基于深度学习的人脸识别会议签到系统的设计.pdf

第 期(总第 期)年 月山西电子技术软件技术收稿日期:作者简介:王 磊()男安徽亳州人助教研究生研究方向:图像处理文章编号:()基于深度学习的人脸识别会议签到系统的设计王 磊(山西机电职业技术学院山西 长治)摘 要:现代社会运行节奏较快传统会议的签到方式繁琐统计耗时耗力 设计的新型人脸识别会议签到系统可有效提高与会人员的签到速度避免漏签、代签等问题 并且系统界面友好方便用户操作功能全面稳定能提高管理人员的工作效率关键词:深度学习人脸识别会议签到中图分类号:.文献标识码:():.:系统设计背景会议是日常生活中最重要的交流活动传统会议以笔纸登记作为签到的主要方式 但是随着社会运行节奏的加快会议频次越来越高人数也随之增多笔纸签到会有很多弊端 比如签到方式繁琐漏签、代签统计耗时耗力等因此一种新型的会议签到系统急需出现论文设计的基于深度学习的人脸识别会议签到系统可以有效提高签到速度优化统计方式提高工作效率实现会议的信息化、智能化 系统概述本系统包括人员信息管理、会议管理、人脸模块、信息统计等主要模块如图 所示人员信息管理是对与会人员的基础信息进行增删改查会议管理包括申请会议、开启会议人脸模块包括录入人脸、人脸检测和识别信息统计模块包括参会人员统计图 系统框图在系统设计的过程中前端使用 框架设计后端采用 与 深度学习框架开发数据库采用 人脸检测、人脸识别的模型使用 语言结合 深度学习框架进行训练 系统设计.系统整体架构设计为方便使用系统采用/架构即浏览器/服务器模式 本系统应用程序及数据库均部署在服务器上用户可以使用 端的浏览器通过互联网访问服务器 年第 期王 磊:基于深度学习的人脸识别会议签到系统的设计图 系统整体架构系统整体架构如图 所示.、与 结合设计前端的视图界面负责与用户交互 组合设计业务逻辑包括数据的增删改查以及人脸的检测与识别系统选用 数据库用于数据存储使用 语言及 框架进行人脸识别模型的训练在模型训练成功之后将模型放入项目中通过 框架加载模型用于人脸识别.模块设计.数据库设计结合系统需求用户包含参会人员和管理员参会人员可以进行用户注册、人脸图像录入、会议签到、参加会议等操作管理员可以进行创建、预约会议删除会议开始会议签到统计更改签到方式等操作 结合实际需求系统的数据库表设计如下)表:此表负责存储用户的信息 为主键、为用户名及密码 为用户的真实姓名 存储用户是否录入人脸标识 存储是否为管理员用户标识 为用户的注册邮箱)表:此表存储人脸信息 该表包含两个字段 为用户唯一标识与 表中的 相关联 为保存用户人脸图片的路径.登录注册模块为保证数据的安全性进入系统需要用户名和密码进行身份验证 对于新用户需先进行注册如是老用户可以直接输入用户名密码进行验证登录成功进入图像采集界面后由前端开启摄像头并获取视频流中的一帧图像将图片转换成 格式再发送到后台 后台接收到数据之后先将 格式转换成 图片再使用 框架中的 类加载初始化训练好的人脸检测模型 类加载模型 加载模型对截取出来的图片进行人脸检测如有人脸返回给前端 值前端向用户提示保持姿态不动连续截取十张图片传到后台后台将传过来的数据格式转换后保存成 图片并截取人脸去除背景信息 再加载已训练好的识别模型使用模型提出人脸图像的特征信息保存为 文件 将人脸图像和特征信息文件均保存在同一个文件夹下该文件夹名称对应为该用户的姓名.会议管理模块会议管理模块包括预约会议、开启会议、会议签到、结束会议、人数统计等功能 预约会议:进入到主界面之后点击预约会议按钮即可预约会议 由后台生成随机会议码返回给前台参会人员可以使用该会议码签到 用户输入会议的基本信息可以直接开始会议也可以计时自动开启会议 开启会议:在预约会议成功或者异步计时结束之后可进入会议 与会人员可以通过人脸签到的方式进入会议 会议签到:会议签到的方式有两种人脸识别签到和输入会议码签到在进入会议签到界面后摄像头开启 先会获一帧图像加载人脸检测模型检测是否包含人脸如检测到人脸会将人脸区域裁剪出来没有检测到人脸前端重新截取图像继续检测 获取待检测人脸后加载人脸识别模型进行识别验证成功即签到成功 人脸识别签到不成功可以通过输入会议码进入会议会议码由会议申请人公布 结束会议:管理员点击结束会议按钮即可结束本次会议 结束会议后会统计出出席本次会议的人数并统计出人脸识别签到人数、手动会议码签到人数.人脸模块人脸模块包含两个步骤:人脸检测和人脸识别人脸模块流程如图 所示前端控制开启摄像头并获取视频流展示在浏览器中 获取一帧图像之后由后台加载训练好的 人脸检测模型如果在图像中检测到了人脸信息将人脸截取出来 然后再加载 人脸识别模型通过人脸识别模型提取出该人脸的特征信息 如果该用户在注册账号时已经将自己的人脸录入则该用户的人脸特征向量会保存到以其姓名命名的 文件中即特征人脸文件识别过程中将待识别人脸的特征信息与人脸库中的特征向量计算欧式距离找出距离最小的特征向量 如果计算出的欧式距离小于设定阈值则该特征向量对应的标签为识别结果如果大于阈值(下转第 页)术与实践.北京:机械工业出版社.马俊明.一种基于 的零信任安全解决方案.信息安全与通信保密():.边杏宾马俊明胡志勇等.在泛在物联网中的应用研究.信息技术与网络安全():.(上接第 页)识别失败本系统选用主干网络为 的 网络模型作为人脸检测算法 人脸识别算法使用 作为 的主干网络即 层的深度残差网络模型 在模型训练的过程中将三元损失函数修改为 损失函数可以解决人脸特征类间距离小类内距离大的问题图 人脸模块流程图 系统测试本系统主要针对国内用户设计在训练模型的过程中收集亚洲明星人脸图像制作出数据集共有 个分类 万张人脸图像 使用 结合 框架训练出人脸检测、识别模型 人脸识别界面如图 所示系统选用 人作为测试对象每人识别 次识别成功率达到 图 人脸识别界面 结论本系统采用、模型作为人脸检测和识别的网络模型选用亚洲人脸作为训练的数据集识别成功率较高识别速度较快用户交互界面友好各个模块均能稳定运行极大的提高了签到系统的工作效率在制作数据集的过程中所有的人脸均是在光线明亮的情况下拍摄的因此模型对光照的鲁棒性有待提高为进一步提高签到的便捷性还需提供移动端的接口让用户可以通过移动设备进行签到参考文献 欧阳明星.基于/架构的远程实验数据采集系统设计.电子技术():.李蒋.基于深度学习 框架下 的交通信号灯检测.汽车电器():.李想.基于 算法的人脸检测研究.北京:北方工业大学.刘宝玉亢健铭范树凯.基于 的煤矿人员考勤识别.煤炭技术():.胡月文李丹.基于 损失函数的监护安全人脸识别.现代信息科技():.山 西 电 子 技 术 年第 期