[发明专利]一种应用在工地闸机的离线轻量级人脸识别系统

说明书

一种应用在工地闸机的离线轻量级人脸识别系统，包括：人脸信息获取处理模块，用于获取初始人脸信息或待识别人脸信息，并对初始人脸信息进行处理，注册至系统；对待识别人脸信息进行处理，输出处理后的待识别人脸信息；人脸特征数据库，用于存储所述人脸信息获取处理模块内经过处理的初始人脸信息；人脸匹配模块，用于所述人脸信息获取处理模块中处理后的待识别人脸信息，与所述人脸特征数据库内所存储的初始人脸信息是否匹配。本发明采用RFB模块的设计思路，可以有效的减少网络的复杂度并保证检测的精度，整体的复杂度很低，可以在中端手机上达到20～30FPS。

技术领域

本发明涉及人工智能技术领域，具体涉及一种应用在工地闸机的离线轻量级人脸识别系统。

背景技术

人脸识别技术是基于面部特征信息进行身份识别的一种生物识别技术。该技术在图片/视频中，从人脸的角度入手，识别出画面中的人物是谁。人脸识别分为人脸检测和特征提取两个部分，人脸检测是在图像上检测人脸的位置，特征提取是根据检测到的人脸位置，在原图像上提取人脸特征用于识别。人脸识别系统在生活中应用广泛，如门禁打卡系统，无人超市客流统计，车站工地等人流密集地的闸机。

随着计算机技术的发展，深度学习开始应用在人脸识别领域，大幅度提高了人脸检测识别的精度。深度学习依靠多层卷积层提取人脸特征并对人脸位置进行判断。由于卷积运算非常耗时，所以基于深度学习的人脸识别算法的运算速度较慢。现有的工地人脸识别系统多部署在云端，在工厂入口闸机处捕获工人人脸照片，上传至服务器，使用云端较强算力进行人脸识别，识别速度较快，数据传输占了一部分识别时间。且价格与使用人脸识别API调用次数成正相关，花费较大，一年至少20万，对于中小型企业来讲，考勤成本过高。

如何在低成本的硬件条件下，使用深度学习的方法，搭建一套完整的人脸识别系统对企业降低考勤成本来讲，具有非常重要的意义

不难看出，现有技术中还存在诸多问题。

发明内容

为此，为了解决现有技术中的上述问题，本发明提出一种应用在工地闸机的离线轻量级人脸识别系统。

本发明通过以下技术手段解决上述问题：

一种应用在工地闸机的离线轻量级人脸识别系统，包括：

人脸信息获取处理模块，用于获取初始人脸信息或待识别人脸信息，并对初始人脸信息进行处理，注册至系统；对待识别人脸信息进行处理，输出处理后的待识别人脸信息；

人脸特征数据库，用于存储所述人脸信息获取处理模块内经过处理的初始人脸信息；

人脸匹配模块，用于所述人脸信息获取处理模块中处理后的待识别人脸信息，与所述人脸特征数据库内所存储的初始人脸信息是否匹配。

进一步的，所述人脸信息获取处理模块所注册的人脸信息为人脸特征向量。

进一步的，所述人脸信息获取处理模块包括：

人脸检测子模块，用于对输入系统的图像进行人脸检测，判断该图像中是否存在人脸；

人脸关键点检测子模块，用于对所述人脸检测子模块所判断存在人脸的图像进行人脸关键点定位；

人脸对齐子模块，依据所述人脸关键点检测子模块中人脸关键点的检测结果，对人脸角度进行计算，将检测到的人脸进行仿射变换，投影至标准人脸模板，得到对齐后的人脸图片；

人脸识别子模块，使用人脸识别深度学习模型，输入所述人脸对齐子模块中对齐后的人脸图片，得到该人脸对应的人脸特征向量。

进一步的，所述人脸检测子模块和人脸关键点检测子模块采用轻量级的多任务网络进行人脸检测和人脸关键点定位提取。

进一步的，所述轻量级的多任务网络的结构包括：