本发明专利技术涉及社区智能服务技术领域，且公开了一种基于深度卷积神经网络远程视频身份识别系统，包括中央处理器，所述中央处理器的输入端与存储模块的输出端电连接，所述中央处理器的输出端与存储模块的输入端电连接，所述中央处理器的输出端与识别模块的输入端电连接，所述中央处理器的输入端与识别模块的输出端电连接，所述中央处理器的输入端与通信模块的输出端电连接，所述中央处理器的输出端与通信模块的输入端电连接。该基于深度卷积神经网络远程视频身份识别系统，通过基于卷积神经网络的识别模块克服光照差异、面部表情变化和遮挡物等干扰，提高面部识别率，实现高可靠的远程视频身份识别。视频身份识别。视频身份识别。
【技术实现步骤摘要】
一种基于深度卷积神经网络远程视频身份识别系统
[0001]本专利技术涉及社区智能服务
，具体为一种基于深度卷积神经网络远程视频身份识别系统。
技术介绍
[0002]现有的大部分脸部识别系统都需要获得光照良好的，清晰的面部图像才可工作，而人脸识别算法大致可分为两类：基于表象的方法和基于特征的方法，前者基本思想是将二维的人脸输入转换到另一个空间，然后用统计方法分析人脸模式，例如eigenface、fisherface和SVM等方法，而基于表象的方法需要经过特殊处理，在光照差异、面部表情变化和遮挡物等干扰下面部的识别率较差。
技术实现思路
[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了一种基于深度卷积神经网络远程视频身份识别系统。
[0005](二)技术方案
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于深度卷积神经网络远程视频身份识别系统，包括中央处理器，所述中央处理器的输入端与存储模块的输出端电连接，所述中央处理器的输出端与存储模块的输入端电连接，所述中央处理器的输出端与识别模块的输入端电连接，所述中央处理器的输入端与识别模块的输出端电连接，所述中央处理器的输入端与通信模块的输出端电连接，所述中央处理器的输出端与通信模块的输入端电连接，所述通信模块的输入端与加解密单元的输出端电连接，所述通信模块的输出端与加解密单元的输入端电连接，所述加解密单元的输入端与数据采集模块的输出端电连接，所述中央处理器的输入端与电源模块的输出端电连接。
[0007]优选的，所述数据采集模块包括摄像头。
[0008]优选的，所述加解密单元包括数据签名加密子模块和验证解密子模块，所述数据签名加密子模块包括生成数据模块和发布数据模块。
[0009]优选的，所述生成数据模块采用RSA算法，所述生成数据模块主要用于实现对用户输入的数据进行加密，将明文变为密文的功能，保证数据的访问权限，确保数据不能被人轻易的获取，所述发布数据模块将加密后的密文数据根据协议规定格式打包，并为打包的报文添加数据签名。
[0010]优选的，所述识别模块是基于卷积神经网络用于人脸识别。
[0011](三)有益效果
[0012]与现有技术相比，本专利技术提供了一种基于深度卷积神经网络远程视频身份识别系统，具备以下有益效果：
[0013]该基于深度卷积神经网络远程视频身份识别系统，通过基于卷积神经网络的识别
模块克服光照差异、面部表情变化和遮挡物等干扰，提高面部识别率，实现高可靠的远程视频身份识别。
附图说明
[0014]图1为本专利技术系统示意图。
具体实施方式
[0015]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0016]请参阅图1，本专利技术提供一种技术方案：一种基于深度卷积神经网络远程视频身份识别系统，包括中央处理器，中央处理器的输入端与存储模块的输出端电连接，中央处理器的输出端与存储模块的输入端电连接，本系统首先应为智能设备统一命名，而后对设备的接入及数据发布分别认证，实现数据在网络中的安全传输，并对数据的历史修改实现溯源，而且完全采用自建的分布式数据可信链实现总标识的存储，而进行命名标识是基于ODIN技术，中央处理器的输出端与识别模块的输入端电连接，中央处理器的输入端与识别模块的输出端电连接，识别模块是基于卷积神经网络用于人脸识别，卷积神经网络用于人脸识别是一种基于特征的方法，区别于传统的人工特征提取和针对特征的高性能分类器设计，其优点是通过逐层卷积降维进行特征提取，然后经过多层非线性映射，使网络可以从未经特殊处理的训练样本中，自动学习形成适应该识别任务的特征提取器和分类器，该方法降低了对训练样本的要求，而且网络的层数越多，学习到的特征更具有全局性，该多层卷积神经网络由多个卷积层和池化层、1个全连接层和1个Softmax回归层组成，网络前几层由卷积层和池化层交替级联用于特征提取随后接入一个全连接层，最后一层采用非线性分类能力强的Softmax分类器，该卷积神经网络采用sigmoid激活函数和固定的学习速率，卷积层和池化层由多个特征图(即二维平面)组成，每个特征图由多个神经元组成，每一层的特征图作为下一层的输入，卷积层的特征图可能与前一层的若干特征图建立关系，从而实现视频图像的深度挖掘，中央处理器的输入端与通信模块的输出端电连接，中央处理器的输出端与通信模块的输入端电连接，通信模块的输入端与加解密单元的输出端电连接，通信模块的输出端与加解密单元的输入端电连接，加解密单元包括数据签名加密子模块和验证解密子模块，数据签名加密子模块包括生成数据模块和发布数据模块，生成数据模块采用RSA算法，生成数据模块主要用于实现对用户输入的数据进行加密，将明文变为密文的功能，保证数据的访问权限，确保数据不能被人轻易的获取，发布数据模块将加密后的密文数据根据协议规定格式打包，并为打包的报文添加数据签名，发布数据模块利用配置在分布式数据可信链上公钥对应的本地私钥对按照协议生成的数据报文添加签名，并将添加上签名的报文发布到网络中，加解密单元的输入端与数据采集模块的输出端电连接，数据采集模块包括摄像头，中央处理器的输入端与电源模块的输出端电连接。
[0017]综上所述，该基于深度卷积神经网络远程视频身份识别系统，通过基于卷积神经网络的识别模块克服光照差异、面部表情变化和遮挡物等干扰，提高面部识别率，实现高可
靠的远程视频身份识别。
[0018]本系统中涉及到的相关模块均为硬件系统模块或者为现有技术中计算机软件程序或协议与硬件相结合的功能模块，该功能模块所涉及到的计算机软件程序或协议的本身均为本领域技术人员公知的技术，其不是本系统的改进之处；本系统的改进为各模块之间的相互作用关系或连接关系，即为对系统的整体的构造进行改进，以解决本系统所要解决的相应技术问题。
[0019]尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度卷积神经网络远程视频身份识别系统，包括中央处理器，其特征在于：所述中央处理器的输入端与存储模块的输出端电连接，所述中央处理器的输出端与存储模块的输入端电连接，所述中央处理器的输出端与识别模块的输入端电连接，所述中央处理器的输入端与识别模块的输出端电连接，所述中央处理器的输入端与通信模块的输出端电连接，所述中央处理器的输出端与通信模块的输入端电连接，所述通信模块的输入端与加解密单元的输出端电连接，所述通信模块的输出端与加解密单元的输入端电连接，所述加解密单元的输入端与数据采集模块的输出端电连接，所述中央处理器的输入端与电源模块的输出端电连接。2.根据权利要求1所述的一种基于深度卷积神经网络远程视频身份识别系统，其特征在于：所述数据采集模块包...
【专利技术属性】
技术研发人员：刘方，宋奕冰，冯英，王刘旺，姚影，
申请(专利权)人：国网信息通信产业集团有限公司国网浙江省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。