图像均衡化与FaceNet算法相结合的方法研究

在公安实战环境下,由于受到光照以及摄像头角度等因素影响,获取的线索照片一般比较模糊,质量不高,降低了识别率,影响了实战应用效果,提出了图像均衡化与FaceNet算法相结合的识别方法,用于提升光线不足、过曝等图像的识别准确率。

一种改进的MTCNN和FaceNet人脸检测及识别算法研究

MTCNN和FaceNet的人脸识别算法是较为常用的算法,但由于各种因素使得识别准确率较低。为了保障基于MTCNN和FaceNet的人脸检测识别系统更好地解决传统安保人工监控模式带来的资源浪费及效率低下等问题,提出了一种改进的MTCNN和FaceNet人脸检测及识别算法。在现有的MTCNN和FaceNet人脸检测及识别算法的基础上,针对夜晚图像出现的大量噪点,使用两次中值滤波进行快速去噪,降低噪点导致的误检率,从而提高图片识别准确率;并将改进前后的算法分别对同个人脸数据集进行检测识别,比较改进前后算法的准确率和召回率,可验证改进后算法的优化有效性。

一种基于MTCNN和FaceNet的智能门禁系统设计

随着技术发展,智能门禁系统已经走入人们的日常生活中。更加智能、安全、低成本的门禁系统是智能家居的研究热点之一。以智能门锁为研究对象,以价格低廉的树莓派4B作为智能门锁核心控制单元,结合摄像头、智能开关锁、显示器等作为智能门锁硬件。同时,在识别算法中引入MTCNN+FaceNet,针对FaceNet与训练模型存在对中国人脸识别准确率不高的问题,对该模型在适用于中国人脸的数据集上,对该方法进行迁移学习再次训练。在LFW数据集上对模型进行评估,精度可达到98.6%。测试结果表明,该系统可以有效识别人脸并进行开锁操作,同时在Android APP中也可以进行远程操作,而且系统功能完整,识别准确率较高,价格低廉,在智能家居中有较高的使用价值。