CN113656113A - 电力现场作业中基于人脸识别的人员资质算法 - Google Patents
电力现场作业中基于人脸识别的人员资质算法 Download PDFInfo
- Publication number
- CN113656113A CN113656113A CN202110804421.XA CN202110804421A CN113656113A CN 113656113 A CN113656113 A CN 113656113A CN 202110804421 A CN202110804421 A CN 202110804421A CN 113656113 A CN113656113 A CN 113656113A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- face image
- weight
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 19
- 238000012797 qualification Methods 0.000 title claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4488—Object-oriented
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/448—Execution paradigms, e.g. implementations of programming paradigms
- G06F9/4482—Procedural
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供一种电力现场作业中基于人脸识别的人员资质算法。该算法基于OpenCV，采集有资质的工作人员的人脸图像数据，进行人脸图像数据训练。该算法利用最近距离匹配方法计算新采集图像与每一个训练结果的距离，找出距离最近的训练结果，识别出当前人脸，从而判断当前人员的资质。在2米距离内，该算法识别准确率≥98％，能够联动其它智能设备对人员进行识别，并通过语音播报被识别人员的资质。
Description
技术领域
本发明涉及智能识别领域，特别是涉及一种电力现场作业中基于人脸识别的人员资质算法。
背景技术
电力作业现场通常包括有工程管理人员以及相关的技术人员等，涉及多种技术领域，每个技术领域的施工人员均需持工作票才可以进入相关施工现场。由于作业现场的范围大，而且现场工作人员数量庞杂，通过人工检验工作票的方法管理现场工作人员进出，效率低，且容易出现错漏。一旦没有施工资质的人员进入现场，或者施工队工作负责人因故离开岗位，整个作业现场就会存在危险因素，危及作业现场的施工安全。因此，针对现有技术不足，本发明提供一种电力现场作业中基于人脸识别的人员资质算法，以克服现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种电力现场作业中基于人脸识别的人员资质算法，该算法能够实现准确的人脸识别，能够做到严禁非批准人员进入现场，可以降低现场检查工作量，还可以对施工现场负责人等重点人员展开实时监控。
本发明的上述目的通过以下技术措施实现。
提供一种电力现场作业中基于人脸识别的人员资质算法，按以下步骤进行：
步骤一，在OpenCV中调用mkdir()函数为每位用户提供单独文件夹保存拍摄的图像，然后调用VideoCapture()打开摄像头拍摄人脸图像，调用imwrite()函数写入人脸图像，检测并分割出人脸范围，修改图像的大小与下载的数据图片大小一致。
步骤二，采用Python3编写CSV文件，自动生成CSV文件的脚本，读取CSV文件的stringstream。
步骤三，训练人脸图像数据，具体包括如下步骤：
3-1，基于步骤一中采集到的人脸图像数据，将新采集的人脸图像数据投影到各个特征脸，计算权重集合；
3-2，通过判断图像数据是否满足人脸空间参数，判断新图像是否为一幅人脸图像；
3-3，如果判断是人脸图像，则根据权重集合，计算新权重到已知个体权重的距离，选择权重距离最近的已知个体，将新图像识别为该已知个体；如果最近的权重距离超出阈值，则识别为新的个体；
3-4，更新特征脸或者权重模式；
3-5，如果多次检测到同一个未知人脸图像，则判断这个人脸图像没有被记录，然后计算这个未知人脸图像的特征权重，将该未知人脸图像添加到已知人脸图像中。
步骤四，进行人脸检测与识别，具体包括以下步骤：
4-1，从摄像头或者其他摄影设备获取人脸图像数据，并保存到数据库中；
4-2，采用图像光线补偿、图像灰度化、高斯平滑、均衡直方图中的任意一种或者多种的组合，进行人脸图像预处理；
4-3，通过检测器标记预处理人脸图像中的眼睛、鼻子、嘴唇位置，确定人脸区域；
4-4，通过人脸图像中的眼睛、鼻子、嘴唇两两之间的距离，提取该人脸图像的特征；
4-5，将提取到的特征值与预先训练好的目标模型进行对比，调用cvRead<datatype>()函数加载训练结果XML文件，调cvEigenDecomposite()函数将采集图像映射至PCA子空间，利用最近距离匹配方法计算该图像与每一个训练结果的距离，找出距离最近的训练结果，识别出当前人脸。
具体的，步骤一中，人脸检测使用detectMultiScale函数；人脸分割使用OpenCV内部描述脸部Haar特征的haarcascade_frontalface_default分类器。
本发明的电力现场作业中基于人脸识别的人员资质算法基于OpenCV，采集有资质的工作人员的人脸图像数据，进行人脸图像数据训练。该算法利用最近距离匹配方法计算新采集图像与每一个训练结果的距离，找出距离最近的训练结果，识别出当前人脸，从而判断当前人员的资质。在2米距离内，该算法识别准确率≥98％，能够联动其它智能设备对人员进行识别，并通过语音播报被识别人员的资质。
附图说明
利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。
图1是本发明的人脸图像数据采集流程图。
具体实施方式
结合以下实施例对本发明作进一步说明。
提供一种电力现场作业中基于人脸识别的人员资质算法，按以下步骤进行：
步骤一，如图1所示，在OpenCV中调用mkdir()函数为每位用户提供单独文件夹保存拍摄的图像，然后调用VideoCapture()打开摄像头拍摄人脸图像，调用imwrite()函数写入人脸图像，检测并分割出人脸范围，修改图像的大小与下载的数据图片大小一致。
本实施例中，人脸检测使用detectMultiScale函数；人脸分割使用OpenCV内部描述脸部Haar特征的haarcascade_frontalface_default分类器。
步骤二，采用Python3编写CSV文件，自动生成CSV文件的脚本，读取CSV文件的stringstream。
本实施例使用的stringstream最大的特点就是可以实现各种数据类型的转换，不需要像C语言那样麻烦，而且非常安全。
步骤三，训练人脸图像数据，具体包括如下步骤：
3-1，基于步骤一中采集到的人脸图像数据，将新采集的人脸图像数据投影到各个特征脸，计算权重集合；
对人脸图像数据识别模型的训练，需根据各种脸型、不同年龄段、不同性别、不同光线下，加上各种状态的数据进行训练，比如睁眼的，闭眼的，张开嘴巴与闭上嘴巴等样本。由于人脸的特征相对比较标准、明显，容易抽取，训练素材不需要太多。
3-2，通过判断图像数据是否满足人脸空间参数，判断新图像是否为一幅人脸图像；
3-3，如果判断是人脸图像，则根据权重集合，计算新权重到已知个体权重的距离，选择权重距离最近的已知个体，将新图像识别为该已知个体；如果最近的权重距离超出阈值，则识别为新的个体；
3-4，更新特征脸或者权重模式；
3-5，如果多次检测到同一个未知人脸图像，则判断这个人脸图像没有被记录，然后计算这个未知人脸图像的特征权重，将该未知人脸图像添加到已知人脸图像中。
步骤四，进行人脸检测与识别，具体包括以下步骤：
4-1，从摄像头或者其他摄影设备获取人脸图像数据，并保存到数据库中；
4-2，采用图像光线补偿、图像灰度化、高斯平滑、均衡直方图中的任意一种或者多种的组合，进行人脸图像预处理；
4-3，通过检测器标记预处理人脸图像中的眼睛、鼻子、嘴唇位置，确定人脸区域；
4-4，通过人脸图像中的眼睛、鼻子、嘴唇两两之间的距离，提取该人脸图像的特征；
4-5，将提取到的特征值与预先训练好的目标模型进行对比，调用cvRead<datatype>()函数加载训练结果XML文件，调cvEigenDecomposite()函数将采集图像映射至PCA子空间，利用最近距离匹配方法计算该图像与每一个训练结果的距离，找出距离最近的训练结果，识别出当前人脸。
本发明的电力现场作业中基于人脸识别的人员资质算法基于OpenCV，采集有资质的工作人员的人脸图像数据，进行人脸图像数据训练。该算法利用最近距离匹配方法计算新采集图像与每一个训练结果的距离，找出距离最近的训练结果，识别出当前人脸，从而判断当前人员的资质。在2米距离内，该算法识别准确率≥98％，能够联动其它智能设备对人员进行识别，并通过语音播报被识别人员的资质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (2)
1.一种电力现场作业中基于人脸识别的人员资质算法，其特征在于，按以下步骤进行：
步骤一，在OpenCV中调用mkdir()函数为每位用户提供单独文件夹保存拍摄的图像，然后调用VideoCapture()打开摄像头拍摄人脸图像，调用imwrite()函数写入人脸图像，检测并分割出人脸范围，修改图像的大小与下载的数据图片大小一致；
步骤二，采用Python3编写CSV文件，自动生成CSV文件的脚本，读取CSV文件的stringstream；
步骤三，训练人脸图像数据，具体包括如下步骤：
3-1，基于步骤一中采集到的人脸图像数据，将新采集的人脸图像数据投影到各个特征脸，计算权重集合；
3-2，通过判断图像数据是否满足人脸空间参数，判断新图像是否为一幅人脸图像；
3-3，如果判断是人脸图像，则根据权重集合，计算新权重到已知个体权重的距离，选择权重距离最近的已知个体，将新图像识别为该已知个体；如果最近的权重距离超出阈值，则识别为新的个体；
3-4，更新特征脸或者权重模式；
3-5，如果多次检测到同一个未知人脸图像，则判断这个人脸图像没有被记录，然后计算这个未知人脸图像的特征权重，将该未知人脸图像添加到已知人脸图像中；
步骤四，进行人脸检测与识别，具体包括以下步骤：
4-1，从摄像头或者其他摄影设备获取人脸图像数据，并保存到数据库中；
4-2，采用图像光线补偿、图像灰度化、高斯平滑、均衡直方图中的任意一种或者多种的组合，进行人脸图像预处理；
4-3，通过检测器标记预处理人脸图像中的眼睛、鼻子、嘴唇位置，确定人脸区域；
4-4，通过人脸图像中的眼睛、鼻子、嘴唇两两之间的距离，提取该人脸图像的特征；
4-5，将提取到的特征值与预先训练好的目标模型进行对比，调用cvRead<datatype>()函数加载训练结果XML文件，调cvEigenDecomposite()函数将采集图像映射至PCA子空间，利用最近距离匹配方法计算该图像与每一个训练结果的距离，找出距离最近的训练结果，识别出当前人脸。
2.根据权利要求1所述的电力现场作业中基于人脸识别的人员资质算法，其特征在于，步骤一中，人脸检测使用detectMultiScale函数；人脸分割使用OpenCV内部描述脸部Haar特征的haarcascade_frontalface_default分类器。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2020107964183 | 2020-08-10 | ||
| CN202010796418 | 2020-08-10 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113656113A true CN113656113A (zh) | 2021-11-16 |
| CN113656113B CN113656113B (zh) | 2022-11-25 |
Family
ID=78489393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110804421.XA Active CN113656113B (zh) | 2020-08-10 | 2021-07-16 | 电力现场作业中基于人脸识别的人员资质算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113656113B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104978550A (zh) * | 2014-04-08 | 2015-10-14 | 上海骏聿数码科技有限公司 | 基于大规模人脸数据库的人脸识别方法及系统 |
| CN109657592A (zh) * | 2018-12-12 | 2019-04-19 | 大连理工大学 | 一种智能挖掘机的人脸识别系统及方法 |
-
2021
- 2021-07-16 CN CN202110804421.XA patent/CN113656113B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104978550A (zh) * | 2014-04-08 | 2015-10-14 | 上海骏聿数码科技有限公司 | 基于大规模人脸数据库的人脸识别方法及系统 |
| CN109657592A (zh) * | 2018-12-12 | 2019-04-19 | 大连理工大学 | 一种智能挖掘机的人脸识别系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梁永霖: "基于OpenCV的人脸图像预处理技术研究", 《韶关学院学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113656113B (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
| CN112149761B (zh) | 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法 | |
| CN105631439A (zh) | 人脸图像处理方法和装置 | |
| CN109711370A (zh) | 一种基于wifi探测和人脸聚类的数据融合算法 | |
| CN109657592A (zh) | 一种智能挖掘机的人脸识别系统及方法 | |
| CN103310200B (zh) | 人脸识别方法 | |
| CN113516076A (zh) | 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 | |
| CN103279738B (zh) | 车标自动识别方法及系统 | |
| CN108171223A (zh) | 一种基于多模型多通道的人脸识别方法及系统 | |
| CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
| CN109598351A (zh) | 用于变电站设备运检的安全预警管控系统及方法 | |
| CN113869162A (zh) | 一种基于人工智能的违章识别方法及系统 | |
| US20140079295A1 (en) | Apparatus and method for discriminating disguised face | |
| CN106023199B (zh) | 一种基于图像分析技术的烟气黑度智能检测方法 | |
| CN104156819A (zh) | 一种重要岗位不安全行为自动观察纠偏方法及装置 | |
| CN113743256A (zh) | 一种工地安全智能预警方法与装置 | |
| CN109117855A (zh) | 异常电力设备图像识别系统 | |
| CN116386120B (zh) | 一种用于智慧校园宿舍的无感监控管理系统 | |
| CN111754669A (zh) | 一种基于人脸识别技术的高校学生管理系统 | |
| CN111476083A (zh) | 一种电力员工安全帽佩戴自动识别方法 | |
| CN113656113B (zh) | 电力现场作业中基于人脸识别的人员资质算法 | |
| CN109166196A (zh) | 一种基于单样本人脸识别的酒店进出人员管理方法 | |
| CN113723188B (zh) | 一种结合人脸与步态特征的着装一致人员身份核验方法 | |
| Kwak et al. | A study on Detecting the Safety helmet wearing using YOLOv5-S model and transfer learning | |
| CN112686180A (zh) | 一种封闭空间人员数量计算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |