Research on application of TensorFlow face recognition technology in mining coal face
-
摘要: 煤矿环境复杂，传统人员监测方法受到光照和粉尘的制约，难以准确识别人脸。针对上述问题，提出了一种基于深度学习的多任务级联卷积神经网络框架，级联网络框架包括P-Net, R-Net, O-Net三个不同阶段的深度卷积网络，通过P-Net的候选窗口筛选、R-Net的迭代优化和O-Net的关键点确认，逐步预测人脸和关键点的位置，有效提升了人脸识别性能。并对深度学习网络框架进行了优化：通过减少滤波器数量和改变尺寸，在减小计算负担的同时提高了性能。在FDDB和CelebA-Masked等数据集的实验验证结果表明，与传统方法相比，多层级联架构在准确率上均具有显著优势，证明了其在复杂煤矿环境下的有效性和鲁棒性。
-
-
[1] 闫淑萍.煤矿井下人员管理系统[J].煤炭科技, 2009(2):118-119. [2] 刘迷.基于人脸识别的矿井人员管理技术研究[D].西安:西安科技大学, 2017. [3] 辛晓东, 王荣.浅谈煤矿井下人员定位管理系统[J].机械管理开发, 2019, 34(3):240-241. [4] 李晨鑫.煤矿入井人员唯一性检测技术研究[J].工矿自动化, 2014, 40(11):38-41. [5] 谢子殿, 亢健铭.基于Mobilenetv3的煤矿人脸识别方法[J].黑龙江科技学院学报, 2022, 32(4):525-529. [6] 陈立潮, 张秀琴, 潘理虎, 等.煤矿考勤系统中人脸识别算法的研究[J].工矿自动化, 2015, 41(4):69-73. [7] 姜绍忠, 姚克明, 陈磊, 等.基于CNN与Transformer混合模型的口罩人脸识别方法[J].传感器与微系统, 2023, 42(1):144-148. [8] 张国云, 向灿群, 罗百通, 等.一种改进的人脸识别CNN结构研究[J].计算机工程与应用, 2017, 53(17):180-185, 191. [9] 程国.基于核特征融合与选择的人脸识别研究[D].西安:西安科技大学, 2010. [10] ABADI M, BARHAM P, CHEN J, et al.TensorFlow:a system for large-scale machine learning[J].CoRR, 2016, abs/1605.08695.
[11] ABADI M, AGARWAL A, BARHAM P, et al.TensorFlow:large-scale machine learning on heterogeneous distributed systems[J].CoRR, 2016, abs/1603.04467.
[12] AL-RFOU R, ALAIN G, ALMAHAIRI A, et al.Theano:a python framework for fast computation of mathematical expressions[J].CoRR, 2016, abs/1605.02688.
[13] CUSSLER E L.Diffusion, mass transfer in fluid systems[J/OL].Choice Reviews Online, 1997, 35(2).DOI: 10.5860/choice.35-0927.
[14] 刘泽润, 尹宇飞, 薛文灏, 等.基于扩散模型的条件引导图像生成综述[J].浙江大学学报(理学版), 2023, 50(6):651-667. [15] 胡新悦, 汪海蓉, 张会雄.基于Keras模型的深度学习实验教学研究[J].实验科学与技术, 2022, 20(3):137-140. [16] 黄凯奇, 任伟强, 谭铁牛.图像物体分类与检测算法综述[J].计算机学报, 2014, 37(6):1225-1240. [17] 王凤随, 王启胜, 陈金刚, 等.基于注意力机制和Soft-NMS的改进Faster R-CNN目标检测算法[J].激光与光电子学进展, 2021, 58(24):405-416. [18] 朱均安.基于深度学习的视觉目标跟踪算法研究[D].长春:中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021. [19] 李灏, 唐敏, 林建武, 等.基于改进困难三元组损失的跨模态行人重识别框架[J].计算机科学, 2020, 47(10):180-186. [20] 包宗铭, 龚声蓉, 钟珊, 等.基于双向KNN排序优化的行人再识别算法[J].计算机科学, 2019, 46(11):267-271. [21] 孙园钦.基于Theano深度学习框架的图像识别算法研究[D].长春:吉林大学, 2018. [22] 韩兴.随机梯度下降优化的量子多分类支持向量机[J].福建电脑, 2024, 40(2):1-6. -
期刊类型引用(2)
1. 张宇. 基于Unity引擎的虚拟现实平面设计流程优化. 软件. 2025(01): 172-174 . 
百度学术
2. 姚建萍. 基于云计算的人工神经网络图像处理技术研究. 长江信息通信. 2025(02): 112-114 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 4
- HTML全文浏览量: 0
- PDF下载量: 2
- 被引次数: 2
下载:
