,提出了以Hi3515微处理器为核心的嵌入式系统。通过ORL人脸库实验,基于TV+L’模型和Gabor 特征的人脸识别算法在嵌入式系统中得到实现。相应的实验结果表明,该算法在嵌入式平台得到了优化,嵌入式系统的高可靠性和实时性问题得以解决。     

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.     

融入唇语识别技术提升人脸识别安全性的研究

为了解决人脸识别的安全性问题,提高对恶意攻击人脸识别系统的安全防护,使人脸识别技术能够获得更广泛应用,本文提出了在人脸识别技术上融入一种基于深度神经网络的唇语识别技术的系统。与现有的唇语识别技术不同的是,该系统主要是识别用户的唇动习惯。运用本系统,用户在进行人脸识别的同时可按照检测方的提示,读出相应的内容,并在对用户的人脸进行验证的过程中,对用户通过唇动说出的内容分别实现唇动识别、比对,从而有效地提升人脸识别的安全性水平。实验结果表明,在故意针对人脸识别系统的攻击中,融入本技术的系统有更好的识别准确率。     

基于复合生物识别的出入门禁系统设计与实现

针对大型门禁系统的身份验证，利用指纹和人脸识别两种生物识别技术各自优点，提出了一种新型门禁控制系统．通过指纹和面像的复合识别和评判验证人员身份，实现了多区域、分时段的进出控制。剖析了系统的体系结构和工作流程．阐述了指纹识别、面像识别、综合评判、网络协作等关键技术，说明了系统软件功能的设计。运行结果证明了系统具有很高的安全性和可靠性。     

嵌入式人脸识别系统的设计与实现

对嵌入式人脸识别系统的设计原理进行研究,重点探讨了人脸识别的特征提取、特征降维和识别技术等问题,并给出嵌入式人脸识别系统的完整设计方案.采用具体人脸库数据对设计的人脸识别系统进行仿真对比实验,实验结果表明,相对于PC构架的人脸识别系统,嵌入式人脸识别系统提高了人脸识别平均正确率和效率,携带方便,具有很高的商业价值.     

基于局部二元模式的快速红外人脸识别系统

红外人脸成像具有对光照、人脸皮肤、表情、姿态等因素变化不敏感的特点,可以在一定程度上弥补这些因素对可见光人脸识别影响的不足。为了充分提取红外人的局部鉴别特征,文中提出了一个基于局部二元模式的快速红外人脸识别系统。该系统首先通过thermoVision A40型红外热像仪获分辨率为320240的红外人脸图像,并通过人脸检测和归一化方法提取大小为6080的标准红外人脸图像。其次,基于人脸图像的对称性,将红外人脸图像分块。通过局部二元模式直方图提取每一分块所包含的纹理模式特征。最后,采用Kruskal-Wallis（KW）特征选择算法,进一步抽取对识别有贡献的局部纹理特征用于分类识别。实验结果表明:提出的热红外人脸系统识别率明显优于基于主成分分析（PCA）和线性鉴别分析（LDA）的传统红外人脸识别系统,可以达到98.6%的识别率。与此同时,提出的红外人脸识别系统识别速度也快于传统基于PCA和LDA系统,可以广泛应用于实时人脸识别中。     

通过人脸识别技术限制重复投票的电子投票系统的设计

将人脸识别技术应用于电子投票系统中,限制重复投票行为.首先分析了该电子投票系统的结构,给出了人脸识别技术在限制重复投票行为中的应用场景.针对电子投票系统对人脸识别算法的需求以及投票人图像采集背景简单和光照变化较小的特点,分析了适用于本系统的基于AdaBoost的人脸检测方法以及基于特征脸的人脸识别方法,给出了通过OpenCV实现的基于人脸识别方法的身份认证子系统的设计流程,并介绍了基本投票子系统各模块的功能.最后对身份认证子系统的性能进行了分析.     

用于人脸识别的下颌轮廓线分类方法

研究了下颌轮廓线的分类方法,并通过下颌轮廓线分类改进人脸识别系统人脸识别系统的性能.将下颌作为人脸识别的新特征,并综合其他特征进行人脸分类,可以提高人脸识别的识别率;同时,人脸数据库根据下颌的类属分类,可以提高识别速度.通过对下颌轮廓线进行主元分析得到下颌的（PCA）特征字串,并用K mean自动聚类方法和两类划分进行了下颌轮廓线分类的尝试.实验结果表明,这种方法在人脸识别系统中取得了较好的应用,识别率和识别速度都有明显提高.     

基于最大Gabor相似度的多光谱人脸识别系统

以精准识别不同特征维数以及噪声情况下的多光谱人脸为目标,设计基于最大Gabor相似度的多光谱人脸识别系统.原始可见光光谱图像以及热红外光谱图像分别输入系统的可见光光谱图像处理模块以及热红外光谱图像处理模块,图像处理模块分别提取原始可见光光谱图像以及热红外光谱图像特征并建立特征集,多光谱图像融合模块基于特征集内特征利用双...     

低分辨率KINECT传感器采集三维点云的人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理带有光照、表情等变化人脸识别的问题,设计了低分辨率Kinect传感器采集三维点云的鲁棒人脸识别系统。首先,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库CurtinFaces、PIE及AR上的识别率可高达96.7%,实验结果表明,相比其它几种人脸识别算法,本文算法取得了更好的识别效果。     

基于ARM9的便携式人脸识别系统

介绍了一种硬件基于ARM9处理器,采用主成分分析法(PCA)的人脸识别系统。实现了脱离PC机进行人脸识别。系统采用通用USB摄像头进行图像采集。软件基于Linux操作系统,可方便地进行网络连接和图像显示。     

基于MTCNN和Facenet的人脸识别

人脸识别技术在智能城市建设中广泛应用,传统人脸识别算法依赖人工设定的特征,通常会带来不可期望的人为因素和误差。随着计算机算力的提升,基于神经网络的人脸识别方法由于其准确高效深受工业界偏爱。提出了基于多任务卷积神经网络(MTCNN——Multi-task Cascaded Convolutional Networks)和Facenet的人脸识别方法,并实现了从图像处理到识别结果输出的整个人脸识别系统。