一种智能挖掘机的人脸识别系统及方法技术方案

本发明专利技术提供一种智能挖掘机的人脸识别系统及方法，属于智能挖掘机应用技术领域。该系统包括视频采集模块、人脸检测模块、人脸识别模块、测距模块、执行模块和总控模块。首先通过视频采集模块获取实时图像信息，然后利用训练好的人脸检测模型进行人脸检测；之后将对齐后的人脸图像输入训练好的人脸识别模型中进行人脸识别并进行距离计算；最后执行模块对是否为工作人员以及所测人员是否处于安全距离进行判断和预警。本发明专利技术可实时监测施工现场人员情况，可及时检测出是否有人员靠近挖掘机，并实施避让，保证施工安全。本发明专利技术的检测算法在FDDB数据集上达到了84.23％的检测准确率，在自建人脸数据识别数据集上达到了99％的识别准确率。

A Face Recognition System and Method for Intelligent Excavator

The invention provides a face recognition system and method of an intelligent excavator, belonging to the application technology field of an intelligent excavator. The system includes video acquisition module, face detection module, face recognition module, ranging module, execution module and general control module. Firstly, real-time image information is acquired by video acquisition module, and then face detection is carried out by using the trained face detection model. Then, the aligned face images are input into the trained face recognition model for face recognition and distance calculation. Finally, the execution module judges and early warns whether it is a staff member and whether the detected person is in a safe distance. The invention can real-time monitor the situation of construction site personnel, timely detect whether there are personnel close to excavators, and implement avoidance to ensure construction safety. The detection algorithm of the invention achieves 84.23% detection accuracy on FDDB data set and 99% recognition accuracy on self-built face data recognition data set.

【技术实现步骤摘要】
一种智能挖掘机的人脸识别系统及方法
本专利技术属于智能挖掘机应用
，涉及一种智能挖掘机的人脸识别系统及方法。特别涉及到利用卷积神经网络对人脸进行检测及识别的深度学习方法。
技术介绍
挖掘机作为矿山开采的主力，广泛应用于矿山开采、沟壑挖掘、公路铁路修建等领域，其工作场景复杂，工作环境恶劣，同时需要操作者具有较高的操作能力。随着无人驾驶技术的发展，无人挖掘机也受到人们越来越多的关注，为了防止无人智能挖掘机在施工过程中误伤到可能出现在施工现场的工作人员，为智能挖掘机加装一套人脸检测及识别系统是十分有必要的。传统的人脸识别算法主要采用模板匹配、haar特征等，取得了一定的效果，然而在无法满足安全级别较高的无人挖掘机人脸检测识别模块。随着深度学习的发展，基于卷积神经网络的物体检测算法获得了巨大的成功，不断刷新着世界公开数据集上的准确率。因此，本专利技术设计了一个卷积神经网络算法进行人脸检测及识别。
技术实现思路
为了防止无人挖掘机在施工过程中对进入现场的工作人员造成伤害，本专利技术设计一种能实时检测并识别人脸的系统及方法，对现场工作情况进行实时检测，及时发现并避让工作人员。为解决传统人脸识别本文档来自技高网...

【技术保护点】
1.一种智能挖掘机的人脸识别系统，其特征在于，该人脸识别系统包括视频采集模块、人脸检测模块、人脸识别模块、测距模块、执行模块和总控模块；其中，视频采集模块采用双目摄像机进行视频采集，分布安装于智能挖掘机的机身，以全方位对人脸进行图像采集；人脸检测模块利用人脸检测模型检测所采集的图像中是否有人脸存在；人脸识别模块利用人脸识别模型对进入施工区域的人员进行判别，来识别是否为工作人员；测距模块采用双目视觉的算法，输出人脸与智能挖掘机的距离信息，供智能挖掘机进行判断是否应该避让；执行模块为智能挖掘机的行进控制系统，执行避让动作，并响起警报，提示人员远离施工区域；总控模块用于协调其它模块之间的运行。

【技术特征摘要】
1.一种智能挖掘机的人脸识别系统，其特征在于，该人脸识别系统包括视频采集模块、人脸检测模块、人脸识别模块、测距模块、执行模块和总控模块；其中，视频采集模块采用双目摄像机进行视频采集，分布安装于智能挖掘机的机身，以全方位对人脸进行图像采集；人脸检测模块利用人脸检测模型检测所采集的图像中是否有人脸存在；人脸识别模块利用人脸识别模型对进入施工区域的人员进行判别，来识别是否为工作人员；测距模块采用双目视觉的算法，输出人脸与智能挖掘机的距离信息，供智能挖掘机进行判断是否应该避让；执行模块为智能挖掘机的行进控制系统，执行避让动作，并响起警报，提示人员远离施工区域；总控模块用于协调其它模块之间的运行。2.一种智能挖掘机的人脸识别方法，其特征在于，包括以下步骤：步骤一、图像采集：利用视频采集模块中不同位置的双目摄像机实时采集图像；步骤二、人脸检测：利用训练好的人脸检测模型进行人脸检测，当检测到步骤一所采集图像中含有人脸时，按照人脸检测模型所检测出的人脸位置裁剪人脸所在区域，将该区域部分的图像输入到人脸识别模块中进行识别；同时将步骤一所采集图像输入到测距模块中进行测距；步骤三、人脸识别：接收人脸检测模块传来的人脸所在区域的图像，并对人脸图像进行对齐操作；将对齐后的人脸图像输入训练好的人脸识别模型中进行人脸识别，得到人脸的N维特征向量；计算所得N维特征向量与数据库中人脸向量的相似度；当相似度大于等于某阈值时，则判定为此人属于工作人员，反之则否；所述的数据库为预先采集的实际工作人员的人脸图像；所述的相似度匹配方法为欧氏距离或余弦距离；步骤四、距离计算：将检测到的人脸采用半全局块匹配SGBM算法对人脸区域进行双目匹配，计算人脸相对无人挖掘机的位置坐标；步骤五、当识别为工作人员且距离挖掘机小于安全距离时，总控模块控制执行模块执行避让动作，并语音提醒工作人员保持安全距离；当识别为工作人员且距离挖掘机大于安全距离时，无需进行避让操作；当识别为非工作人员且距离挖掘机小于安全距离时，总控模块控制执行模块进行避让，并语音提醒此人保持安全距离，同时将此人图像传回控制室，以提醒工作人员有外来人员进入施工现场；当识别为非工作人员且距离挖掘机大于安全距离时，则只需将此人图像传回控制室提醒工作人员注意即可；所述的人脸检测模型训练过程如下：(2.1)数据采集：采集不同场景下包含不同人物在内的图像，作为初始数据；对初始数据添加标签及归一化操作；(2.2)搭建两阶段级联卷积神经网络：第一阶...

【专利技术属性】
技术研发人员：宋学官，郭佳鹏，贾兆柱，李建飞，范中磊，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21