王继超,张丽娟,尤 田,孙东来,回振桥
(1.河北水利电力学院自动化与通信工程学院,河北省沧州市黄河西路49号 061001;2.河北省高校水利自动化与信息化应用技术研发中心,河北省沧州市黄河西路49号 061001)
随着疫情在世界范围内的肆虐,利用生物识别手段来实现高效即时的防疫已成为人工智能的新研究方向。面对各个行业的复工复产,对工作人员或学生的防疫检测已经成为了当下的主流,但实地落实时还有很多弊端,例如操作过程复杂,人员劳动量大,检查过程不规范等,这些都会为防疫落实带来影响,因此设计智能防疫系统替代人工检测成为必然,本设计通过人脸识别对被测者进行身份核实与记录,如果通过核实则进行红外测温和口罩检测,若被测者信息不匹配、体温异常或未佩戴口罩,本地便会触发异常报警,并将相关信息反馈上云,实现防疫检测去人工化,达到更高效防疫实施和更精准的防疫效果。
本设计的关键是人脸识别技术的应用,而传统的人脸识别技术是基于可见光图像的人脸识别,但这种方法受到环境光照的影响较大,如光照强度变化较大的时候,识别效果会急剧下降。近些年随着深度神经网络(Deep Neural Networks,DNN)如区域卷积神经网络(region-convolutional neural network,R-CNN)[1]、快速区域卷积神经网络(Fast-region convolutional neural network,Fast-RCNN)[2]、更快速区域卷积神经网络(Faster-region convolutional neural network,Faster-RCNN)[3]、YOLO(You Only Look Once)[4-6]出现和发展,基于深度学习的图像处理算法成为主流算法。从传统的LBP和SIFT特征转变为深度学习的不同层级卷积特征,研究方向也逐渐由单任务二分类演变为多任务学习、多粒度层级式学习、多标签学习等[7]。……