基于Jetson Nano的智能门禁系统

针对在新冠肺炎疫情时期实验室、办公室等小型半封闭场所出入人员的管理问题,基于Jetson Nano硬件平台利用人脸识别和目标检测等算法对门禁系统进行设计与实现。该门禁系统实现了智能身份识别与口罩佩戴检测以及网页端的远程控制功能。测试表明,该门禁系统的识别正确率和识别速率可用于疫情时期出入人员的管理,具有实用性高、成本低、性能良好的特点。     

采用人脸身份识别的智慧门禁系统

随着人工智能快速发展,智能交互逐渐给人们的生活带来了极大便利。为了改善传统门禁使用不便之处,提出一种基于人脸识别的智慧门禁系统。该系统以树莓派为核心控制模块,采用蓝牙模块进行通信,后台建立数据库系统进行数据管理,通过人脸识别算法对用户进行身份信息验证,进一步实现对门禁的智能控制。实验结果表明,该系统人脸识别正确率可达86%,识别所需平均时间约为0.5s。系统应用场景多样化,通过调整系统内容,可应用于上班打卡、教室签到等其它场景,实用性强,具有推广价值。     

基于人脸识别的智能门禁系统

针对智能门禁系统的发展需求,提出了一种基于人脸识别的门禁系统.系统首先通过图像采集设备得到目标图像,然后利用空间转换建立目标图像在新空间下的肤色似然图,进而通过二值化、形态学处理并结合特征过滤实现人脸的定位和提取.提取到人脸图像后,利用主成分分析获得待测人脸与数据库的人脸特征并通过相似度度量实现人脸的识别.实验证明,该系统能够有效的实现人脸定位和识别,能够满足智能门禁系统的基本需求.     

刷脸时代

正一张脸能办多少事?2017年9月11日,是北京师范大学本科新生报到的日子,当2000多名新生进行完正常的报到程序后,还被通知需要到宿舍楼下的门禁机器上进行人脸采集。原来,从8月中旬,学校就开始在全部宿舍安装试用人脸识别门禁系统。是日新生报到,全部宿舍的人脸识别门禁系统已经就位,新生进行信     

基于DSP的人脸识别系统的设计与实现

为了提高身份识别系统的实时性、可靠性和便捷性,设计了基于DSP的人脸识别系统。基于肤色的人脸检测算法和基于小波变换的主成分分析的人脸识别算法构成了所设计系统的软件算法;DSP(DM642)微处理器、CCD传感器摄像头和显示屏等构成了该系统的硬件平台。测试结果表明,设计的人脸识别系统具有识别速度快和成功率高等优点。     

基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法

针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

基于PCA人脸识别的智能防盗报警系统的设计与实现

针对我国智能安防行业中普遍使用指纹识别系统,而传统的人脸识别系统使用范围小、售价高、普及率低的现状,设计了一种基于PCA人脸识别的智能防盗报警系统。该系统采用PCA算法进行人脸特征降维,识别后设置警报阀值,采用GSM通信实现智能防盗报警功能。通过硬件与软件的设计安装与调试,以及系统整体的测试调试,该系统能有效识别人脸,并在系统出发警报时通过GSM短信进行实时通信报警。     

基于图像分块稀疏表示的人脸识别算法研究

人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等技术共同构成了人脸识别系统,被应用于多个领域的监控、安防措施当中,但由于技术局限,存在一定的缺陷与不足,需要不断补充.就基于图像分块稀疏表示的人脸识别算法展开研究,主要介绍了基于非重叠分块的加权稀疏表示算法、基于低秩分块稀疏表示的人脸识别算法、基于图像重构和哈希的人脸识别算法,并进一步对目前人脸识别系统在安防监控中的应用现状与前景进行了分析.     

基于PCA人脸识别系统设计与实现

基于PCA人脸识别算法设计考勤系统的核心部分——人脸识别,通过增加不同人脸姿态数,改进人脸识别算法,提高了人脸识别率.用户可通过本系统来采集人脸图像,定义不同姿态数以获得全姿态数据库.使用过程中若有不能识别情况出现,可改变或增加姿态数,重新学习训练以得到正确识别.经过测试,系统已达到设计要求,具有较高实用价值,可实际推广使用.     

基于Matlab的人脸识别系统设计

为了更好地保障信息安全,基于Matlab设计一个人脸识别系统。首先调用计算机摄像头采集人脸照片,检测并提取其中的人脸区域部分,并对提取出的人脸区域进行图像预处理,然后与事先建立好的人脸特征数据库进行对比与匹配,识别出检测到的人脸图像,输出识别结果,最后得出待测人的有效身份。运行结果表明,该人脸识别系统可有效实现人脸识别,且运行较为稳定。此外,研究发现Gabor算法在人脸特征提取方面具有良好性能。     

基于深度神经网络与MPI并行计算的人脸识别算法研究

针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助TensorFlow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础.     

人脸识别技术综述

人脸识别指通过基于个人的面部轮廓比较和分析模式,唯一地识别或验证人的生物测定技术。人脸识别技术包含人脸的特征提取、特征选择和分类器设计。对人脸识别技术的发展历程作了梳理和回顾,阐述了人脸识别技术的实现方法和研究进展,对目前成熟的人脸识别算法进行了分类,对各种实现方法进行分析和评价。通过比较各种识别方法的优缺点,提出了研究中需要注意的难点,展望了人脸识别技术发展方向。     

基于互联网的门禁系统设计

针对目前门禁系统在功能、结构等方面的缺陷,设计了一个包含射频识别与指纹识别,并且可以远距离控制的门禁系统.以STM32为核心设计终端,结合ESP8266模块设计无线传输模块,实现数据的无线传输和门禁的远程控制,以克服传统的门禁系统在实时监测与远程控制上的不足.详细介绍门禁系统的软硬件功能,并且对本系统进行实际的监测.测试结果表明系统工作正常,具有结构简单、安全性能高、可以远程控制、实时监控等优点.     

基于PCA和Fisher线性判别技术的人脸识别算法

人脸识别技术是生物特征识别技术的一种,它根据人脸来识别人的身份。人脸识别技术具有准确、经济、可扩展性良好等特点,更重要的是,它比其它生物特征识别技术更加简便、直观、可靠。现在应用于人脸识别的算法有3种：基于PCA的人脸识别算法、基于Fisher线性判别的人脸识别算法、基于LBP特征的人脸识别算法。对前两种算法进行了深入研究,在人脸数据库上进行识别,取得了预期效果。     

基于人脸识别的校园人流量统计系统设计与实现

为充分发挥数据价值,进一步提高资源利用率,针对大学校园人员通行精准管理要求,整合学校现有与人脸识别相关的硬件设施和业务系统,通过二次开发设计并实现了一种基于人脸识别的校园人流量统计分析系统。系统基于学校企业微信设计开发,并通过调用人脸识别平台提供的授权API接口,实现人脸照片评分及人脸模型下发与删除策略控制;针对不同的人员统计分析需求,对人脸识别通行数据进行采集和分析,以图表形式进行数据BI展示,并通过企业微信将分析结果推送至用户,以满足人员统计分析的实时性、准确性需求,为校园疫情管控管理等提供数据参考。     

基于嵌入式人工智能的无接触式签到系统设计

针对传统接触式签到依赖服务器等问题，提出一种基于轻量化人工智能人脸识别算法，设计嵌入式终端无接触式签到系统。利用预训练的MobileFaceNet模型提取人脸特征，将其输入Siamese模型得到降维后的特征向量，计算该向量与特征库中向量的最小欧式距离，并与阈值对比完成人脸识别。系统以STM32MP1微处理器为CPU,利用OpenCV和TensorFlow Lite软件实现签到功能。结果表明，系统具备良好的实时性和稳定性，可通过模型在线更新添加新人特征，提升人脸识别的准确率和实用性，符合当前疫情防控政策下的实验室签到需求。     

基于ReinaFace的公交车客流量统计方法

针对公交车客流量的统计,提出了一种基于Retina Face的人脸识别统计方法。通过对人脸框位置与人脸框个数的统计,来准确输出汇总公交车每日的人数,从而统计整体客流。该算法设计的系统在统计人脸精确度方面达到了99.3%,对人脸识别统计计数上有良好的表现。     

基于卷积神经网络的人脸识别研究综述

人脸识别是目前计算机技术研究的热门领域,广泛应用于人们的日常生活,如门禁系统、摄像监视系统、相机以及智能手机等。传统的人脸识别技术需要经过人工特征提取、特征选择以及分类器选择等一系列复杂步骤,然而识别效果却并不理想。随着数据量的激增以及GPU高性能计算的发展,卷积神经网络在人脸识别上有了重大突破。文章回顾了传统人脸识别方法,阐述了卷积神经网络的基本结构及其改进和优化方法,介绍了基于卷积神经网络的人脸识别技术及典型应用,展望了人脸识别技术的发展方向。     

基于机器视觉的智能门锁系统的设计与实现

设计并开发一款基于机器视觉的智能门锁系统。用户可以通过人脸识别的方式验证开锁,用遥控方式辅助开锁,解决指纹锁准确性差和门禁卡易复制等问题。智能门锁系统以STC89C52单片机为控制芯片,由OPEN MV模块、ZIGBEE无线串口模块及红外遥控模块等构成,通过在LBP算法中加入均值滤波算法优化人脸识别的效率。测试结果表明,开发的智能门锁系统识别效率高、准确性好、性能稳定,使用便捷安全。     

基于深度学习的人脸识别考勤管理系统开发

阐述了深度学习人脸识别考勤的基本原理,介绍活体检测及人脸识别中深度学习的概念,并将VGG16深度神经网络提取的Bottleneck特征输入至全连接网络用以人脸分类,并采集员工人脸图像构造训练数据集以训练深度学习模型。依据Keras框架实现了深度学习的算法程序,使用Java语言设计便于使用、友好的图形界面,采用My SQL建立员工信息、考勤记录数据库,并应用B/S架构实现人脸识别考勤管理系统的开发。将该系统应用于日常考勤业务中。仿真结果表明,该系统较好地满足企业和个人考勤管理的要求。