面向智慧养老的改进YOLOv7人脸识别算法.pdf
《面向智慧养老的改进YOLOv7人脸识别算法.pdf》由会员分享,可在线阅读,更多相关《面向智慧养老的改进YOLOv7人脸识别算法.pdf(7页珍藏版)》请在咨信网上搜索。
1、收稿日期:修回日期:作者简介:戴 莹()女讲师硕士主要研究方向为劳动与社会保障:.:/面向智慧养老的改进 人脸识别算法戴 莹 叶 贵(安徽警官职业学院安徽 合肥)摘要:针对目前社会老龄化趋势为适应养老领域发展需求提出面向智慧养老的改进 人脸识别算法 首先提出多尺度信息输入模块提取图像的全局信息提高信息利用率其次总结归纳老年人脸特征提出全局自适应特征提取模块结合注意力机制改进主干网络和检测头最后通过迁移学习方法训练网络并加入多项式损失策略分配特征权重同时不断调试参数来提高网络识别能力 实验结果表明所提网络在老年人脸数据上的精度和召回率分别为.和.并且相比于原 的网络参数量下降了.关键词:智慧养老
2、人脸识别 算法注意力机制中图分类号:.文献标识码:文章编号:().引言随着科技迅速发展人们的生活越来越便利但是在人口老龄化进程加快的背景下老年人的日常生活会遇到很多问题例如去事务中心办事、餐厅就餐、医院就医结算时经常会出现忘带身份证、现金、不会使用自助挂号机等现象 对此大量基于人脸识别的厂商针对智慧养老场景开发了许多智能应用及创新服务包括社区食堂刷脸点餐、活动中心人脸打卡及人脸识别门锁等 但目前基于人工智能的老年人脸识别算法较少且现有的人脸识别算法忽略了老年人脸的固有特征导致将其应用于老年场景时常出现准确度低或识别错误等问题难以真正为老年人生活提供便利 因此致第 卷第 期 年 月信 息 工 程
3、 大 学 学 报 .力于研究针对老年活动场景的人脸识别算法对智慧养老的发展具有重要的应用价值人脸识别算法包括人脸检测和人脸匹配两个阶段 其中人脸检测阶段主要通过基于统计学等方法预测人脸是否存在并对其进行定位而人脸匹配阶段则是对目标人脸进行判定是否存在于现存数据中 近年来随着人工智能技术的飞速发展大量学者提出基于深度学习框架的人脸识别算法 主流算法包括基于单步式回归的网络模型和基于双步式候选的网络框架 其中双步式网络的典型代表框架包括、等例如:文献提出改进 的多尺度人脸检测方法该方法可针对大量遮挡及低分辨率图进行检测准确度达到.文献提出一种基于深度卷积网络的人脸识别嵌入式系统通过欧氏空间来判定人
4、脸特征的距离进而判断二者的相似度文献结合()和 提出一种人脸检测及识别算法通过加入两次中值滤波降低噪点导致的误检率提高准确度 虽然基于双步式的人脸识别算法具有较高的稳定性但相比于单步式算法运算时间较长工作效率低 单步式网络框架主要以()系列为代表 例如:文献将 与注意力机制结合提出一种轻量化人脸检测网络该方法在数据集中的准确率和召回率分别为.和.文献针对应急救援、人员跟踪等场景通过改进 并结合 网络提出针对无人机影像的人脸识别算法在有效提高准确度的同时减少网络参数文献针对人脸识别过程中的关键点检测环节提出一种改进 的检测方法该方法可有效提取人脸的关键特征为后续识别工作奠定基础 相较于双步式网络
5、基于单步式回归网络模型的人脸识别算法运算时间短效率高 此外由于单步式网络融合了人脸检测和识别阶段在一定程度上保持了算法运行的连贯性避免了因算法的衔接不当导致特征丢失等问题除上述算法外大量研究人员还针对特定场景提出不同的面部识别算法 例如:文献考虑到运动场景下的图像模糊问题提出一种基于滑动数据摄像头测量的短跑运动员人脸识别算法文献针对养殖场景提出多视角特征融合的牛面部匹配识别算法文献为防止工作人员工作过劳出现安全问题提出电力工作人员面部疲劳状态识别系统 虽然针对特定场景的人脸识别算法相比于普适性算法在实际应用时的准确度更高但现存算法中极少出现应用于老年场景的人脸识别算法 此外由于老年人脸存在皱纹
6、、睑袋等特征导致大量算法应用在智慧养老场景时难以达到预期效果 基于上述问题本文通过对老年人脸特征的归纳总结提出面向智慧养老的改进 人脸识别算法 主要贡献如下:)针对老年人脸皱纹、睑袋等特征提出多尺度信息输入模块代替 中原始输入模块提取输入人脸的全局特征扩大感受野并提高信息利用率)提出全局自适应特征提取模块自适应地学习最具代表性的特征并传递到深层并结合注意力机制改进主干网络和检测头提高稳定性)设计多项式损失调整策略分配网络权重不断调整参数提高其识别能力并使用迁移学习训练方法解决老年人脸数据少的问题 算法近年来随着深度学习的快速发展 系列不断更新 其中作为较新颖的网络之一因其速度快、准确度高等优点
7、被广泛应用于各类检测和识别任务中 相较于 系列中的其他网络 与、的设计思路类似流程如图 所示图 算法流程图当待检测图像输入到网络时首先输入模块修改图像尺寸并传输到主干网络 其次主干网络则主要包括 ()、()和()模块 模块用于减少网络的参数量和计算量提高其泛化能力 信 息 工 程 大 学 学 报 年模块用于控制网络的梯度路径增强网络学习能力模块可以增大感受野解决图像特征重复问题 最后检测头融合不同层次特征信息并调整不同尺度特征的通道输出处理结果 本文算法在兼顾网络检测精度与处理速度的前提下通过分析老年人脸的基本特征本文提出一种改进 的人脸识别算法网络框架如图 所示图 改进 的网络框架图.多尺度
8、信息输入模块老年人脸的皱纹较多在不同表情或状态下的皱纹也不相同并且相较于年轻人脸还有睑袋大、面部干瘪等固定特征使得现有的人脸识别算法难以保证准确度 为此本文提出多尺度信息输入模块()提取人脸的全局空间特征 具体设计如下:使用 卷积单元收集脸部细微特征 卷积单元用于扩大感受野把握面部整体特征 此外由文献可知两个 卷积单元串联时与一个 卷积单元的感受野相同并且参数量少 因此考虑到网络的轻量化使用两个 大小的卷积单元来代替 卷积单元不仅可以进一步提取尺度特征信息还可以减少网络的复杂度结构如图()所示 分别使用、这 条支路来收集人脸细微特征并扩大感受野提高信息利用率的同时兼顾网络处理速度 使用 操作通
9、过增加通道数的方式融合收集到的多尺度信息并输出到主干网络进行进一步提取其公式为()()()式中:、表示卷积单元输出的特征图、表示对应特征图的高、宽、通道数量.全局自适应特征提取模块在多尺度信息输入模块提取人脸特征后为防止提取到过多重复信息或无用特征导致降低网络准确度和效率的问题提出全局自适应特征提取模块()结构如图()所示 首先该模块使用平均池化()操作处理特征图不仅可以平滑特征图像减少皱纹特征的干扰而且还有助于网络区分面部和背景信息使其更快更准确地识别面部是否存在其公式为 ()()式中()表示图像在第 行 列的像素值 其次采用步长为 的两个 卷积单元提取特征图像 其中 激活函数的目的为减少无
- 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:
- 面向 智慧 养老 改进 YOLOv7 识别 算法
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。