电力现场作业中基于人脸识别的人员资质算法制造技术

本发明专利技术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。并通过语音播报被识别人员的资质。并通过语音播报被识别人员的资质。

【技术实现步骤摘要】
电力现场作业中基于人脸识别的人员资质算法


[0001]本专利技术涉及智能识别领域，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。

技术介绍

[0002]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
，每个
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，本专利技术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。

技术实现思路

[0003]本专利技术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。
[0004]本专利技术的上述目的通过以下技术措施实现。
[0005]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：
[0006]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。<br/>[0007]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。
[0008]步骤三，训练人脸图像数据，具体包括如下步骤：
[0009]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；
[0010]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；
[0011]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；
[0012]3‑
4，更新特征脸或者权重模式；
[0013]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。
[0014]步骤四，进行人脸检测与识别，具体包括以下步骤：
[0015]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；
[0016]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；
[0017]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；
[0018]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；
[0019]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&lt;datatype&gt;()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。
[0020]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。
[0021]本专利技术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
[0022]利用附图对本专利技术作进一步的说明，但附图中的内容不构成对本专利技术的任何限制。
[0023]图1是本专利技术的人脸图像数据采集流程图。
具体实施方式
[0024]结合以下实施例对本专利技术作进一步说明。
[0025]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：
[0026]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。
[0027]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。
[0028]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。
[0029]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。
[0030]步骤三，训练人脸图像数据，具体包括如下步骤：
[0031]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；
[0032]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。
[0033]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；
[0034]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；
[0035]3‑
4，更新特征脸或者权重模式；
[0036]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。
[0037]步骤四，进行人脸检测与识别，具体包括以下步骤：
[0038]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；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：曾纪钧，龙震岳，温柏坚，刘晔，张金波，蒋道环，梁哲恒，沈桂泉，张小陆，沈伍强，邓新华，崔磊，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：