基于iOS平台的地下停车场导航系统研究

针对当前地下停车库基于位置应用需求剧增与传统GPS在室内定位精度不足的矛盾,研究了一种基于iBeacon的地下停车场导航系统,通过计算信号强度最大的三处的基站到手机的距离,获取手机位置,根据用户需求,提供语音导航;通过分析多处信号最为强度,有效解决了复杂室内环境下三点定位中的三圆交点获取问题,具有较好的创新性;测试结果表明,系统能在开启定位后3秒内逐步定位稳定,系统最大定位误差不超过3米,平均误差为1.66米,导航时有84.7%的概率误差处于1.5米左右,15.3%的概率误差处于5米之下;经过实地使用系统使用基于蓝牙的定位技术,可以有效兼容当前手机,具有很好的便利性,系统能够很好地解决地下停车场目标车辆的定位、导航问题,具有良好的应用前景。

一种组网人脸识别门禁系统的设计

针对传统人脸识别门禁中识别率不高的情况,设计了一种具有环境针对性的可靠人脸识别网络,采用卷积神经网络技术和基于TCP/IP的云应用技术,对人脸识别过程中的人脸提取进行了改进,采用了先进的MTCNN模型,实验结果表明,在2代和10代训练后识别结果收敛效果不明显,存在较大梯度,20代时训练后结果收敛,准确率逼近100%,loss值也逼近0%,表明20代训练模型确实已经完全收敛,且训练的拟合速度适中,既没有出现过快或者梯度消失的现象,也没有出现过慢或者不收敛甚至反升的情况,可以说模型的学习率也已经取到最佳效果;经工程测试,该系统具有更高的识别准确性和注册兼容性,可以满足小区、公司等人员数量不多且较为固定的场所的应用需求。