智能枪械管理系统的设计与实现
发布时间：2021-06-09 20:13
随着信息化与网络化的高速发展,越来越多的行业普及了智能化管理,在降低管理成本的同时提高了管理效率。对于公安系统公务用枪混乱的管理现状来说,设计一套智能化的枪械管理系统,提高枪械管理的安全性和规范性显得尤为重要。针对这一问题,本文依照《公安机关公务用枪管理使用规定》设计实现了智能枪械管理系统。智能枪械管理系统提供了方便的人机交互界面,集枪支存取、个人信息管理、枪械信息管理、视频监控为一体,实现了公安总局对枪械的实时监控,提高了枪械管理的规范性、安全性和高效性。智能枪械管理系统主要使用Python语言实现,在警员登录过程中加入人脸识别算法、警员取枪过程中加入表情识别算法、系统待机时加入动态目标检测算法,提高了枪械管理的安全性。论文主要工作如下:（1）设计智能枪械管理系统的整体方案。包括智能枪械管理系统体系结构设计、系统各模块功能设计以及数据库设计;（2）警员登录时使用人脸识别与指纹识别双重验证。论文研究实现了一种高效的人脸识别算法,并且与其他算法进行对比。在人脸识别的同时使用活体检测实现人脸识别反欺骗,进一步增强系统登录的安全性;（3）在警员取枪过程中创新性的加入表情识别算法。论文研究并实...
【文章来源】：济南大学山东省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
人脸HOG特征图
济南大学硕士学位论文（1）图片预处理时将图片放大两倍有助于检测较小的人脸。因为训练集的图片，将训练集图片镜像处理，扩大训练集样本数量；（2）定义扫描窗口并设置其大小，用于扫描图片提取 HOG 特征。因为图片中的有可能小于扫描窗口的大小，所以在进行图片扫描时不断进行比率为56的下采样像的大小小于扫描窗口的大小时停止下采样；（3）定义 trainer，训练生成人脸检测器。核心代码如下：structural_object_detection_trainer<image_scanner_type>trainer(scanner);trainer.set_num_threads(4);trainer.set_c(1);trainer.be_verbose();trainer.set_epsilon(0.01);如图 4.7 所示是通过训练好的人脸检测器检测出的人脸效果：
智能枪械管理系统的设计与实现可以提取更为复杂的特征。所以在理论上来说，网络模型的层数增加网络的表现应来越好。但是现实中情况恰恰相反，随着网络层数的增加网络的准确度不但不能提会出现下降的现象。因为网络模型的层数增加会导致梯度下降或者梯度消失的问题得深度网络难以训练，残差网络应运而生[27]。残差网络在加深网络的同时提升了模准确度。论文没有就残差网络做深入的研究，只是使用 Dlib 库中训练好的 ResNe，把检测到的人脸送入网络，直接生成人脸的 128 维特征向量。如图 4.8 所示是通esNet 提取的人脸 128 维向量：
【参考文献】：
期刊论文
[1]人脸检测算法的优化[J]. 龚格格,吴珊,郭湘南. 计算机技术与发展. 2019(06)
[2]背景帧间差分法的移动目标跟踪研究[J]. 黄金海. 中国仪器仪表. 2019(01)
[3]人脸识别技术未来将走向算法免费[J]. 王海增. 中国安防. 2017(Z1)
[4]基于方向梯度直方图的行人检测与跟踪[J]. 张世博,李梦佳,李乐,罗其会. 北京石油化工学院学报. 2013(04)
[5]计算机应用于运输管理系统[J]. 周星,侯泉,侯启龙. 硅谷. 2012(06)
[6]基于自适应二进小波变换的人脸检测方法[J]. 吐尔洪江·阿布都克力木. 计算机工程与应用. 2010(18)
[7]图像特征提取研究[J]. 翟俊海,赵文秀,王熙照. 河北大学学报(自然科学版). 2009(01)
[8]基于RFID的部队军械管理系统的设计与应用[J]. 李昊,马志欣,付少锋,王闵. 科学技术与工程. 2007(21)
[9]基于特征脸和BP神经网络的人脸识别[J]. 黎奎,宋宇,邓建奇,刘民,陈忠林,周激流. 计算机应用研究. 2005(06)
硕士论文
[1]基于WCF的分布式智能枪柜管理系统的设计与实现[D]. 何莉君.南京理工大学 2017
[2]基于深度网络的图像拷贝检测算法[D]. 王萍.天津大学 2017
[3]寿光市农民科技培训项目管理系统的设计与实现[D]. 桑毅冲.山东大学 2010
[4]基于正交照片的三维人脸重建[D]. 张居昌.西安电子科技大学 2010
[5]财务信息管理系统的设计与实现[D]. 杜梓平.北京邮电大学 2009
[6]企业级的B/S模式应用软件非功能性需求分析与研究[D]. 黄浪.厦门大学 2008
[7]人脸表情识别的研究与分析[D]. 庄翠雅.华侨大学 2008
[8]数据挖掘技术在病人情况预报中的应用研究与实现[D]. 黄晓亚.南京理工大学 2006
[9]基于设计模式的数据库连接池技术和应用[D]. 李富中.山东大学 2006
本文编号：3221240
【文章来源】：济南大学山东省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
人脸HOG特征图
济南大学硕士学位论文（1）图片预处理时将图片放大两倍有助于检测较小的人脸。因为训练集的图片，将训练集图片镜像处理，扩大训练集样本数量；（2）定义扫描窗口并设置其大小，用于扫描图片提取 HOG 特征。因为图片中的有可能小于扫描窗口的大小，所以在进行图片扫描时不断进行比率为56的下采样像的大小小于扫描窗口的大小时停止下采样；（3）定义 trainer，训练生成人脸检测器。核心代码如下：structural_object_detection_trainer<image_scanner_type>trainer(scanner);trainer.set_num_threads(4);trainer.set_c(1);trainer.be_verbose();trainer.set_epsilon(0.01);如图 4.7 所示是通过训练好的人脸检测器检测出的人脸效果：
智能枪械管理系统的设计与实现可以提取更为复杂的特征。所以在理论上来说，网络模型的层数增加网络的表现应来越好。但是现实中情况恰恰相反，随着网络层数的增加网络的准确度不但不能提会出现下降的现象。因为网络模型的层数增加会导致梯度下降或者梯度消失的问题得深度网络难以训练，残差网络应运而生[27]。残差网络在加深网络的同时提升了模准确度。论文没有就残差网络做深入的研究，只是使用 Dlib 库中训练好的 ResNe，把检测到的人脸送入网络，直接生成人脸的 128 维特征向量。如图 4.8 所示是通esNet 提取的人脸 128 维向量：
【参考文献】：
期刊论文
[1]人脸检测算法的优化[J]. 龚格格,吴珊,郭湘南. 计算机技术与发展. 2019(06)
[2]背景帧间差分法的移动目标跟踪研究[J]. 黄金海. 中国仪器仪表. 2019(01)
[3]人脸识别技术未来将走向算法免费[J]. 王海增. 中国安防. 2017(Z1)
[4]基于方向梯度直方图的行人检测与跟踪[J]. 张世博,李梦佳,李乐,罗其会. 北京石油化工学院学报. 2013(04)
[5]计算机应用于运输管理系统[J]. 周星,侯泉,侯启龙. 硅谷. 2012(06)
[6]基于自适应二进小波变换的人脸检测方法[J]. 吐尔洪江·阿布都克力木. 计算机工程与应用. 2010(18)
[7]图像特征提取研究[J]. 翟俊海,赵文秀,王熙照. 河北大学学报(自然科学版). 2009(01)
[8]基于RFID的部队军械管理系统的设计与应用[J]. 李昊,马志欣,付少锋,王闵. 科学技术与工程. 2007(21)
[9]基于特征脸和BP神经网络的人脸识别[J]. 黎奎,宋宇,邓建奇,刘民,陈忠林,周激流. 计算机应用研究. 2005(06)
硕士论文
[1]基于WCF的分布式智能枪柜管理系统的设计与实现[D]. 何莉君.南京理工大学 2017
[2]基于深度网络的图像拷贝检测算法[D]. 王萍.天津大学 2017
[3]寿光市农民科技培训项目管理系统的设计与实现[D]. 桑毅冲.山东大学 2010
[4]基于正交照片的三维人脸重建[D]. 张居昌.西安电子科技大学 2010
[5]财务信息管理系统的设计与实现[D]. 杜梓平.北京邮电大学 2009
[6]企业级的B/S模式应用软件非功能性需求分析与研究[D]. 黄浪.厦门大学 2008
[7]人脸表情识别的研究与分析[D]. 庄翠雅.华侨大学 2008
[8]数据挖掘技术在病人情况预报中的应用研究与实现[D]. 黄晓亚.南京理工大学 2006
[9]基于设计模式的数据库连接池技术和应用[D]. 李富中.山东大学 2006
本文编号：3221240
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3221240.html
