基于MTCNN算法的多人脸识别研究

随着人工智能在计算机视觉领域的飞速发展,越来越多的经典人工智能算法被应用于多人脸识别研究。其中,MTCNN算法在多人脸识别方面表现较好,但在识别精度上还有较大提升空间。本研究从经典的MTCNN算法框架出发,对其子算法NMS算法进行评估与改进,并对NMS算法与改进NMS算法在P-Net、R-Net、O-Net各个级联网络中的表现差异进行比较与理论分析。对改进后的NMS算法进行主观和客观相结合、横向比较与纵向比较相结合的多种维度方式的评估与鉴别。实验结果表明,本研究设计的模型在数据集LFW上的人脸识别准确率为94.56%,可为多人脸识别研究提供参考。

基于SeeTaFace6的高校多人脸识别智能考勤系统

针对高校学生上课考勤签到时间长、签到影响正常授课效率、考勤数据偏颇问题,设计了一种基于SeeTaFace6人脸识别模型的多人脸识别智能考勤系统,可以有效提高高校师生的考勤效率,为正常授课提供更多时间。采用Java中的JNI技术将SeeTaFace6模型封装成人脸识别算法库,使用SpringBoot作为后端框架,Vue作为前端框架,基础信息数据采用MySql进行存储,人脸关键点等信息的存储则采用入库存储与缓存结合的方式。所设计的系统交互性良好,多人脸识别成功率高,时间快,实用性高,可为高校中的同类考勤系统设计提供借鉴。

基于OMAP3530数字图像处理的多人脸识别系统设计

为了完成在不采用传感器条件下对公共场所人数的智能检测,从实际应用的角度出发,运用人脸图像拟合及模糊条件下人脸匹配的算法,实现了在嵌入式Linux平台下以OMAP3530芯片为核心的基于图像处理的多人脸识别系统。该系统能够得出公共场所实时人员的名单,并列出人员信息。以普通办公室为例进行实验,得出准确率可达80%。该系统充分利用了OMAP3530芯片强大的数据处理能力,具有性价比高、可维护性强、工作稳定的特点。

多人脸识别在高校学生考勤中的应用研究

目前我国高校学生考勤系统存在代打、效率低、费时长等缺点,无法满足高校考勤工作的需要。该文主要通过从监控视频中获取的图像帧,结合多人脸识别技术和数据库,设计高校学生自动考勤系统。系统能在无人工干预的前提下自动快速进行学生考勤工作,对解决目前高校学生出勤率低的问题有重要的实用价值。

基于深度学习的多人脸识别系统的设计实现

随着人们对社会安全保障的需求越来越大,对人脸识别的性能要求也越来越高。但是目前的人脸识别算法在面对多人脸识别的挑战时,存在准确率低和速度过慢的缺陷。本文利用PyQt GUI设计实现了基于深度学习的多人脸识别系统,该系统搭载了应用于人流量大场景下的多人脸识别算法,该算法可以很好地兼顾了精度和速度的要求。整体系统轻巧,易于在移动设备上搭建,界面简洁清晰、功能强大,可以为用户提供多人脸识别的各种功能。

施工现场人员车辆无感化管理技术研究与应用

为提高变电站施工现场人员车辆进出场管控的效率和精确度,建设一套基于多种视频分析技术的无感化交互人车管理系统,以此取代传统管控手段,构建智慧工地管控体系。首先在现场管控软件系统中建立并维护现场人员车辆基础信息库,以提供视频分析比对基准;在变电站正门及周界分别布设双向人员/车辆识别筒机、全景摄像头和周界球机。对视频流使用人脸识别、入侵检测等视频分析技术进行实时识别分析,达到人车考勤统计和异常行为告警的管理目的。实验及应用表明,该系统对多目标平均识别准确率可达95%,大幅提高了变电站施工现场人员车辆进出场管控的效率和精确度。