基于卷积神经网络的人脸识别在开放机房的应用

发布时间：2022-02-10 16:28

　　针对开放机房存在的安全隐患,提出通过卷积神经网络进行人脸识别的管理方法。在中心服务器中建立在校学生人脸识别采集库,通过卷积神经网络的卷积、池化算法建立卷积神经网络模型,构建人脸识别控制机制;并对人脸识别在开放机房应用中的布局、工作原理、运行过程及测试进行研究。通过测试,发现人脸识别率达到98.8%,大大增加了开放机房的安全性,同时通过对后台数据库中不同时段上机人数进行统计,从而合理调整机器数量,提高管理效率。 

【文章来源】：物联网技术. 2020,10(06)

【文章页数】：5 页

【部分图文】：

卷积层的计算方法

对于max-pooling,在前向计算时,选取每个2×2区域中的最大值,并记录最大值在每个小区域中的位置。在反向传播时,只有最大值对下一层有贡献,所以将残差传递到该最大值的位置[20],区域内其他2×2-1=3个位置置零,其中4×4矩阵中非零的位置即为计算出来的每个小区域的最大值的位置,如图4所示。图3 mean-pooling过程

mean-pooling过程

【参考文献】：
期刊论文
[1]深度学习及其在计算机视觉领域中的应用[J]. 李国和,乔英汉,吴卫江,郑艺峰,洪云峰,周晓明.  计算机应用研究. 2019(12)
[2]基于卷积神经网络的构件分类策略的研究[J]. 张富为,杨秋翔,宋超峰.  计算机工程与应用. 2019(08)
[3]基于深度卷积神经网络的人脸识别技术综述[J]. 景晨凯,宋涛,庄雷,刘刚,王乐,刘凯伦.  计算机应用与软件. 2018(01)
[4]基于卷积神经网络的人脸识别研究[J]. 解骏,陈玮.  软件导刊. 2018(01)
[5]卷积网络深度学习算法与实例[J]. 陈旭,张军,陈文伟,李硕豪.  广东工业大学学报. 2017(06)
[6]卷积神经网络在车辆识别中的应用[J]. 彭清,季桂树,谢林江,张少波.  计算机科学与探索. 2018(02)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[8]基于深度学习的人脸识别方法研究综述[J]. 杨巨成,刘娜,房珊珊,谢迎.  天津科技大学学报. 2016(06)
[9]基于人脸识别技术的图书馆门禁系统的研究[J]. 张静端.  现代电子技术. 2016(18)
[10]基于卷积神经网络的人脸识别方法[J]. 陈耀丹,王连明.  东北师大学报(自然科学版). 2016(02)



本文编号：3619159