基于深度学习的人脸识别研究.pdfVIP

与 信息技术 信息化 智能技术 基于深度学习的人脸识别研究 刘秀丽 1 摘　要 针对传统物流行业身份认证很容易被伪造的问题，分析基于深度学习人脸识别在物流领域应用的可行性， 设计一种基于深度学习的人脸识别快递签收系统，包含文件存储子系统、人脸识别子系统、资源管理子 系统，能够实现数据和文件的储存，对用户进行管理，并且可以对图片进行有效帧提取。通过对该系统 进行测试结果表明，将人脸识别技术融入物流签收环节，不仅提高了工作效率，也有效保障了包裹的安 全性，能够有效防止误领现象的发生。因此，对于深度学习人脸识别在物流中应用的研究，具有一定的 可行性。 关键词 深度学习；人脸识别；物流签收 doi：10.3969/j.issn.1672-9528.2022.03.055 0 引言 化和细分，将其与卷积神经网络进行结合，可以进一步提升 检测效率和精准度 [1] 。基于先验规则的方法能够有效提升人 在物流行业不断发展的过程中，人们对快递服务质量提 脸检测的精度，操作也比较简单，根据之前相关人员的理解， 出了更高的要求，不仅要保障物流派送的时效，还要确保其 以及经验进行提取，但要求图像具有较高的清晰度，限制了 安全。因此，身份认证技术得到了行业领域的关注，但传统 其适用范围。 的认证方法很容易被伪造，需要提高认证方式的可靠性。而 1.3 特征分类技术 人脸识别技术可以满足行业需求，不仅便于操作，还能够有 这一环节是人脸识别中最关键的一部分，比较常见的分 效避免重复。将其应用在物流签收环节，可以避免冒领和误 类器之一为支持向量机，具有较高的识别准确度，但不能进 领现象的发生。 行实时识别。另外一种是当前经常使用的人脸识别方法，即 1 深度学习技术在人脸识别中的应用 卷积神经网络。相较于传统的神经网络，卷积神经网络具有 1.1 人脸检测技术 一定的泛化效果，能够减少设置卷积层的参数，使网络更加 在人脸识别模块中，人脸检测是其中非常重要的一个环 简单[2] 。并且随着处理数据种类的变化，其层数也会发生变化， 节。但有诸多因素会影响其检测精度，如光照和姿态等，为 能够处理复杂的分类问题，更便于训练，也具有更好的普适 了消除这些因素的影响，对检测方法进行了创新，如基于特 性。 征或者表象进行检测。前者可以根据肤色特征进行检测，能 1.4 人脸识别在物流中的应用 够在复杂的环境下实现检测，但对色度有较高的要求。后者 随着物流行业的发展，更加注重快件签收的安全性， 可以根据子空间和神经网络进行检测，可以简化检测环节， 人脸识别技术的应用受到各个快递公司的关注。如易快递 具有良好的使用效果，但检测效率较低，不能保障检测的实 柜的出现，在使用人脸识别技术的基础上，将其与红外双 时性。