基于FaceNet网络的口罩人脸识别人流监测系统.pdf
《基于FaceNet网络的口罩人脸识别人流监测系统.pdf》由会员分享,可在线阅读,更多相关《基于FaceNet网络的口罩人脸识别人流监测系统.pdf(5页珍藏版)》请在咨信网上搜索。
1、现代电子技术Modern Electronics Technique2023年10月1日第46卷第19期Oct.2023Vol.46 No.190 引 言2019年 12月,中国武汉以及世界各地都爆发了新型冠状病毒肺炎(COVID19)。2020 年 1 月,世界卫生组织宣布将新型冠状病毒疫情(简称“新冠疫情”)列为国际关注的突发公共卫生事件。新冠疫情的爆发对于各大高校的正常生活、教学造成很大的影响。2022年11月,根据新冠病毒变异情况,我国实际医疗资源、地区发展、经济形势等情况,通过各方面论证,我国发布 关于进一步优化新冠肺炎疫情防控措施,科基于FaceNet网络的口罩人脸识别人流监测系统
2、龙 慧1,2,张雅璐1,罗觉灵1,李世杰1,何伟杰1(1.长沙师范学院 信息科学与工程学院,湖南 长沙 400100;2.远大空调有限公司,湖南 长沙 410137)摘 要:随着新冠疫情面向全球的放开,为排查新型冠状病毒肺炎感染者的时空交集人员,对各大高校场景中人员感染、二次感染等情况进行预防,以及对人员流动做有效监测,提出基于 FaceNet 网络改进的口罩人脸识别技术。采用MobilenetV2替换 FaceNet原有的主干网络,实现戴口罩下人脸身份识别,并将社交距离算法、非接触群体测温技术进行整合,将算法技术融入树莓派 4B中。通过对网络模型进行实验以及训练,相比于现有的 FaceNet
3、网络极大程度优化了识别精度、推理速度,准确率显著提升,在识别群体人脸时的召回率显著提高。使用较高配置的物联网系统,对开放后的各大高校可精确检测个体人员流动、人员体温、违反社交距离人员、个体时空交集、楼栋中各通道的人流密集度等情况,能够很好预防感染或二次感染。关键词:新冠疫情;二次感染;人流追踪;群体测温;口罩人脸识别;机器学习;人工智能;物联网技术中图分类号:TN911.7334;TS958 文献标识码:A 文章编号:1004373X(2023)19006505Face mask recognition flow monitoring system based on FaceNet netwo
4、rksLONG Hui1,2,ZHANG Yalu1,LUO Jueling1,LI Shijie1,HE Weijie1(1.School of Information Science&Engineering,Changsha Normal University,Changsha 400100,China;2.Broad Airconditioning Co.,Ltd.,Changsha 410137,China)Abstract:As the COVID19 epidemic is globally liberalized to the world,an improved face mas
5、k recognition technology based on FaceNet networks is proposed to find out persons who are infected by COVID19 due to spatiotemporal intersection,prevent the infection and secondary infection in the scenes of major universities,and effectively monitor the flow of people.In this paper,an improved fac
6、e mask recognition technology based on FaceNet networks is proposed.The MobilenetV2 is used to replace the original backbone networks of FaceNet to achieve the recognition of face with masks,and the social distance algorithm and noncontact group temperature measurement technology are integrated into
7、 Raspberry Pi 4B.By the experiment and training of the network model,the recognition accuracy and inference speed are optimized greatly in comparison with the existing FaceNet networks,its accuracy is improved significantly,and its recall rate is increased significantly when recognizing group faces.
8、By the Internet of Things system with high configuration,the proposed model can accurately detect the individual flow,body temperature of personnel,personnel who violate social distance,the spatial and temporal intersection of individuals,and the crowd density of each channel in the buildings for ma
9、jor universities after deregulation,and can prevent infection or secondary infection well.Keywords:COVID 19 epidemic;secondary infection;flow tracking;group temperature measurement;face mask recognition;machine learning;artificial intelligence;IoT technologyDOI:10.16652/j.issn.1004373x.2023.19.013引用
10、格式:龙慧,张雅璐,罗觉灵,等.基于FaceNet网络的口罩人脸识别人流监测系统J.现代电子技术,2023,46(19):6569.收稿日期:20230113 修回日期:20230220基金项目:2022年湖南省大学生创新创业训练计划项目(S202213806009);2020年湖南省教育厅科学研究重点项目(2020A036);2019年湖南省教育普通高等学校教学改革研究项目:智能玩具设计与开发人才的跨专业协同培养研究(20191141)6565现代电子技术2023年第46卷学精准做好防控工作的通知。随之12月,取消集体核酸检测,各大车站、高速路口取消核酸证明查询等各种政策的放开,也意味着新冠
11、疫情走向放开。在新冠疫情放开后,多数人员已被感染的情况下,二次感染的情况也有发生。目前欧美国家二次感染率最高在 2.4%3%,这也说明二次感染的问题还是要重视1。当 2023 年春节过后,各大高校开启线下教学模式,学生、教职工将长期处于人员密集、流动性强且较为封闭的环境中,校园中一旦出现新冠感染者,将会出现多数学生感染或二次、多次感染的情况。通过感染者的运动轨迹排查出可能与感染者进行空间接触的人群,从而避免二次传播变得越发重要。对于传统的基站人流追踪监测方式,只能初筛较大范围内的时空接触,并具有较大的错判性。在人工智能、机器学习飞速发展的时代下,拥有了对于群体人脸识别的技术和基本案例支撑。本文
12、提出一种基于 FaceNet网络的口罩人脸识别人流监测系统,如图 1所示。通过优化改进现有的 FaceNet网络,深入探究时空交集的人员追溯问题。以人脸作为信号特征进行数据分析的方式,提高了时空伴随检测精度。对人脸模型识别,核验是否佩戴口罩,对校园人员进行人流监测,能够及时进行数据反馈。让校园人员对于感染或者再次感染能够采取有效预防措施。图1 基于FaceNet网络的口罩人脸识别人流监测系统框架在现今科技算力的支撑下,在口罩人脸识别模型基础上,融合社交距离算法对人与人之间的接触距离进行分析,对是否被感染进行数据分析,同时加入非接触群体测温技术,在分析数据的同时实现体温同步及异常通知。1 相关文
13、献机器学习是人工智能中最重要的部分,人工智能区别于普通的大数据分析在于具备了机器学习的特点2。文献3研究了 FaceNet 可进行戴口罩时的人脸识别。作为经典的深度学习、人脸识别网络案例,其依然采用主流的深度神经网络来提取特征,并采用 Triplet_Loss衡量训练过程中样本之间的距离误差。FaceNet系统直接学习从人脸图像到紧凑的欧几里德空间的映射,其中距离直接对应于人脸相似性的度量。在识别准确率方面,FaceNet在 LFW 数据集上达到99.63%的准确率3。与传统人脸识别算法相比,识别准确度更高。在新冠疫情的第二年,文献4提出使用卷积神经网络检测人脸,并使用红外温度传感器进行非接触
14、式温度检测。行人进入场合需进入隧道,实现口罩是否佩戴监测、无接触红外测温,同时融合自动喷洒消毒水等功能。随着神经网络的广泛应用,现今多数人脸识别依靠于神经网络。文献5通过比较 FaceNet 和 OpenFace 深度学习架构模型,将人脸图像数据集中处理,在数据集中通过检测、裁剪和调整人脸大小来执行人脸预处理,获得的 FaceNet 精度结果更高,完美精度为 100%,而OpenFace 的准确率仅为 93.33%,从而得出在人脸应用中FaceNet更为合适。也有研究者提出了一种新的单镜头多级人脸定位方法,称为RetinaFace,该方法将人脸框预测、2D面部地标定位和 3D顶点回归统一在一个
15、共同目标下,即图像平面上的点回归6。文献7提出了一个剩余学习框架,一个用来简化网络深度的网络训练。文献8研究了卷积网络深度对其在大规模图像识别设置中的准确性的影响。在当今开放的疫情防控中,感染者在生活中比比皆是,相比于 2020年的毒株,从临床实践中也看到,目前奥密克戎毒株感染后死亡的主要原因还是基础病,真正直接死于新冠病毒感染导致的呼吸衰竭很少9。但是对于感染者的症状也会因个人体质的不同而出现不同的临床表现。而对于年后复学的各大高校学生、教职工,做好一定的预防措施,能够大大提升学习、工作效率。是否与感染者在同一时空内(即是否与感染者产生时空交集)是判断人员是否感染的重要指标,而社交距离与口罩
16、佩戴是抗击COVID19传播的关键。疫情爆发后,有人就开始结合深度学习、深度卷积神经网络,实施实时摄像头监控,以检测公共空间中违反社交距离的行为,但它们并不适用于低功耗系统。紧接着,文献10提出 SocialNet 这一设计,更方便地检测公共空间中人群社交距离的违反行为。同时,文献11以社会力模型为基础,设立时空伴随指标,通过构建校园通勤人员流动模型,以本校(西南交通大学)为例,量化人与人之间的接触,从而得出导致疫情传播风险程度。文献12将物联网与智能手机应用程序结合,充分66第19期利用智能手机中许多功能强大的传感器、摄像头、GPS、蓝牙等设备,实现以集中式、分散和混合等三种系统架构的智能手
17、机联系人追踪应用程序,并广泛使用。以上成果对于新冠疫情防控起到了很大的作用,但其并没有解决疫情传播中的时空伴随人员追踪不完整、时空伴随人员的确定有延迟、误判时空伴随人员等问题。随着当前物联网应用的兴起,对研究一定区域范围内人群流动有了一定的技术支撑。本文围绕高校校园内人流相对固定的环境,对时空交集的人员追踪、人流监测问题进行深度研究。以行人是否被新冠感染,感染前后时间与空间的交集过程此人是否佩戴口罩、是否违反社交距离等信息的获取作为主要目标,对于数据异常人员及时将信息反馈给当事人,做好预防措施,同时对校园防疫工作中人流监测提供了更高精度的数据支持。2 核心技术2.1 FaceNet网络本 文
18、将 FaceNet 网 络 主 干 卷 积 网 络 更 改 成MobilenetV213作为主特征提取网络,并且使用了倒残差(Inverted Residuals)结构,如图 2 所示。倒置残差相比于原本的残差块,对角孵出的层不使用非线性,将降维和升维的顺序进行了调换,并且将 33 卷积换为 33 DW卷积,即两头小中间大,以及采用 Linear Bottlenecks可以防止非线性破坏太多信息。两者结合既可以减少大量模型参数,并且能够大大地提升模型推理速度。图2 倒残差结构及残差块结构对于 MobilenetV2整体体系结构如图 3所示。采用Depthwise 卷积构建块,可在高维度特征空间
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 FaceNet 网络 口罩 识别 人流 监测 系统
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。