基于Keras卷积神经网络的多人脸识别抗干扰研究

人脸识别的训练预测模型是多样而复杂的,影响人脸识别准确率和稳定性的因素也很多。人脸识别的抗干扰设计是构建人脸识别模型不可忽视的重要内容。通过获取更高质量的人脸图像数据源,选择效果更好的人脸识别优化器以及部分超参数的调整,来提高对大量人脸数据进行处理的能力。利用卷积神经网络减少人工干预,提高特征提取的算法精度,从而提高多人脸识别的精度。     

基于机器视觉的位移检测算法

针对国外用户提出的车库卷闸门的非接触式位移实时监测要求,通过TensorFlow平台与OpenCV库设计了基于IPC监控摄像头的位移检测算法。选取特定标签并采用核相关滤波追踪器对卷闸门上的标签进行捕捉追踪,通过图像预处理等多种手段对图像进行抗干扰处理进行标签捕捉,测量标签的实时位移,在不同尺度特征及光照条件下进行了重复性实验。该算法对标签捕捉精准,实时追踪效果良好,位移和速度测量效果稳定,误差控制在3%以内。