一种基于深度学习的安检人脸识别装置制造方法及图纸

本实用新型专利技术涉及一种基于深度学习的安检人脸识别装置，包括识别支架，所述识别支架内腔顶部连接清洗风机，所述识别支架顶部一端连接防护罩，所述防护罩内腔底部连接液压升降机构，所述液压升降机构顶部一端连接控制面板，所述控制面板底部一端连接散热风机，所述散热风机一侧连接温度传感器，所述防护罩一侧连接步进电机，所述步进电机通过滚轮连接驱动杆，所述驱动杆一侧连接横向通风管，所述防护罩顶部一端连接距离感应单元，所述控制面板顶部一端连接图像采集单元，所述控制面板内置分割匹配模块与深度学习模块，通过本实用新型专利技术，可以降低人工识别的劳动强度，提高识别准确率，且设备具备自清洁功能极大降低安检通过时间。

【技术实现步骤摘要】
一种基于深度学习的安检人脸识别装置
本技术涉及一种基于深度学习的安检人脸识别装置，属于人脸识别

技术介绍
人脸识别技术的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的进步得到快速发展，90年代后期一些商业性的人脸识别系统逐渐进入市场。近年来，社会安全信息备受关注，信息检索，视频监控，移动支付以及各种娱乐应用等的飞速发展进一步推动了人脸识别技术的需求。人脸识别基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别；人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流进行判断。首先判断是否存在人脸，如果存在，则进一步给出人脸所在的位置，大小。并根据这些信息进一步提取出人脸的特征信息，最后将其与已知的人脸对比，从而识别每个人脸的身份。近年来，国内外学者开始把深度学习方法应用在图像识别问题上，并取得了优异的效果。深度学习算法的一个重要的特性就是对训练样本集规模要求比较大，在视频人脸的识别过程，通过一个系统机构可以轻松的生成数万、数十万的样本数据，因此将视频人脸识别与深度学习算法相结合，可以有效地解决深度学习算法样本集规模不足的问题。安检在人们日常生活中应用越来越多，例如地铁、博物馆、体育场等公共活动场所，近年来企业中安检也大量应用，但是目前安检面临着检查时间过长，且人工检查任务重，同行效率低的缺点，在实际复杂环境中，人脸数据往往存在着各种因素的影响，例如光照、遮挡、姿态变化等，在这种情况下，现有基于手工设计特征提取算法的人脸识别方法具有较差的准确性，设备易过热，对上述影响因素的抗干扰能力较差，误差率高，不能保证识别效果。
技术实现思路
本技术提出一种基于深度学习的安检人脸识别装置，解决了现有
的人脸识别装置识别率差，人工审查效率低下的缺点。为了解决上述技术问题，本技术提供了如下的技术方案：本技术一种基于深度学习的安检人脸识别装置，包括识别支架，所述识别支架内腔顶部连接清洗风机，所述识别支架顶部一端连接防护罩，所述防护罩内腔底部连接液压升降机构，所述液压升降机构顶部一端连接控制面板，所述控制面板底部一端连接散热风机，所述散热风机一侧连接温度传感器，所述防护罩一侧连接步进电机，所述步进电机通过滚轮连接驱动杆，所述驱动杆一侧连接横向通风管，所述防护罩顶部一端连接距离感应单元，所述控制面板顶部一端连接图像采集单元，所述控制面板内置分割匹配模块与深度学习模块。作为本技术的一种优选技术方案，所述控制面板电性连接所述清洗风机、液压升降机构、散热风机、温度传感器、距离感应单元、图像采集单元与步进电机。作为本技术的一种优选技术方案，所述清洗风机包括液压机与缓冲气罐，液压机管道连接缓冲气罐。作为本技术的一种优选技术方案，所述识别支架底部连接可升降滚轮，升降滚轮表面设有防滑橡胶垫。作为本技术的一种优选技术方案，所述防护罩顶部开槽，开槽大小略大于所述控制面板，所述控制面板表面经过防水处理。作为本技术的一种优选技术方案，所述防护罩顶部开槽，开槽大小略大于所述控制面板，所述清洗风机管道连接所述通风管。本技术所达到的有益效果是：本技术通过设置在所述防护罩内的温度传感器进行人脸识别装置内部主要元件的温度实施监控，并且通过控制面板采集温度信息，以控制散热风机给装置散热，极大提高了装置散热能力，控制面板在所述液压升降机构作用下下降，通过控制面板控制所述步进电机正反转动，进而控制所述驱动杆来回周期性移动，以驱动所述通风管沿着控制面板相对运动，通过通风管底部外接喷嘴，清洗风机将加压风通过喷嘴喷出，喷出为控制面板表面清洗灰尘，利用内置的分割匹配模块对采集图像分割并输出至控制面板，输出信息传送至深度学习模块进行分析比较并存储，从而不断提高人脸识别准确率。附图说明附图用来提供对本技术的进一步理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术，并不构成对本技术的限制。在附图中：图1是本技术的结构示意图图2是本技术通风管连接结构图图3是本技术电性联系图图中：1、识别支架；2、清洗风机；3、防护罩；4、液压升降机构；5、控制面板；6、散热风机；7、温度传感器；8、步进电机；9、滚轮；10、驱动杆；11、通风管；12、距离感应单元；13、图像采集单元；14、分割匹配模块；15、深度学习模块；16、升降滚轮。具体实施方式以下结合附图对本技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本技术，并不用于限定本技术。实施例1如图1所示，本技术提供一种基于深度学习的安检人脸识别装置，包括识别支架1，识别支架1内腔顶部连接清洗风机2，识别支架1顶部一端连接防护罩3，防护罩3起到隔绝保护内部电器作用，防护罩3内腔底部连接液压升降机构4，液压升降机构4顶部一端连接控制面板5，通过液压升降机4构可以控制面板升降，控制面板5底部一端连接散热风机6，散热风机6一侧连接温度传感器7，温度传感器7贴着控制面板底部，进行面板温度的动态监控，防护罩3一侧连接步进电机8，步进电机8通过滚轮9连接驱动杆10，驱动杆10一侧连接横向通风管11，防护罩3顶部一端连接距离感应单元12，控制面板5顶部一端连接图像采集单元13，控制面板5内置分割匹配模块14与深度学习模块15，通过图像采集单元13采集人脸图像，控制面板5内置的分割匹配模块14将对采集的面部信息进行分割匹配，并通过控制面板5进行输出，同时将采集的信息存储到深度学习模块15进行算法优化，完善人脸信息，并反馈调节分割匹配模块14动作。控制面板5电性连接清洗风机2、液压升降机构3、散热风机6、温度传感器7、距离感应单元12、图像采集单元13与步进电机8，清洗风机2包括液压机与缓冲气罐，液压机管道连接缓冲气罐，识别支架1底部连接可升降滚轮16，升降滚轮16表面设有防滑橡胶垫，防护罩3顶部开槽，开槽大小略大于控制面板5，控制面板5表面经过防水处理，清洗风机2管道连接通风管11。本技术在使用时，通过距离感应单元12检测是否有待检测人员靠近，进而控制面板5接收这一信息，确定自身否启动，设置在防护罩3内的温度传感器7进对人脸识别装置主要元件的温度进行监控，并且通过控制面板5采集传感收集的温度信息，以控制散热风机6给装置散热，自动为装置降温，控制面板5在液压升降机构4作用下下降，通过控制面板5控制步进电机8正反转动，进而控制驱动杆10来回周期性移动，以驱动通风管11沿着控制面板5表面相对运动，通过通风管11底部外接喷嘴，清洗风机2将加压风通过喷嘴喷出，为控制面板5表面清洗灰尘，利用内置的分割匹配模块14对采集图像分割确认，并通过控制面板5输出识别结果，图像信息传送至深度学习模块15进行分析比较并存储成为大数据一部分，并反馈调节分割匹配模块14，从而不断提高人脸识别准确率。最后应说明的是：以上仅为本技术的优选实施例而已，并不用于限制本技术，尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来说，其依然可以对前本文档来自技高网...

【技术保护点】
1.一种基于深度学习的安检人脸识别装置，包括识别支架（1），其特征在于，所述识别支架（1）内腔顶部连接清洗风机（2），所述识别支架（1）顶部一端连接防护罩（3），所述防护罩（3）内腔底部连接液压升降机构（4），所述液压升降机构（4）顶部一端连接控制面板（5），所述控制面板（5）底部一端连接散热风机（6），所述散热风机（6）一侧连接温度传感器（7），所述防护罩（3）一侧连接步进电机（8），所述步进电机（8）通过滚轮（9）连接驱动杆（10），所述驱动杆（10）一侧连接横向通风管（11），所述防护罩（3）顶部一端连接距离感应单元（12），所述控制面板（5）顶部一端连接图像采集单元（13），所述控制面板（5）内置分割匹配模块（14）与深度学习模块（15）。

【技术特征摘要】
1.一种基于深度学习的安检人脸识别装置，包括识别支架（1），其特征在于，所述识别支架（1）内腔顶部连接清洗风机（2），所述识别支架（1）顶部一端连接防护罩（3），所述防护罩（3）内腔底部连接液压升降机构（4），所述液压升降机构（4）顶部一端连接控制面板（5），所述控制面板（5）底部一端连接散热风机（6），所述散热风机（6）一侧连接温度传感器（7），所述防护罩（3）一侧连接步进电机（8），所述步进电机（8）通过滚轮（9）连接驱动杆（10），所述驱动杆（10）一侧连接横向通风管（11），所述防护罩（3）顶部一端连接距离感应单元（12），所述控制面板（5）顶部一端连接图像采集单元（13），所述控制面板（5）内置分割匹配模块（14）与深度学习模块（15）。2.根据权利要求1所述的一种基于深度学习的安检人脸识别装置，其特征在于，所述...

【专利技术属性】
技术研发人员：柴华荣，
申请(专利权)人：安徽理工大学，
类型：新型
国别省市：安徽,34