简介:摘要:视频监控系统是我国智慧公安系统的重要组成部分,传统的监测场景下需要办公人员长时间目视监控视频,过程非常耗时且很大程度上存在漏检;并且,随着监测摄像机的大范围使用,监测数据量也呈几何倍率增加,人工监测方法无法满足在海量视频数据中搜索某一线索的公安需求。人脸识别是通过计算机程序对人员进行身份验证的方法,由于该技术的实时性和准确性,在安全监测领域得到了广泛研究和应用。人脸识别技术是基于人类面部生理特点进行识别的一种手段,通过电脑或者计算机程序直接提取图像中的人的面部特征,并根据这些特征对其进行身份认定,从而达到对相关人员进行监督、监测以及控制的目的。随着深度学习方法的不断进步,基于深度学习的人脸识别技术得到了快速发展,嵌入人脸识别技术的视频监控系统已成为公安系统安防监控的重要组成。
简介:摘要:近年来,随着我国科学技术的不断发展,人脸识别技术和视频信息越来越发达,走在大街上随处可见摄像头的身影。但是,人脸识别技术也有一定的局限性,因此,相关研究人员应该重视人脸识别技术在公共安防视频监控领域的应用,加大对人脸识别技术的研究力度。本文主要分析了人脸识别的概念和人脸识别的技术局限性,并重点讲述了人脸识别技术在公共安防视频监控领域的应用。
简介:稀疏表示是近年来新兴的一种数据表示方法,是对人类大脑皮层编码机制的模拟。稀疏表示以其良好的鲁棒性、抗干扰能力、可解释性和判别性等优势,广泛应用于模式识别领域。基于稀疏表示的分类器在人脸识别领域取得了令人惊喜的成就,它将训练样本看成字典,寻求测试样本在字典下的最稀疏的表示,即用尽可能少的训练样本的线性组合来重构测试样本。但是经典的基于稀疏表示的分类器没有考虑训练样本的类别信息,以致被选中的训练样本来自许多类,不利于分类,因此基于组稀疏的分类器被提出。组稀疏方法考虑了训练样本的类别相似性,其目的是用尽可能少类别的训练样本来表示测试样本,然而这类方法的缺点是同类的训练样本或者同时被选中或者同时被丢弃。在实际中,人脸受到光照、表情、姿势甚至遮挡等因素的影响,样本之间关系比较复杂,因此最后介绍局部加权组结构稀疏表示方法。该方法尽量用来自于与测试样本相似的类的训练样本和来自测试样本邻域的训练样本来表示测试样本,以减轻不相关类的干扰,并使得表示更稀疏和更具判别性。
简介:摘要:对人脸识别技术在很多领域都有相关的应用,但是对于人脸识别技术在使用上还存在一些问题,需要不断进行完善才能够促进监控视频人脸识别技术的发展,因此本文对监控视频的人脸识别技术应用作出了分析,仅供参考。
简介:摘 要:传统电力移动终端监管过程用户定位精度差、特征量混乱,导致电力终端人脸识别效果不理想。为此,研究提出新的人脸识别技术在电力移动终端监管系统中的应用研究方法。构建电力移动终端监管人脸采集系统,对采集的人脸图像采用边缘特征分解方法实现像素信息融合处理,提取人脸分辨特征量,结合角色定位和模糊信息决策方法,实现人脸特征点定位和自动化识别,构建人脸信息分布式融合模型,通过模糊度辨识和超分辨信息重构,实现电力移动终端监管过程中的人脸识别和优化控制。仿真实验结果表明,所提方法下人脸识别技术在电力移动终端监管中的应用稳定性高,且大大提高了电力移动终端用户监管效率。
简介:摘要随着科技的不断进步,人脸识别将会成为未来的发展趋势,只要有你的脸就可以解决问题,以后会成为一个“看脸的时代”。人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术,具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。我们应跟随时代脚步大胆创新,将人脸识别技术带入我们的工作,为我们节省人力物力资源,提升工作效率,增加工作质量,增加工作可靠性。