论文部分内容阅读
随着经济的高速发展,人们对于安保系统性能要求越来越高,基于深度学习的人脸识别门禁系统也逐渐取代了传统的门禁系统,本文主要研究如何将基于深度神经网络的人脸识别技术更好地应用于校园门禁系统中,研究工作主要包含以下三部分:一、非限定条件下人脸检测算法的研究。考虑到门禁系统在实际应用中图像采集处于非限定条件下,本文研究了LBP特征以及SVM分类器、Adaboost级联分类器、MTCNN三种检测算法,在非限定人脸数据集上进行对比实验,实验结果表明非限定条件下MTCNN算法人脸检测准确度更高,并以此算法作为本文系统的检测算法。二、对残差网络进行了研究和改进。在传统残差网络的基础上,提出一种改进的分通道加权拓宽残差网络模型,一方面通过增加卷积核数量,从多维度对网络输入数据进行分析,另一方面根据网络输入数据维度进行分通道加权处理。通过对比实验,确定改进后的残差网络模型性能上更优于传统网络。三、门禁系统的框架设计与实现。在前两项研究的基础上,采用Python、OpenCV、MySQL数据库开发了本文系统的人脸检测、识别系统,并利用PHP语言、ThinkPHP5框架和Bootstrap框架,搭建了本文系统的交互界面。本文主要是对校园门禁系统应用场景下的人脸检测和人脸识别算法进行研究和改进。通过对比实验,证明本文提出的改进算法在非限定条件下可获得较高的识别准确度,对未来校园门禁系统的设计开发有一定的参考意义。