无感考勤和人数感知设备实现方法

本文主要研究一种无感考勤和人数感知设备的实现方法,基于人脸识别的无感考勤功能能够提升用户考勤体验,提高考勤速度。但为了保证系统安全,防止被考勤人利用照片、视频等方式进行考勤作弊,系统需要稳定可靠的活体识别功能。本文主要根据边缘设备的算法部署应用需求,进行人脸检测、活体识别算法的训练和优化研究。通过人脸图像纹理特征提取法,并结合特定相机采集人脸样本,对基于RGB静默活体识别模型进行学习训练和优化。经过试验验证,本方法训练的模型准确率达到90%以上,同时满足安全性和低成本部署需求。在人数感知功能的实现上,根据小人头和弱光识别不准问题,采用了模拟噪点的图像增强算法扩增训练集,并通过多尺度的神经网络lsc-cnn训练了头部检测模型,经过试验验证,在现有的边缘设备应用中,对比自带的头部检测算法,本文训练的算法模型在运行速度和准确率方面都取得了较大的提高。

人脸识别技术的无感签到系统的设计

签到考勤一直是规范出勤行为重要的一部分。随着信息化时代的进步以及图形图像技术的发展,签到系统发生了很大的变化。出于对市面上现有的签到考勤方式诸如人工点名、指纹签到等,费时费力、影响课程进度等问题。本文依靠计算机视觉库OpenCV和Face Recognition,研究并设计了一个基于人脸识别技术的无感签到考勤系统的实现方法。

智慧工厂安全管理中视频智能分析的应用

在施工工程现场,由于现场对象多、分布分散,采用传统的手工安全监管模式很难做到全面监测和及时发现问题,且多数传统的手工安全监管模式只是用于事后的回溯证据,不能对不安全人员的行为、不安全物品的状况进行有效的辨识与预警。可以借助智能施工现场的智能视频分析系统来解决这一问题,该系统能够对前方的图像进行收集,可以准确提取出目标事故中的重要因素,实现事前预警、事中常态检测、事后规范处理,为解决施工现场的安全管理问题提供一套完整的解决方案。

智能视频分析技术在智慧工地安全监管中的应用研究

传统监控视频中,建筑工地目标多、分布散,传统人工安全管理方式无法实现完全覆盖和及时发现,大部分视频监控影像仅作为事后追溯取证使用,无法对人的不安全行为、物的不安全状态进行主动识别预警。为解决该问题,采用智慧工地智能视频分析系统,利用先进的视频分析和人工智能技术,将建筑工地安全监控变被动监督为主动监控,该系统可采集前端视频监控数据,精准提炼目标事件的关键要素,分析关键要素后触发相应安全生产管理机制,真正做到事前预警、事中常态检测、事后规范管理,为解决当前工地安全管理问题提供一体化解决方案。