基于Pytorch的人脸识别系统.pdf

"基于Pytorch的人脸识别系统" 本文介绍了一种基于Pytorch的人脸识别系统，该系统包括硬件系统设计和软件系统设计两个部分。硬件系统设计包括显示屏和图像采集器件两个部分，显示屏选取了薄膜场晶体管显示屏，图像采集器件中使用了日本三星公司的ARM10系列S5C2490作为图像处理器，并配备了UPC摄像头和无线网卡。软件系统设计包括人脸检测节点设计和人脸属性识别节点设计，人脸检测节点使用了MTCNN卷积神经网络，人脸属性识别节点使用了基于深度学习Pytorch语言库的算法。 人脸识别技术逐渐在身份验证、支付验证、美颜相机等一系列领域获得了极其广泛的应用。传统识别方法，如身份证件号码、账户密码、钥匙等，非常容易被盗取和泄露，不能完全满足居民对信息安全保护的要求。基于Pytorch的人脸识别系统相比于传统系统，在人脸识别的精确率上随着试验次数的增加始终高于传统设计，无限趋近于100%。 基于Pytorch的人脸识别系统的硬件设计包括显示屏和图像采集器件两个部分。显示屏选取了840*598像素值的显示屏，对于显示屏还必须要求其颜色鲜明、层次感较强、对比度比较高、亮度高、具有可以“主动”精准的控制好屏幕上的每一个像素点的基本功能，如此一来就能够在一定程度上缩短系统的反应时间。图像采集器件中所用的视频前端需要采取日本三星公司的ARM10系列S5C2490作为图像处理器，其一般情况下的工作频率可达500 MHz，完全可以满足合理有效的视频采集与视频传输需求，同时这种处理器内置各种控制器，对于引脚的控制也比较便捷，便于以后的市场开发。 基于Pytorch的人脸识别系统的软件设计包括人脸检测节点设计和人脸属性识别节点设计。人脸检测节点使用了MTCNN卷积神经网络，该网络是一个由P-Net、R-Net、O-Net三级联层结构设计出来的卷积神经网络。MTCNN卷积神经网络在人脸检测中凭借识别率比较高，能够满足居民的生活应用需要。人脸属性识别节点设计使用了基于深度学习Pytorch语言库的算法，该算法能够实现人脸的多个属性识别，满足社会的现实需要。 本文设计并实现了一种基于Pytorch的人脸识别系统，硬件系统设计包括显示屏和图像采集器件，软件系统设计包括人脸检测节点设计和人脸属性识别节点设计。该系统相比于传统系统，在人脸识别的精确率上随着试验次数的增加始终高于传统设计，无限趋近于100%。