基于人脸识别的嵌入式视频监控系统设计研究.pdf

"基于人脸识别的嵌入式视频监控系统设计研究" 本文研究了基于人脸识别的嵌入式视频监控系统的设计，旨在提高办公室及类似环境的安全与财产保护。该系统通过人脸识别和视频监控技术的有机结合，实现了场景中人员身份的自动识别和来访记录，具有实时监控、安防、考勤等功能。 软件架构设计中，该系统包含实时视频、运动捕捉、交互通信、用户监听及人脸检测与识别等五个模块。为了满足多项工作的并行处理，本文设计了系统的多线程架构，包括五条工作线程。监控系统依据摄像头完成原始图像帧的采集后，结合硬件图像加速模块的运用展开运动捕捉，并向人脸检测识别软件模块传递捕捉获取的运动物体数据。 在人脸检测与识别模块中，本文选择了 MTCNN 人脸检测算法，该算法具有检测速度快、精度高、CPU 使用效率高等特点。该算法核心思想体现在：缩放待检测的图片尺寸至不同程度，通过图像金字塔的构建，并在 P-Net、R-Net、O-Net 三个神经网络的运用下围绕图片展开人脸检测。 在人脸识别模块中，本文选择了 center-loss 神经网络算法，该算法核心思想体现在：选择 softmax loss 损失函数负责对深度学习分类任务展开训练，该损失函数呈现出了良好的分类作用，能够有效区分不同类。该算法能将同类样本间存在的差异减小，并向一个核心上聚类同类的样本，能大幅推进分类任务准确度的提高，同时呈现出更快的迭代速度。 服务端设计中，该系统设计了嵌入式系统工作在前端模式时，其工作线程具备人脸检测与识别、运动捕捉、交互通信及实时视频四个模块。交互通信线程此时仅负责长连接中心服务器，面对其他主机发送的 TCP 连接请求不再接受。 该基于人脸识别的嵌入式视频监控系统设计研究结果表明，系统体积小且具备较高的稳定性，能大幅缩减安防人力与经济成本支出，具有广泛的应用前景。