隨著社會(huì)的發(fā)展,會(huì)議作為各行各業(yè)中一種最常見的交流活動(dòng),規(guī)模越來越大,作用也越來越重要。傳統(tǒng)的會(huì)議簽到主要采用人工統(tǒng)計(jì)的方式進(jìn)行,會(huì)議前會(huì)務(wù)組工作人員拿著參會(huì)人員名冊,根據(jù)現(xiàn)場簽到人的相關(guān)信息進(jìn)行查找后簽字確認(rèn),工作繁瑣、容易出錯(cuò)且存在著匯總數(shù)據(jù)不及時(shí)的問題。信息技術(shù)的發(fā)展使得會(huì)議簽到系統(tǒng)得到了廣泛應(yīng)用,但各類簽到系統(tǒng)均或多或少存在著成本以及身份盜用的問題。本文針對各類會(huì)議簽到系統(tǒng)的缺陷,將人臉識別作為簽到方式,設(shè)計(jì)并實(shí)現(xiàn)了智能人臉識別會(huì)議簽到系統(tǒng)。本文首先對系統(tǒng)的需求進(jìn)行了分析,根據(jù)應(yīng)用需求設(shè)計(jì)了系統(tǒng)整體架構(gòu)并將系統(tǒng)分為用戶注冊、現(xiàn)場簽到以及信息管理三個(gè)功能模塊�？紤]人臉識別效率以及耗時(shí),本文基于深度學(xué)習(xí)的方法實(shí)現(xiàn)了人臉識別功能。相關(guān)工作如下:（1）針對會(huì)議簽到的應(yīng)用場景,本文設(shè)計(jì)了基于FaceNet改進(jìn)結(jié)構(gòu)的人臉識別模塊。首先對平均亮度低于閾值的采集圖像進(jìn)行直方圖均衡化處理,接著通過多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)MTCNN（Multi-task Convolutional Neural Networks）人臉檢測方法獲取人臉的絕對位置信息以及關(guān)鍵點(diǎn)坐標(biāo),基于OpenCV仿射變換的方法實(shí)現(xiàn)人臉對... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)整體流程圖

??基于 FaceNet 改進(jìn)結(jié)構(gòu)人臉識別模塊的設(shè)計(jì)與實(shí)現(xiàn)29圖3.10 人臉識別測試界面為模擬會(huì)議簽到實(shí)際情況，本文收集并統(tǒng)計(jì)了實(shí)驗(yàn)室老師和同學(xué)共計(jì) 53 人的圖像以及信息，結(jié)合 LFW 數(shù)據(jù)集中挑選出的 490 張圖像，提取特征后組成共計(jì) 543 人的特征庫。測試系統(tǒng)部署在服務(wù)器上，客戶端連接攝像頭后通過瀏覽器訪問系統(tǒng)，將攝像頭部署在實(shí)驗(yàn)室門口，對進(jìn)實(shí)驗(yàn)室的同學(xué)以及老師進(jìn)行人臉識別。圖 3.11 為實(shí)驗(yàn)結(jié)果的部分截圖。經(jīng)過統(tǒng)計(jì)，在兩天的時(shí)間內(nèi)共截取到人臉圖像共計(jì) 209 張，其中正確識別 190張

在兩天的時(shí)間內(nèi)共截取到人臉圖像共計(jì) 209 張，其中正確識別 190張，準(zhǔn)確率大約 90.9%，其中單張圖像處理耗時(shí)大約為 500ms 至 800ms 之間。圖3.11 人臉識別測試截圖


本文編號：3030283