本文基于项目《安全违章智能侦测识别报警系统》展开,在施工管理的过程中,安全管理一直是放在首要位置的。为了加强工地的安全管理,在每日开工前,工人需列队进行班前安全教育,在工地管理中称为“站班”,以此提高工人的安全意识。对于进入工地的人员,需要严格地限制和监管,禁止外来人员进入,减少安全隐患。现如今人脸识别的得到了广泛的应用,把人脸识别应用于工地管理中,解决传统人工监管的缺点,具有很强的实际应用价值。由于项目对成本的限制,将使用低价格的嵌入式开发板,内存和计算资源有限。本文在这种嵌入式设备计算资源有限条件下,结合人脸识别技术,实现了自动的站班状态检测,并且设计了工地入口处的人脸识别门禁系统,本文的主要研究工作如下:(1)针对工地管理中监管站班这一需求,本文根据实际应用环境中工地人员都佩戴安全帽这一特点,使用了基于肤色和安全帽颜色共同特征的人脸检测算法,实时地检测摄像画面中的人脸,并在画面中检测出人脸的基础上完成了站班状态检测,用于自动监管每日的班前安全教育是否完成。(2)针对限制外来人员进入工地这一需求,设计了应用在工地入口处的人脸识别门禁系统。考虑到应用场景是户外,光照情况复杂多变,本文提出了在HSV颜色空间中调整亮度V通道调整的光照预处理算法,有效地减少了工人佩戴安全帽后在光照变换的情况下,面部因帽檐遮挡产生阴影的影响,提高了人脸识别的准确率。然后本文提出一种基于FaceNet改进的人脸识别模型,原FaceNet模型是应用于计算机、服务器端这类计算能力强的设施上的模型,直接移植到计算能力受限的嵌入式端则无法取得理想的效果。本文把FaceNet模型中的基础网络替换为了SqueezeNet轻量级神经网,并且改进了损失函数,使用Softmax Loss和Center Loss综合损失函数进行训练,实验证明改进后的FaceNet人脸识别模型在保障较高准确率的前提下,降低了模型的参数量与模型大小,使其在计算与内存资源有限的嵌入式设备上也能做到实时地人脸识别。(3)本文在嵌入式开发板上搭建了硬件和软件环境,根据上述的研究内容,设计并实现了整体系统,同时设计了简洁的人机交互界面。对该系统进行测试,实验结果表明该系统运行稳定可靠、实时性好,并且拥有良好的准确率,满足在工地中实际应用中的基本要求。