智能人脸识别会议签到系统的设计与实现

发布时间：2021-02-12 04:47

　　随着社会的发展,会议作为各行各业中一种最常见的交流活动,规模越来越大,作用也越来越重要。传统的会议签到主要采用人工统计的方式进行,会议前会务组工作人员拿着参会人员名册,根据现场签到人的相关信息进行查找后签字确认,工作繁琐、容易出错且存在着汇总数据不及时的问题。信息技术的发展使得会议签到系统得到了广泛应用,但各类签到系统均或多或少存在着成本以及身份盗用的问题。本文针对各类会议签到系统的缺陷,将人脸识别作为签到方式,设计并实现了智能人脸识别会议签到系统。本文首先对系统的需求进行了分析,根据应用需求设计了系统整体架构并将系统分为用户注册、现场签到以及信息管理三个功能模块。考虑人脸识别效率以及耗时,本文基于深度学习的方法实现了人脸识别功能。相关工作如下:（1）针对会议签到的应用场景,本文设计了基于FaceNet改进结构的人脸识别模块。首先对平均亮度低于阈值的采集图像进行直方图均衡化处理,接着通过多任务卷积神经网络MTCNN（Multi-task Convolutional Neural Networks）人脸检测方法获取人脸的绝对位置信息以及关键点坐标,基于OpenCV仿射变换的方法实现人脸对... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

多任务级联卷积神经网络整体流程图

??基于 FaceNet 改进结构人脸识别模块的设计与实现29图3.10 人脸识别测试界面为模拟会议签到实际情况，本文收集并统计了实验室老师和同学共计 53 人的图像以及信息，结合 LFW 数据集中挑选出的 490 张图像，提取特征后组成共计 543 人的特征库。测试系统部署在服务器上，客户端连接摄像头后通过浏览器访问系统，将摄像头部署在实验室门口，对进实验室的同学以及老师进行人脸识别。图 3.11 为实验结果的部分截图。经过统计，在两天的时间内共截取到人脸图像共计 209 张，其中正确识别 190张

在两天的时间内共截取到人脸图像共计 209 张，其中正确识别 190张，准确率大约 90.9%，其中单张图像处理耗时大约为 500ms 至 800ms 之间。图3.11 人脸识别测试截图


本文编号：3030283