基于Faster R-CNN的人脸识别算法研究

人脸识别技术是身份认证的重要方式。旨在设计算法识别身份证人像与待检人像是否为同一旅客。使用卷积神经网络进行人脸识别算法的研究。使用检测人脸后计算人脸特征间欧式距离的方式进行算法设计,最终达到95%的正确率。结果表明, Faster R-CNN算法能较精准地检测人脸, VGG-Net可以较好地提取人脸特征值。     

自然场景下基于四级级联全卷积神经网络的人脸检测算法

针对于自然场景下人脸检测存在的姿态复杂、遮挡和光照等问题,提出一种基于4级级联全卷积神经网络的人脸检测算法。构建4级级联网络,采用级联分级训练代替端到端训练,以避免只共享1个网络权值的局限,进而获得有区分性功能的深度网络,提高检测精度;每级深度网络结构均采用全卷积结构,可以接受任意尺寸图像的输入,提高检测效率;另外在训练过程采用自举法Bootstrap进行网络模型的优化训练,提高训练样本利用率;利用最终训练好的深度卷积网络模型实现人脸检测。人脸检测实验结果标明,本算法在自然场景下,对多姿态、遮挡、单图多种人脸类型等均具有良好的鲁棒性,同时在现有平台上每张图片的检测速度达到96ms,在国际权威的人脸检测公开测试集FDDB上的"真正率"达到82.98%。     

基于机车车载视频序列的人眼疲劳快速定位方法研究

人眼定位是非接触式机车车辆乘务员实时疲劳检测中最基本的关键环节。针对机车车载视频序列进行疲劳检测时存在实时性、鲁棒性要求高的问题,结合计算机视觉和图像处理技术,提出一种多算法融合的人眼疲劳快速定位方法。利用基于Haar-like特征的Ada Boost人脸检测方法检测视频序列中乘务员人脸并设置目标跟踪区域,利用Camshift目标跟踪算法快速定位人脸;基于人脸和人眼的对称性等先验知识,提出比例缩减区域(PRA)的方法快速定位人眼。研究结果表明:该方法可以有效减少误检,适应复杂光照,并具有实时性和鲁棒性,为机车车辆乘务员疲劳实时检测提供理论和实践参考。     

复杂背景中人脸的检测与定位

提出了一种复杂背景下的新的人脸检测方法。该方法首先利用进化算法对彩色图象中与人的皮肤颜色相似的象素进行聚类及区域分割，然后对每一个人脸候选区域进行形状及灰度分布分析，满足人脸知识要求的，则认为是人脸。实验结果表明，该方法不仅速度快、效率高，而且可以对任意背景下，任意姿态及任意数目的人脸进行检测。     

基于人眼PERCLOS特征的列车驾驶员疲劳检测系统

针对列车驾驶员疲劳驾驶问题,提出一种基于人眼PERCLOS特征的列车驾驶员疲劳检测系统,即首先采用基于Haar特征的AdaBoost算法进行人脸检测,而后进行人脸定位和跟踪,最后计算人眼的PERCLOS参数,实现驾驶员的疲劳检测。通过室内模拟驾驶实验,该系统具有检测率高、鲁棒性强等特性。     

一种基于人脸序列模式的机车驾驶员疲劳检测方法

驾驶疲劳是导致事故的重要原因,本文在综述基于面部特征的机车驾驶员疲劳检测方法的基础上,提出了基于Gabor变换的人脸特征融合抽取模型,并在此基础上,结合隐马尔可夫模型(HMM)提出基于人脸图像序列的机车驾驶员疲劳检测方法。根据在疲劳和非疲劳状况下人脸模式特征的不同,首先利用Baum-Welch学习方法从疲劳图像序列训练学习得出疲劳模式下的HMM参数;然后,在疲劳模式识别时,把待识别的人脸图像序列表示成Gabor融合特征序列,再利用Viterbi算法计算该特征序列属于疲劳模式的概率值,从而实现对人脸图像序列的疲劳识别;最后,对各种姿态下的不同人脸图像序列数据进行了仿真测试。实验结果表明,与已有基于单幅人脸图像的疲劳识别方法相比,具有更好的疲劳识别性能。%     

基于逆投影修正和眼睛凝视修正的列车驾驶员疲劳检测方法

为了使基于正面人脸的疲劳检测不受列车驾驶员头部姿态变化的影响,提出一种基于眼睛特征修正的疲劳检测算法。采用多视角人脸检测算法搜寻人脸位置,运用监督下降法在人脸区域进行特征点定位,利用获得的特征点分别计算头部姿态角度和投影眼睛开合度。针对投影眼睛开合度与真实眼睛开合度存在一定偏差,建立投影眼睛开合度与真实眼睛开合度的逆投影变换关系,研究凝视方向对眼睛开合度的影响。通过凝视修正和逆投影修正的修正公式对投影眼睛开合度进行两次修正,并结合PERCLOS疲劳判定准则判定其有效性。实验测试结果表明,头部姿态变化对眼睛开合度影响较大,修正后的特征比修正前的特征具有更强的判别能力。     

基于面部不变特征的铁路实名制检票人脸身份认证算法

为了实现铁路实名制检票时旅客的人脸图像与其身份证上人脸图像的自动比对,提出1种基于面部不变特征的人脸身份认证算法。以人的面部不变特征为前提,采用改进的尺度不变特征变换算法,提取现场采集的旅客的人脸图像及其身份证上的人脸图像的关键点,将靠近关键点的区域划分为部分重叠的子区域,然后以图像的词包模型差为基元构建人脸差特征空间,对训练图像的类别信息进行建模;对支持向量机(SVM)分类器训练分类的过程进行优化,训练优化的SVM分类器;最后,使用人脸差特征空间和训练好的SVM分类器进行加权投票,确认身份证上的人脸图像与现场采集的人脸图像是否为同一个人,实现旅客身份的认证。实验结果表明,在图像采集的尺度、角度和光照等不可控的情况下,该算法能够达到较高的认证速度和准确率。     

基于轮廓线特征的三维人脸识别改进算法

研究基于面部轮廓曲线特征的三维人脸识别。为提取最优面部曲线特征,提出一种基于模糊聚类方法的人脸曲线特征优选算法。该算法从三维人脸深度图中选取最具代表性的8条轮廓曲线,作为主要识别特征,这在很大程度上降低了计算复杂度,克服表情和光照对人脸识别的消极影响,同时它用最少的轮廓线包含了所需要的人脸识别信息。基于这些人脸轮廓线特征,利用改进的Manhattan距离分类器来提高人脸识别的分类效果。实验结果表明,所提出的算法明显提高了人脸识别率,并且具有很强的鲁棒性。     

基于主动表观模型及PERCLOS的疲劳检测研究

针对城市轨道交通电客车司机长时间驾驶产生的疲劳问题，目前主要是通过规章制度及警惕按钮来解决，这样既增加司机的劳动强度，也对司机疲劳驾驶检测效果有限。文章针对电客车司机现场工作环境，提出了一种主动在线实时检测方法，该方法通过视频序列分析人脸信息，采用主动表观模型完成对人眼的识别及定位，采用PERCLOS算法完成对司机疲劳检测。实验证明，该模型和算法能够很好地完成对司机的疲劳检测。     

基于Faster R-CNN网络模型的铁路异物侵限检测算法研究

行人和车辆等异物侵入铁路周边限界内的情况严重威胁了行人自身安全及铁路行车安全。针对传统铁路异物检测算法识别精度不高、分类不明确和结果易受外界环境影响等缺点,提出了一种基于Faster R-CNN网络模型的铁路异物侵限检测算法,并对该模型做适应性改进以满足铁路异物检测的现实需要。提出将全连接层用全局平均池化层替代来减少参数量;通过增加锚点个数来提高对目标区域建议的精确性;引入迁移学习思想训练网络以解决铁路异物侵限数据匮乏问题。在铁路异物侵限视频数据集上进行测试表明,本算法对于人、车及部分动物的综合检测精确度达到了97.81%。     

基于光照自适应调节和模糊分类的人脸图像质量提升算法研究

针对铁路人脸识别闸机使用中影响人脸识别准确率的光照和模糊问题，文章提出一种人脸光照自适应调节算法，以提升非理想光照条件下的人脸识别准确率；设计了模糊识别模块，以挑选清晰的人脸图像，提升旅客移动场景的人脸识别准确率。在自建数据集中进行算法实验，实验结果表明，采用文章设计的算法，人脸识别准确率达到97.21%，能够满足实际应用的需求，具有推广价值。     

Insightface结合Faiss的高并发人脸识别技术研究

在高并发、多实例等业务模拟场景下，测试人脸检测与对齐、特征提取、特征匹配检索过程，并进行人脸识别算法效率和精度的优化。利用MTCNN及改进的Insightface算法、Faiss框架，基于LFW数据集，以Face++提供的API做参照。分析结果表明，特征提取1v1比对精度达99.76%，1vN比对精度达95.23%，特征提取效率每秒事务处理量达7.84，特征匹配效率较传统算法提升2个数量级。该项人脸识别技术的研究为铁路未来实施超大规模人像库的动态安防布控提供技术支撑。     

人体姿态检测系统的设计与实现

针对铁路岗位监控视频需要大量人力查看的问题,设计并实现了人体姿态检测系统,实现7×24 h不间断智能检测.运用人体姿态检测算法对人体关键点进行提取,构建特征向量,通过支持向量机分类算法得到姿态类别,通过滑动窗口法判断是否有异常行为,当发生异常时进行本地提醒和远程报警.在行车室和机车司机室2种环境下进行测试,结果表明,该...     

基于Faster-RCNN的站台端部人员入侵检测研究

铁路客运站的站台端部为非封闭式环境,存在人员非法入侵的风险。在阐述Faster-RCNN算法原理的基础上,详细描述了VGG16模型、RPN网络以及分类回归的过程。采集现场数据制作样本集,训练了可区分普通人员、施工人员以及防护人员的站端入侵检测模型。测试分析了5组不同参数下的实验数据,确定候选区队列长度等于300,推荐候选区数量等于15时为最优参数。模型对普通人员、施工人员以及防护人员3种样本的识别精确率分别为95%、99%、100%,识别召回率分别为97%、99%、100%,平均精确率均值为0.983 6,单帧检测时间为0.069 s。结果表明:算法可有效地检测普通人员、施工人员以及防护人员,满足实时检测需求,为站台端部人员入侵检测提供了新思路。     

基于YOLO算法的高速铁路客运车站钢结构雨棚螺栓缺失检测系统

当前，我国高速铁路客运车站钢结构雨棚螺栓缺失检测过于依赖人工目测，其危险系数大、成本高、效率低且误检率高。为解决该问题，提出一种基于YOLO(You Only Look Once)算法的螺栓缺失检测系统。该系统采用YOLOv4卷积神经网络，对现场采集的钢结构雨棚和接触网螺栓进行标注，通过K-means聚类算法，确定锚框数目和尺寸；利用CutMix和Mosaic等数据增强操作，增加训练数据的多样性，避免出现训练过拟合。试验结果表明，该系统类别识别准确率可达85%以上，识别效果较好，满足检测实时性要求。     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

基于指数权重算法的铁路互联网售票异常用户智能识别的研究与实现

为了确保公平公正售票,保障百姓购票利益,利用大数据技术,结合现有用户购票行为数据,设计基于指数权重的铁路互联网异常用户智能识别算法,并用2017年的用户行为数据进行测试,异常用户预测准确度达80%。测试结果验证了该算法的可行性,可以有效提高异常用户识别准确度,为保障12306铁路互联网售票系统的安全稳定运行及维护公平公正的售票环境提供了技术支持。     

利用红外线探测网络的列车接近报警系统

随着铁路大提速的展开.列车运行速度已在主要干线达到或超过了200 km/h,在高速铁路上上道作业,对人身安全存在很大的威胁.本文利用现有红外线探测网络资源,开发了利用红外线探测网络的列车接近预报系统,节约研制生产费用,确保职工上道作业人身安全和生产运输安全.