基于人脸识别技术的大学生报到注册系统研究与实现
当前，在大学生返校报到注册过程中仍然采用传统人工登记的方式，这种方式耗时、浪费人力、效率低，数据统计不及时，易造成人员聚集、物品交叉接触，无法对学生注册信息进行有效的统计和管理。人脸识别，是一种重要的基于生物特征的身份认证技术，在军事、金融、安防、日常生活等领域得到了广泛应用。人脸识别具有非接触性、稳定性高、精度高、不易复制等特点，在当前疫情防控常态化的背景下，可以有效减少接触性传播的风险。本文设计实现了一个基于人脸识别技术的学生返校报到注册系统，可直接在非限制环境下实时完成报到注册工作，能够及时有效统计学生注册数据，同时有效避免了代签隐患。本文取得的主要创新研究成果总结如下： 1.提出了基于改进RetinaFace的轻量级人脸检测模型MA_RetinaFace。该模型将RetinaFace的主干网络替换为轻量级网络MobileNetv2，有效降低了模型的参数量和计算资源，提高了检测速度。针对RetinaFace中因FPN(FeaturePyramidNetworks)特征尺度不一致导致信息丢失的问题，对FPN的输出特征图进行自适应空间特征融合(ASFF)。通过实验结果表明，MA_RetinaFace在Easy和Medium两个等级的AP值均优于其他检测模型，且具备良好的实时性，与其他人脸检测模型相比，MA_RetinaFace的综合性能最佳。 2.提出了基于改进MobileNetv2的人脸识别模型CA_RFB_MobileNetv2。该模型使用MobileNetv2作为基础网络模型，引入RFB(ReceptiveFieldBlock)模块来提高轻量级网络的特征提取能力，使用CA注意力机制对RFB模块中的特征进行自主增强和抑制，提高了算法的鲁棒性。通过实验表明，该模型比MobileNetv2具有更高的识别准确率，与其他人脸识别模型相比，在保证识别准确率的同时提高了模型识别速度，能够满足实时识别的需求。 3.设计实现了一套基于人脸识别技术的大学生返校报到注册系统。该系统将上述改进的人脸检测和识别模型相结合，并使用Python编程语言和PyQt5完成GUI界面的搭建和系统功能开发，结合SQLite数据库完成学生注册信息的存储。
人脸识别;深度学习;学生注册系统;卷积神经网络;特征提取
河北工程大学
硕士
计算机技术
池静;李军
2022
中文
TP391.41
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）