一种基于神经网络的矿工人脸识别系统技术方案

本发明专利技术提供了一种基于神经网络的矿工人脸识别系统，本系统包括：矿工信息采集模块、考勤识别模块、矿工资料存储模块。本系统通过双边滤波和Retinex融合的图像预处理算法实现矿工人脸图像的增强和去噪，并通过SSD目标检测网络可以准确检测出图像中的人脸位置。在检测到人脸位置后，通过基于混合注意力机制改进的ResNet

A miner face recognition system based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的矿工人脸识别系统


[0001]本专利技术涉及人脸识别
，具体为一种基于神经网络的矿工人脸识别系统。

技术介绍

[0002]在现代科学技术的发展下，人脸识别技术逐步被应用在矿井考勤管理系统，它是通过对高分辨率摄像机拍摄到的图像进行分析，从中检索人脸信息，然后提取出面部特征，并与数据库中的人脸信息进行匹配比对，从而确定打卡员工的身份。该技术能够实现入井员工的自动识别，便于管理人员对井下作业情况有一个全面的认识，有效地防止了多卡进井的舞弊，为煤矿管理者提供及时的预防措施，减少事故的发生，对于提高生产安全有着重要意义。
[0003]但是，在煤矿环境中，人脸识别算法面临着诸多难点如光线较弱、粉尘遮挡、面部表情等，导致识别的准确率降低。因此，本专利技术针对上述问题，提出了一种基于神经网络的矿工人脸识别系统，以推动煤矿安全人脸识别技术的发展和创新。

技术实现思路

[0004]本专利技术的目的在于提供一种基于神经网络的矿工人脸识别系统，以解决目前煤矿环境的低光照、遮挡多、表情姿态等问题，以提高考勤系统的准确性。
[0005]为了达到上述目的，本专利技术提供一种矿工人脸识别系统，包括：
[0006]矿工信息采集模块，用于调取摄像头来采集矿工人脸图像，以及获取矿工的工号和姓名；
[0007]考勤识别模块，用于根据摄像头采集到的人脸信息与数据库中的人脸数据进行比对识别，输出打卡人员的个人信息并签到记录；
[0008]矿工资料存储模块，用于保存矿工的日常考勤记录，以及对人脸特征提取模块提取出来的人脸特征向量与矿工信息采集模块获取的矿工的工号和姓名进行存储。
[0009]进一步的，在上述系统中，矿工信息采集模块还包括：
[0010]人脸图像增强模块，用于使用双边滤波和Retinex融合的图像预处理算法，对采集到的人脸图像进行增强并去除冗余噪声，然后将增强后的图像送入到考勤识别模块。
[0011]进一步的，在上述系统中，考勤识别模块还包括：
[0012]人脸位置检测模块，用于将增强后的人脸图像输入到预训练好的SSD目标检测网络，以实现图像中的人脸位置检测，并将检测到的人脸图像裁剪下来；
[0013]人脸特征提取模块，用于将裁剪下来的人脸图像输入到预训练好的基于注意力机制的ResNet
‑
18特征提取网络，以实现人脸特征的提取工作；
[0014]人脸特征匹配模块，用于将提取出的特征向量与数据库中已标记的人脸特征向量进行比对识别，通过计算两者间的余弦相似度进行判断，若大于阈值0.6则考勤成功允许入井，并将人脸特征向量存送入到矿工资料存储模块进行保存，反之则拒绝入井。
[0015]本专利技术通过改进的图像预处理算法对采集到人脸图像进行增强和去噪处理，然后
通过SSD目标检测网络实现人脸部分的检测和裁剪，再利用基于注意力机制改进的ResNet
‑
18特征提取网络进行人脸特征的提取工作，最后通过计算提取特征向量与数据库已标记人脸特征向量间的余弦相似度实现矿工的考勤识别。
[0016]本专利技术通过改进的图像预处理算法可以有效增强人脸图像的质量，降低井下低照度、煤尘等干扰因素的影响，并且利用注意力机制强化了ResNet
‑
18网络的特征提取能力，充分提高了人脸识别的准确率，而且避免了传统考勤方式的弊端，是一种便捷、高效的考勤系统。
附图说明
[0017]图1是本专利技术所述的矿工人脸识别系统的结构框图。
[0018]图2是本专利技术所述的人脸图像增强模块的流程图。
[0019]图3是本专利技术所述的人脸位置检测模块的流程图。
[0020]图4是本专利技术所述的人脸特征提取模块的流程图。
[0021]图5是本专利技术所述的人脸特征匹配模块的流程图。
具体实施方式
[0022]为了更好的解释本专利技术，下面将结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0023]如图1所示，本专利技术提供一种基于神经网络的矿工人脸识别系统，包括：
[0024]矿工信息采集模块，用于调取摄像头来采集矿工人脸图像，以及获取矿工的工号和姓名；
[0025]考勤识别模块，用于根据摄像头采集到的人脸信息与数据库中的人脸数据进行比对识别，输出打卡人员的个人信息并签到记录；
[0026]矿工资料存储模块，用于保存矿工的日常考勤记录，以及对人脸特征提取模块提取出来的人脸特征向量与矿工信息采集模块获取的矿工的工号和姓名进行存储。
[0027]所述矿工信息采集模块还包括：
[0028]人脸图像增强模块，用于使用双边滤波和Retinex融合的图像预处理算法，对采集到的人脸图像进行增强并去除冗余噪声，然后将增强后的图像送入到考勤识别模块，
[0029]具体的，图2为本专利技术实例提供的人脸图像增强模块流程图，如图2所示，包括以下步骤1
‑
步骤4所描述的技术方案。
[0030]步骤1，将摄像头采集到的人脸图像作为输入图像，进行对数域变换，然后作为输出。
[0031]步骤2，通过双边滤波滤除人脸图像中的低频分量即光照分量，余下的反射分量作为输出，从而达到分离光照分量与反射分量的目的。
[0032]步骤3，将反射分量与颜色恢复度因子进行加权点乘，然后作为输出。
[0033]步骤4，将点乘结果进行指数域变换，得到最后的输出图像，将增强后的人脸图像送入到考勤识别模块。
[0034]所述考勤识别模块还包括：
[0035]人脸位置检测模块，用于将增强后的人脸图像输入到在LFW大型人脸数据集上进
行过预训练的SSD目标检测网络，训练网络所使用的损失函数为SoftMax，该函数能够让网络获得良好的分类能力。然后通过VGG
‑
16基础网络中的特征金字塔得到不同尺度的特征图，然后在不同尺度的特征图上生成不同大小的默认先验框，接着通过类别置信度阈值滤除不属于人脸类的先验框，并通过NMS算法过滤掉多余的先验框，最后剩下的先验框即为检测到的目标矿工人脸，将其裁剪出来送入到人脸特征提取模块。
[0036]具体的，图3为本专利技术实例提供的人脸位置检测模块流程图，如图3所示，包括以下步骤5
‑
步骤9所描述的技术方案。
[0037]步骤5，将输入图像送入到预训练的SSD目标检测网络，通过VGG
‑
16基础网络中的特征金字塔得到不同尺度的特征图。
[0038]步骤6，在不同尺度的特征图上生成不同大小的默认先验框。
[0039]步骤7，通过类别置信度阈值(本专利技术阈值取0.5)滤除不属于人脸类的先验框即去除背景框。
[0040]步骤8，通过NMS算法滤除多余的先验框，包括以下步骤q1
‑
步骤q3。
[0041]步骤q1，在所有边界框的集合B中筛选出最大类别分数的边界框M；
[0042]步骤q2，将M从集本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的矿工人脸识别系统，其特征在于，包括：矿工信息采集模块，用于调取摄像头来采集矿工人脸图像，以及获取矿工的工号和姓名；考勤识别模块，用于根据摄像头采集到的人脸信息与数据库中的人脸数据进行比对识别，输出打卡人员的个人信息并签到记录；矿工资料存储模块，用于保存矿工的日常考勤记录，以及对人脸特征提取模块提取出来的人脸特征向量与矿工信息采集模块获取的矿工的工号和姓名进行存储。2.如权利要求1所述的矿工人脸识别系统，其特征在于，还包括：人脸图像增强模块，用于使用双边滤波和Retinex融合的图像预处理算法，对采集到的人脸图像进行增强并去除冗余噪声，然后将增强后的图像送入到考勤识别模块。3.如权利要求1所述的矿工人脸识别系统，其特征在于，还...

【专利技术属性】
技术研发人员：刘晓阳，王地，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：