论文部分内容阅读
随着人工智能技术的兴起,智能化、便捷化的生活渐渐成为人们的追求,而卷积神经网络的发展使图像领域面临前所未有的发展契机。因此,计算机视觉技术开始应用于现实生活中的各个方面,其中人脸检测与识别是发展最快的技术之一。本文对手扶电梯场景下的人脸检测算法、数据处理算法以及人脸识别算法进行研究,设计并实现了一个应用于手扶电梯场景的人脸检测与识别系统。通过安装在扶梯出口前上方的摄像头获取图像,对图像中乘客进行人脸检测与识别,从而实现访客识别,员工识别与乘客视频信息获取等功能。本文的主要工作分为以下四个部分:1)针对复杂场景人脸检测算法性能不稳定的问题,本文深入分析多种方法。首先构建适合扶梯场景下的人脸检测数据集,之后研究了Haar、LBP、HOG三种特征以及SVM、Adaboost、级联CNN、MTCNN四种检测算法,通过在数据集上进行对照实验选定MTCNN为适用于扶梯场景的人脸检测算法。2)针对人脸识别算法具有区域特异性的问题,本文获取实际场景数据。首先构建两个适合扶梯场景下人脸识别的数据集,之后分析数据集存在的问题,通过一系列方法清洗数据集。最后,采用传统数据增强算法改善数据量较少的问题,采用本文提出的生成式对抗网络算法解决类别不均衡问题。3)针对已有数据量与深度学习模型容量匹配的问题,本文提出了基于改进的残差网络与中心损失的网络模型。首先根据数据量与数据复杂程度确定网络的基本模型,选择中心损失与交叉熵损失结合的方式作为网络的损失函数,之后采用BN策略、Dropout策略以及正则化技巧优化模型。最后,本文通过纵向对比实验与横向对比实验说明了本文模型有良好的提取特征能力。4)综合上述研究成果,本文采用Python、OpenCV、数据库等工具开发了扶梯场景下的人脸检测与识别系统,软件包括初始化模块、信息传输模块、功能函数模块和扶梯监控模块。系统功能包括注册、登录、员工识别、访客识别等。本文围绕“手扶电梯场景下人脸检测与识别算法”这一主题进行研究,主要包含人脸检测算法、人脸识别数据集处理算法以及人脸识别算法三个部分。实验验证,本文提出的算法获得了较高的准确率,对实现扶梯智能化具有重要的实用价值。