基于深度学习的人脸识别技术发展现状分析

人脸识别是一项热门的计算机技术研究领域,同时也奠定了生物特征识别的研究方向。随着技术的进一步成熟和社会认同度的提高,越来越多的学者将基于神经网络的多种深度学习方法结合起来,但在人脸标志检测方面还存在精度问题,由此提出一种深度卷积神经网络的训练方法加以解决。深度学习以多层自编码神经网络的方式进行预训练,进而结合人脸面部信息进一步优化神经网络权值的深度置信网络(DBN)。文章基于深度学习人脸识别发展现状进行分析,目的是进一步提高人脸识别精度。

基于深度学习的人脸识别课堂考勤系统的实现

文章针对传统考勤效率过低和现有人脸识别技术需要近距离刷脸的弊端,设计了一个基于深度学习的人脸识别课堂实时考勤系统。该系统以树莓派和Intel Movidius神经棒NCS为硬件平台,使用Python和OpenCV实现了基于深度卷积神经网络的人脸识别,并通过设计的考勤系统来保存识别结果和管理考勤数据。这种新型考勤系统在简化考勤流程的同时避免了传统考勤机需要近距离刷脸的弊端,支持远距离多人同时与实时识别,提高了考勤效率。

含红外添加剂的某烟火剂光谱特性研究

基于物质在不同波段有不等的红外辐射率理论,为调节某烟火剂的红外光谱辐射特性,选取了TFCA、TC、TCSO、TALO红外添加剂,制作红外诱饵,并采用红外光谱辐射计,对其红外辐射特性进行了测试。测试结果表明,添加剂对红外辐射输出有明显的影响,其中一些具有一定的红外辐射改善能力,从而可以取得更好的诱骗效果。