论文部分内容阅读
【摘 要】随着互联网的飞速发展和人工智能技术的兴起，人脸识别技术已广泛应用于人机交互，视频监控等领域。深度学习一直在进行深入研究，并应用于可控环境中的人脸识别，具有相对理想的结果。面部识别应用程序提供有关图书馆座位中人员在场的实时反馈，以便学生可以扫描代码以从图书馆中学习最新信息。
【关键词】人脸识别;二维码Gabor小波变换
当前，大学图书馆的座位资源经常没有被合理地利用，并且在某些情况下，图书馆资源没有得到充分利用，并且图书馆管理系统正在兴起。人脸识别和二维的组合代码大大提高了图书馆座位的利用率。学生可以通过系统的终端APP在线查询座位信息，并实现座位预定功能。人脸识别使用秒表来计算该座位上的学生是否已经过了指定的出发时间，并将其反馈给系统终端。该系统使用Gabor Wavelet变换+模式匹配来处理人脸识别，扫描成功保留的二维码，控制实验室门禁系统的开度并计算用户数量。显示室内环境和座位的温度和湿度信息。在LCD屏幕上，例如磁带库外。充分利用您的图书馆资源。
一、系统内容
通过眼睛，眉毛，嘴巴，鼻子和几何及其他器官的特征之间的脸部关系完成检测，以检测零件的位置。 确定它不是面对面还是一系列图像。 如果有反馈，那您最好是提供有关您的脸部位置和大小的个人数据。 由QR码库获取的表情，学生必须通过扫描来验证对象的身份。 如果扫描代码供任何人查看。 利用时间可以提高座椅利用率。 他专心于自己必须离开的时间就是宝座：他出发了，计时器可以确定时间的开始了，不管那是第二个还是最后一个时间都超过了，并确定地擦拭并根据时间提供反馈，以根据用户的需要确定此人是否在那儿。 这样可以提高资源利用效率，减轻不认识的图书馆学校学生的负担。 这样可以找到图书馆资源的最佳利用方式。
面部图像的预处理。 可以使用从原始生产线系统获得的各种环境干扰限制和随机图像。 在图像处理的初始阶段，可能需要图像预处理灰度校正。 这包括大多数轻型面部图像预处理指令。 灰度转换，按方程式顺序设置的直方图，部落的几何形状之一以及要锐化的应变图像的外观。 无法成像的属性人脸识别系统一般分为视觉特征提取和人脸特征，像素统计特征，人脸特征图像转换系数，人脸特征图像大小等。
特征提取基于人脸的特定面部特征。 面部特征提取（也称为面部）是形成面部特征的过程。 图像匹配的面部识别。 荣幸地被认可为面部特征，以基于比较将面部表情与获取的模板侵入和其他费用以及面部识别数据进行比较。
二、系统的实现
（一）系统的组成
（二）系统工作原理
计算机首先计算具有已知ID（称为配准或配准）的面部特征，然后将其与当前未知ID（称为测试或比较）的面部特征进行比较，然后运行Gabor过滤器以提取纹理。 DCT变换用于执行降维处理。选择DCT转换图像左上角的信息以执行锯齿形搜索。 这使您可以有效地提取出表征图像特征的高系数信息。 然后使用库中的向量元素来计算获得的向量函数。 e -Xi | / | X |，如果相似度小于阈值，则匹配成功。
AdaBoost算法遵循在线分配算法Freund等人的方法。提出的一种提升算法。该算法具有两个出色的特性：（1）训练错误率随着迭代次数的增加而降低。②即使对数据进行了训练。AdaBoost算法通过训练大量图像来获得弱分类器，并根据特定原理组合这些弱分类器以形成一个强分类器，然后将多个强分类器层叠成多层。如果分类器可以通过该多层分类器，则分类器确定图像中的特定区域为人脸。系统采用VIOLAP算法实现人脸检测部分。
基于Gabor引擎的面部特征点的精确提取和匹配算法具有极好的准确性，可以消除由于面部姿势，表情，发型，眼镜，光照环境等引起的变化。Gabor小波变换的优势是可以定位时域信号和频域信号。它可以很好地提取目标图像的各种空间位置，频率和方向的特征，并克服诸如照明，比例和角度之类的全局干扰。因此，它被广泛地用于面部识别领域。
人脸识别模块用于在人脸识别过程中提取样本文件和人脸，当检测到人脸区域时，对该区域中的人脸进行预处理并保存为图片，用于分类器训练。该模块设计了两种采集模式。一个是从学生照片中提取人脸的图像人脸集合，另一个是在学生位于相机前的摄像头人脸的集合，该算法从视频中提取人脸。
在确定图书馆座位是否被占用的过程中，一种常见的方法是通过将识别过程中返回的学生编号与数据库进行匹配来获取学生数据。但是，此方法效率较低，并且需要在识别过程中频繁访问数据库，这会降低滚动调用的速度。该系统使用哈希表将学生的学生编号和姓名先加载到哈希表中，然后仅在识别过程中访问哈希表，从而大大提高了图书馆座位的利用效率。
三、结语
当前，大学图书馆中的座位资源通常没有合理分配和使用，并且管理起来很不方便。学生可以通过系统的终端APP在线查看座位信息，并实现座位预定功能，以增加学生的时间利用率和图书馆座位利用率。它扫描成功預订的QR码，以控制书房门禁系统的打开，对用户数量进行计数，并在外部LCD屏幕上显示房间的温度和湿度，座位信息等。图书馆。确保该座位已被占用，如果有座位，您可以查看前一个学生是否已经离开了预定的时间。这项技术的应用可以最大程度地利用图书馆资源，并间接提高学生的素质。本文提出了一种解决该问题的具体算法，该系统工作可靠，具有实用价值。为面部识别技术的探索和进步做出贡献。
【参考文献】
[1]于达岭，黄洪琼.一种基于卷积神经网络的人脸识别方法[J].信息技术与网络安全，2017，36（14）：49-51
[2]李文.人脸表情识别方法[J].电子科技，2007，（6）：63-68，72
[3]徐建亮，周明安，刘文军，方坤礼.基于二维几何特征与深度特征的人脸识别技术研究[J].图像与信号处理，2020，9（01）：18-26
[4]胡秀丽.基于支持向量机的人脸情感识别[J].人工智能于应用，2019，（9）：133-134，140
[5]那晨旭.一种基于图像拼接和图形匹配的数字图像处理技术[J].技术创新，2019，（30）：157-158
[6]马思峻，肖荣，成江伟.Android应用性能数据采集探针研究[J].嵌入式软件与应用，2017， 34（7）：192-197
[7]潘淳.韵达公司快递终端客户服务系统的设计与实现[J].软件工程，2013
[8]王培林.二维条码识别算法研究[J].现代制造技术与装备，2010，（1）：10-11，26
[9]唐安顺，阚小良.图书馆管理的国内外现状与发展趋势[J].医学信息，2010（19）：3550-3551
【关键词】人脸识别;二维码Gabor小波变换
当前，大学图书馆的座位资源经常没有被合理地利用，并且在某些情况下，图书馆资源没有得到充分利用，并且图书馆管理系统正在兴起。人脸识别和二维的组合代码大大提高了图书馆座位的利用率。学生可以通过系统的终端APP在线查询座位信息，并实现座位预定功能。人脸识别使用秒表来计算该座位上的学生是否已经过了指定的出发时间，并将其反馈给系统终端。该系统使用Gabor Wavelet变换+模式匹配来处理人脸识别，扫描成功保留的二维码，控制实验室门禁系统的开度并计算用户数量。显示室内环境和座位的温度和湿度信息。在LCD屏幕上，例如磁带库外。充分利用您的图书馆资源。
一、系统内容
通过眼睛，眉毛，嘴巴，鼻子和几何及其他器官的特征之间的脸部关系完成检测，以检测零件的位置。 确定它不是面对面还是一系列图像。 如果有反馈，那您最好是提供有关您的脸部位置和大小的个人数据。 由QR码库获取的表情，学生必须通过扫描来验证对象的身份。 如果扫描代码供任何人查看。 利用时间可以提高座椅利用率。 他专心于自己必须离开的时间就是宝座：他出发了，计时器可以确定时间的开始了，不管那是第二个还是最后一个时间都超过了，并确定地擦拭并根据时间提供反馈，以根据用户的需要确定此人是否在那儿。 这样可以提高资源利用效率，减轻不认识的图书馆学校学生的负担。 这样可以找到图书馆资源的最佳利用方式。
面部图像的预处理。 可以使用从原始生产线系统获得的各种环境干扰限制和随机图像。 在图像处理的初始阶段，可能需要图像预处理灰度校正。 这包括大多数轻型面部图像预处理指令。 灰度转换，按方程式顺序设置的直方图，部落的几何形状之一以及要锐化的应变图像的外观。 无法成像的属性人脸识别系统一般分为视觉特征提取和人脸特征，像素统计特征，人脸特征图像转换系数，人脸特征图像大小等。
特征提取基于人脸的特定面部特征。 面部特征提取（也称为面部）是形成面部特征的过程。 图像匹配的面部识别。 荣幸地被认可为面部特征，以基于比较将面部表情与获取的模板侵入和其他费用以及面部识别数据进行比较。
二、系统的实现
（一）系统的组成
（二）系统工作原理
计算机首先计算具有已知ID（称为配准或配准）的面部特征，然后将其与当前未知ID（称为测试或比较）的面部特征进行比较，然后运行Gabor过滤器以提取纹理。 DCT变换用于执行降维处理。选择DCT转换图像左上角的信息以执行锯齿形搜索。 这使您可以有效地提取出表征图像特征的高系数信息。 然后使用库中的向量元素来计算获得的向量函数。 e -Xi | / | X |，如果相似度小于阈值，则匹配成功。
AdaBoost算法遵循在线分配算法Freund等人的方法。提出的一种提升算法。该算法具有两个出色的特性：（1）训练错误率随着迭代次数的增加而降低。②即使对数据进行了训练。AdaBoost算法通过训练大量图像来获得弱分类器，并根据特定原理组合这些弱分类器以形成一个强分类器，然后将多个强分类器层叠成多层。如果分类器可以通过该多层分类器，则分类器确定图像中的特定区域为人脸。系统采用VIOLAP算法实现人脸检测部分。
基于Gabor引擎的面部特征点的精确提取和匹配算法具有极好的准确性，可以消除由于面部姿势，表情，发型，眼镜，光照环境等引起的变化。Gabor小波变换的优势是可以定位时域信号和频域信号。它可以很好地提取目标图像的各种空间位置，频率和方向的特征，并克服诸如照明，比例和角度之类的全局干扰。因此，它被广泛地用于面部识别领域。
人脸识别模块用于在人脸识别过程中提取样本文件和人脸，当检测到人脸区域时，对该区域中的人脸进行预处理并保存为图片，用于分类器训练。该模块设计了两种采集模式。一个是从学生照片中提取人脸的图像人脸集合，另一个是在学生位于相机前的摄像头人脸的集合，该算法从视频中提取人脸。
在确定图书馆座位是否被占用的过程中，一种常见的方法是通过将识别过程中返回的学生编号与数据库进行匹配来获取学生数据。但是，此方法效率较低，并且需要在识别过程中频繁访问数据库，这会降低滚动调用的速度。该系统使用哈希表将学生的学生编号和姓名先加载到哈希表中，然后仅在识别过程中访问哈希表，从而大大提高了图书馆座位的利用效率。
三、结语
当前，大学图书馆中的座位资源通常没有合理分配和使用，并且管理起来很不方便。学生可以通过系统的终端APP在线查看座位信息，并实现座位预定功能，以增加学生的时间利用率和图书馆座位利用率。它扫描成功預订的QR码，以控制书房门禁系统的打开，对用户数量进行计数，并在外部LCD屏幕上显示房间的温度和湿度，座位信息等。图书馆。确保该座位已被占用，如果有座位，您可以查看前一个学生是否已经离开了预定的时间。这项技术的应用可以最大程度地利用图书馆资源，并间接提高学生的素质。本文提出了一种解决该问题的具体算法，该系统工作可靠，具有实用价值。为面部识别技术的探索和进步做出贡献。
【参考文献】
[1]于达岭，黄洪琼.一种基于卷积神经网络的人脸识别方法[J].信息技术与网络安全，2017，36（14）：49-51
[2]李文.人脸表情识别方法[J].电子科技，2007，（6）：63-68，72
[3]徐建亮，周明安，刘文军，方坤礼.基于二维几何特征与深度特征的人脸识别技术研究[J].图像与信号处理，2020，9（01）：18-26
[4]胡秀丽.基于支持向量机的人脸情感识别[J].人工智能于应用，2019，（9）：133-134，140
[5]那晨旭.一种基于图像拼接和图形匹配的数字图像处理技术[J].技术创新，2019，（30）：157-158
[6]马思峻，肖荣，成江伟.Android应用性能数据采集探针研究[J].嵌入式软件与应用，2017， 34（7）：192-197
[7]潘淳.韵达公司快递终端客户服务系统的设计与实现[J].软件工程，2013
[8]王培林.二维条码识别算法研究[J].现代制造技术与装备，2010，（1）：10-11，26
[9]唐安顺，阚小良.图书馆管理的国内外现状与发展趋势[J].医学信息，2010（19）：3550-3551