基于OpenCV 的人脸识别应用

在Linux平台下开发一人脸识别系统,通过QT来开发用户界面,调用OpenCV图像处理库对相机进行采集和处理采集图像,从而实现了人脸检测、身份识别、简单表情识别的功能。     

基于OpenCV 的嵌入式人脸识别门禁系统设计

针对传统门禁系统“认物不认人”的使用缺陷和安全隐患,本文设计了一款基于人脸识别技术的门禁管 理系统。其搭建的嵌入式开发平台选用S3C2440B 为微处理器,WinCE6.0 为操作系统。同时系统移植了OpenCV 视觉 函数库,调用AdaBoost 及PCA 算法的相关库函数完成人脸图像的检测与识别并最终将识别结果作用于门锁的开关控 制。相比于传统的门禁管理系统,本设计更为安全方便、自动化程度更高,同时也给用户带来更为轻松便捷的使用感受。     

基于卷积神经网络人脸识别实现策略

将卷积神经网络应用到人脸识别的领域当中,能够有效提升识别工作落实的准确程度,最终与大数据和云计算等技术相互配合,就能够构建成为一个比较完整的人脸检测和识别系统,目前我国常见的此类系统,识别工作落实的准确率已经能够达到>97%的程度。本文先分析了卷积神经网络的工作原理以及特点,又在此基础上设计和规划了实际的人脸识别实现策略,希望能够为相关工作的落实提供合理参考。     

基于深度卷积神经网络的人脸识别

目前人脸识别技术被广泛应用于实际生活各个领域,尤其是在实时视频场景下应用越来越普及,因此对人脸识别的研究具有重大价值。通过应用Keras框架和深度学习相关知识构建深度卷积神经网络,训练出有效的人脸识别模型,并应用到实时视频场景进行人脸检测和识别,最后通过实验表明此方法能够有较高的正确率,并能准确识别视频中的人脸。     

一种基于卷积神经网络的人脸识别方法

近年来,随着深度学习的发展,卷积神经网络已经广泛运用到图像识别领域,它不仅提高了识别的准确率,同时自特征提取方面的效果也优于许多传统的算法。提出一种基于卷积神经网络的人脸识别算法。该方法主要涉及两方面,一是使用卷积神经网络对训练集进行特征提取;二是将提取的特征图片输入改进的神经网络进行训练及识别。通过MATLAB进行了仿真实验,对比结果表明卷积神经网络有很好的特征提取性能及良好识别效果,比现有的算法有很大的优势。     

基于Prewitt算子的卷积神经网络人脸识别方法

为了提高人脸识别算法的识别性能,提出了基于Prewitt算子的卷积神经网络人脸识别方法。首先通过直方图均衡化和Prewitt算子对人脸图像进行预处理;然后将其输入卷积神经网络进行训练,并采用指数衰减法来设置学习率加快收敛速度,使用L2正则化和Dropout来防止过拟合。该方法在ORL人脸数据库上的识别时间为0.2 s,识别率达到了98.1%。实验结果表明,利用Prewitt算子和改进的卷积神经网络能缩短识别时间,并且能提高识别率,具有一定优越性。     

基于人脸识别的课堂点名系统

传统的课堂点名方法效率低下,浪费大量时间。提出基于人脸识别的课堂点名系统,大大提高了课堂点名的效率。本系统提供图像和摄像识别点名,可一次识别多个人脸,同时该系统也对系统难以识别的学生提供手动签到。系统运用OpenCV人脸识别开源库做算法部分,用Qt、C++实现界面交互。     

基于卷积神经网络的教师打卡系统设计

借助于大数据人脸识别技术,可方便学校管理者快速实现对教师是否准时上课、准时监考进行监督管理.对教师打卡系统进行了总体设计,包括硬件设计和流程设计,在此基础上,对人脸识别系统的设计进行了介绍,在对比多种人脸检测模型的基础上,选择利用Dlib的MMOD模型实现人脸检测功能,利用卷积神经网络模型实现教师人脸特征的提取和识别,该模型的训练过程采用不同光照、不同角度和不同距离的多种样本.结果 证明,该系统很好地完成了人脸识别功能,能够实时地对教师是否准时上课、准时监考进行监督.     

基于卷积神经网络结合SVM的人脸识别研究

提出了卷积神经网络与支持向量机结合的方法运用于遮挡人脸识别。通过卷积神经网络的卷积、下采样和Softmax的特征提取处理,由支持向量机完成后续的训练和识别。利用AR人脸库进行实验,并和传统的人脸识别方法进行比较分析,实验结果表明本文的方法有更高的识别率。     

基于多Inception结构的卷积神经网络人脸识别算法

人脸识别是视觉识别的一个重要领域,由于人脸识别尺度变化范围大,光照、姿态变化剧烈以及遮挡问题,导致该类非限制条件下的识别难度较大,为了解决该类问题,本文提出了一种基于Tensorflow平台的多Inception模型,通过将多个Inception结构进行串联,再通过分解卷积核的方式减少输入参数,实现了多维度同时卷积再聚合,提高了人脸识别的精度.实验结果表明,该方法在较少参数的条件下能提取出更具区分度的人脸特征,与分类损失方法及融合了其他度量学习方式的方法相比,提高了识别准确率,减少了计算时间.     

基于深度学习理论的人脸识别技术应用综述

针对基于深度学习理论的人脸识别技术应用进行了综述.分析了传统人脸识别技术面临的问题,阐述深度学习理论及研究现状,提出深度学习是人脸识别技术发展的重要研究方向,介绍了人脸识别领域中应用最多的两种模型深度信念网络和卷积神经网络,对基于深度信念网络的人脸识别技术和基于卷积神经网络的人脸识别技术进行了论述,最后对基于深度学习的...     

基于残差量化卷积神经网络的人脸识别方法

针对大规模人脸识别问题,基于残差学习的超深卷积神经网络模型能取得比其他方法更高的识别精度,然而模型中存在的海量浮点参数需要占用大量的计算和存储资源,无法满足资源受限的场合需求.针对这一问题,本文设计了一种基于网络参数量化的超深残差网络模型.具体在Face-ResNet模型的基础上,增加了批归一化层和dropout层,加深了网络层次,对网络模型参数进行了二值量化,在模型识别精度损失极小的情况下,大幅压缩了模型大小并提升了计算效率.通过理论分析与实验验证了本文设计方法的有效性.     

基于深度学习的人脸识别技术在烟草商业内部监管的应用

烟草商业公司承担着向卷烟零售客户销售卷烟的业务。因为烟草行业对于零售客户可以购买的卷烟数量和销售情况有一定限制,所以零售客户在收货时需要进行拍照确认。这些收集的照片将会长期保留在公司的服务器中,等待人工审核和确认。当前内部监管面临两个难题,一是同一个接货人为多家店铺代订货,二是接货人与之前保存记录的信息不一致。这些行为都是潜在的违规行为。设计系统通过深度学习算法对比历史图片中的人脸数据信息,在发现违规问题时及时提醒相关工作人员,有效提高了监管的效率和质量。     

基于EHMM的人脸识别算法

人脸识别是对从视频图像中检测到的人脸区域进行身份的认证．是将待识别人脸与数据库中的人脸进行匹配的过程。将EHMM应用于人脸识别,提取人脸的DCT系数特征作为观察向量,用EHMM算法进行人脸模型训练和识别,并使用OpenCV对人脸识别算法进行功能仿真验证和相关探究,达到较好的人脸识别效果。实验结果表明,正常光照下,该算法的识别率在95％以上。     

基于Face++的人脸识别签到系统

近年来,随着机器学习、人工智能的快速发展,人脸识别已成为社会的研究热点。为提高课堂效率,节省老师点名签到的时间,笔者将人脸识别技术运用于课堂之上,通过上课前对学生人脸的实时采集,实现智能签到。在基于Face++的人脸识别技术下,考虑到一些不精准情况,在系统中加入人工检测功能模块,教师在课后可实现导出并进行比对、手动添加等一系列操作,有利于现阶段的教育教学改革,提高了课堂效率与教学质量。