鐵路出站場景下,在出站旅客較多的情況下,存在通道擁擠、出站速度慢等問題,直接影響旅客的出站體驗�？紤]到人臉識別技術(shù)在鐵路已有了廣泛的應(yīng)用,如實名制核驗閘機(jī)、驗檢合一閘機(jī)、人工核驗窗口等均使用了人臉識別技術(shù)。本文研究鐵路無感出站應(yīng)用系統(tǒng),運用人臉識別等智能化新技術(shù),解決鐵路出站的傳統(tǒng)客運難題。首先介紹了系統(tǒng)在人臉識別關(guān)鍵技術(shù)的探索和研究,包括通過多種生物識別技術(shù)的對比分析選擇人臉識別作為檢票手段、人臉識別算法和算法服務(wù)引擎。人臉識別算法實現(xiàn)了自主研發(fā),包括人臉檢測、識別、活體檢測等技術(shù);算法服務(wù)引擎采用借助高性能服務(wù)器、優(yōu)化軟件結(jié)構(gòu)等方式,實現(xiàn)了穩(wěn)定可靠的服務(wù)能力。然后從技術(shù)選型、無感出站流程模式設(shè)計、系統(tǒng)的總體設(shè)計和數(shù)據(jù)安全防護(hù)四個方面介紹了鐵路無感出站應(yīng)用系統(tǒng)的總體設(shè)計,明確了注重邊緣計算、分布式和微服務(wù)化的架構(gòu)方式,設(shè)計了閘機(jī)模式、AI攝像頭模式和閘機(jī)+AI攝像頭模式三種無感出站模式,形成無感出站應(yīng)用總體設(shè)計,另由于現(xiàn)在社會各界對于公民隱私的重視,本文又在數(shù)據(jù)安全防護(hù)方面做了重點介紹。最后,為了驗證鐵路無感出站應(yīng)用的可行性,本文在實驗室環(huán)境下進(jìn)行了試驗,包括算法試驗階段以及無感出站... 

【文章來源】：中國鐵道科學(xué)研究院北京市

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文結(jié)構(gòu)圖

鐵路旅客無感出站關(guān)鍵技術(shù)及應(yīng)用方案研究中國鐵道科學(xué)研究院15LFW測試集上達(dá)到了99.83%的準(zhǔn)確率，在鐵路特色數(shù)據(jù)集上的結(jié)果將在第四章中詳細(xì)介紹，基本達(dá)到了業(yè)界的先進(jìn)水平。本小節(jié)通過設(shè)計損失函數(shù)、構(gòu)建特色訓(xùn)練集等工作，得到了一個在基本性能上達(dá)到業(yè)界先進(jìn)水平，并且在識別鐵路特有場景有特別優(yōu)化的人臉識別算法，為鐵路無感出站應(yīng)用的實現(xiàn)提供了強(qiáng)有力的支撐和保障。2.2.2人臉檢測算法人臉檢測是指在一張給定的圖片當(dāng)中，通過某種策略判斷圖片中是否含有人臉，如果有，則將人臉位置檢測出來的一種手段。人臉檢測是進(jìn)行人臉識別的第一步�，F(xiàn)今業(yè)界有許多比較成熟的基于深度學(xué)習(xí)的人臉檢測算法，像Faster-RCNN[35]，YOLO[36]，SSD[37]，MTCNN[38]等，每個算法有其優(yōu)點和弱點。SSD算法速度快，但對小目標(biāo)人臉檢測能力較弱，F(xiàn)aster-RCNN性能高，但是速度慢，基本無法做到實時檢測�，F(xiàn)今工業(yè)屆很多廠商采用MTCNN算法，可以做到實時性與檢測能力的并重，因此本文人臉檢測算法選用MTCNN模型進(jìn)行實現(xiàn)、優(yōu)化。MTCNN算法具有人臉區(qū)域和人臉五官關(guān)鍵點檢測的能力，該算法包含三個級聯(lián)網(wǎng)絡(luò)P-Net、R-Net和O-Net，采用候選框加分類器的思路，進(jìn)行快速高效的人臉檢測。三個網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)分別如圖2-1、圖2-2和圖2-3所示：圖2-1MTCNN模型P-Net網(wǎng)絡(luò)結(jié)構(gòu)Figure2-1NetworkStructureofP-NetBasedinMTCNNModel圖2-2MTCNN模型R-Net網(wǎng)絡(luò)結(jié)構(gòu)Figure2-2NetworkStructureofR-NetBasedinMTCNNModel

鐵路旅客無感出站關(guān)鍵技術(shù)及應(yīng)用方案研究中國鐵道科學(xué)研究院15LFW測試集上達(dá)到了99.83%的準(zhǔn)確率，在鐵路特色數(shù)據(jù)集上的結(jié)果將在第四章中詳細(xì)介紹，基本達(dá)到了業(yè)界的先進(jìn)水平。本小節(jié)通過設(shè)計損失函數(shù)、構(gòu)建特色訓(xùn)練集等工作，得到了一個在基本性能上達(dá)到業(yè)界先進(jìn)水平，并且在識別鐵路特有場景有特別優(yōu)化的人臉識別算法，為鐵路無感出站應(yīng)用的實現(xiàn)提供了強(qiáng)有力的支撐和保障。2.2.2人臉檢測算法人臉檢測是指在一張給定的圖片當(dāng)中，通過某種策略判斷圖片中是否含有人臉，如果有，則將人臉位置檢測出來的一種手段。人臉檢測是進(jìn)行人臉識別的第一步�，F(xiàn)今業(yè)界有許多比較成熟的基于深度學(xué)習(xí)的人臉檢測算法，像Faster-RCNN[35]，YOLO[36]，SSD[37]，MTCNN[38]等，每個算法有其優(yōu)點和弱點。SSD算法速度快，但對小目標(biāo)人臉檢測能力較弱，F(xiàn)aster-RCNN性能高，但是速度慢，基本無法做到實時檢測�，F(xiàn)今工業(yè)屆很多廠商采用MTCNN算法，可以做到實時性與檢測能力的并重，因此本文人臉檢測算法選用MTCNN模型進(jìn)行實現(xiàn)、優(yōu)化。MTCNN算法具有人臉區(qū)域和人臉五官關(guān)鍵點檢測的能力，該算法包含三個級聯(lián)網(wǎng)絡(luò)P-Net、R-Net和O-Net，采用候選框加分類器的思路，進(jìn)行快速高效的人臉檢測。三個網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)分別如圖2-1、圖2-2和圖2-3所示：圖2-1MTCNN模型P-Net網(wǎng)絡(luò)結(jié)構(gòu)Figure2-1NetworkStructureofP-NetBasedinMTCNNModel圖2-2MTCNN模型R-Net網(wǎng)絡(luò)結(jié)構(gòu)Figure2-2NetworkStructureofR-NetBasedinMTCNNModel

【參考文獻(xiàn)】：
期刊論文
[1]人臉識別應(yīng)用活體檢測技術(shù)研究[J]. 宛根訓(xùn),田青,朱紅徽,葛利軍.  中國安全防范技術(shù)與應(yīng)用. 2019(06)
[2]無感支付發(fā)展現(xiàn)狀與思考[J]. 謝丹.  福建金融. 2019(09)
[3]高速公路收費無感支付系統(tǒng)研究與應(yīng)用[J]. 王豐,班偉杰,戴澤華,劉育圣,王獻(xiàn)酉,紀(jì)震東.  交通世界. 2019(26)
[4]人臉識別技術(shù)的無感簽到系統(tǒng)的設(shè)計[J]. 張青,趙方圓,劉順鈺.  福建電腦. 2019(05)
[5]基于CNN的監(jiān)控視頻中人臉圖像質(zhì)量評估[J]. 王亞,朱明,劉成林.  計算機(jī)系統(tǒng)應(yīng)用. 2018(11)
[6]基于人臉識別技術(shù)的鐵路實名制進(jìn)站核驗系統(tǒng)研究及設(shè)計[J]. 賈成強(qiáng),戴琳琳,徐海濤,蘇建飛.  鐵路計算機(jī)應(yīng)用. 2018(07)
[7]微服務(wù)架構(gòu)的發(fā)展與影響分析[J]. 李貞昊.  信息系統(tǒng)工程. 2017(01)
[8]基于面部生命特征的3D假面欺騙攻擊檢測方法[J]. 谷小婧,付傳卿,顧幸生.  系統(tǒng)仿真學(xué)報. 2016(02)
[9]RESTFUL、SOAP、ICAP在移動網(wǎng)絡(luò)中的應(yīng)用[J]. 王磊,孫帆,陳旭東.  郵電設(shè)計技術(shù). 2015(09)
[10]新一代客票系統(tǒng)總體技術(shù)方案的研究[J]. 朱建生.  鐵路計算機(jī)應(yīng)用. 2012(06)

博士論文
[1]人臉識別中的活體檢測技術(shù)研究[D]. 孫霖.浙江大學(xué) 2010

碩士論文
[1]基于人臉識別的閘機(jī)通道口人員身份核驗系統(tǒng)設(shè)計[D]. 王少博.哈爾濱工業(yè)大學(xué) 2019
[2]基于光譜分析與深度信息的人臉活體檢測[D]. 劉逸飛.北京交通大學(xué) 2017
[3]聲紋識別系統(tǒng)關(guān)鍵技術(shù)研究[D]. 裴鑫.哈爾濱理工大學(xué) 2014



本文編號：3069201