一种智慧厂区安保系统技术方案

本发明专利技术公开了一种智慧厂区安保系统，包括实时数据采集模块、人脸识别模块、预警模块和管理端，实时数据采集模块用于采集并预处理图像，人脸识别模块通过改进的白鲸优化算法IBWO和改进Arcface损失函数对CNN神经网络模型优化，构建人脸设别模型，对图像进行识别并将结果发送至预警模块，预警模块用于根据人脸识别的结果对比厂区人员数据库，将对比结果发送至管理端；本发明专利技术对厂区人员进行精准的识别，可以在面部半遮挡的情况下实现人脸识别，有效实现了对待戴口罩人群的人脸识别。现了对待戴口罩人群的人脸识别。现了对待戴口罩人群的人脸识别。

【技术实现步骤摘要】
一种智慧厂区安保系统


[0001]本专利技术涉及一种厂区安保系统，尤其涉及一种智慧厂区安保系统，属于智能优化算法领域。

技术介绍

[0002]随着通信与自动化技术的发展，无人机被广泛应用于辅助部队执行远距离目标识别打击任务，但由于无人机始终处于飞行状态且需要与目标对象保持一定距离，这使得无人机对人脸的检测效果较差，阻碍了人脸检测识别技术在无人机系统中的应用。近年来，硬件设备不断更新换代所带来的基于深度学习的算法技术也逐渐成熟并逐步应用于视觉、集群、自动驾驶等各大领域，基于深度学习的人脸检测识别算法的精度也在不断提高，同时随着无人机单机、协同、集群等相关技术迅速发展，无人机必将在未来的工作生活甚至军事战争中发挥巨大作用。面部遮挡问题给人脸识别技术带来的巨大挑战。

技术实现思路

[0003]专利技术目的：本专利技术的目的是提供一种能够对厂区人员进行精准的人脸识别的智慧厂区安保系统。
[0004]技术方案：本专利技术所述的智慧厂区安保系统，包括实时数据采集模块、人脸识别模块、预警模块和管理端；
[0005]所述实时数据采集模块用于采集和预处理图像，并将预处理后的图像发送至人脸识别模块；
[0006]所述人脸识别模块用于通过IBWO
‑
SACNN人脸识别模型对图像进行识别，并将识别后的结果发送至预警模块；
[0007]所述预警模块用于根据识别结果进行分析对比，并将分析对比结果发送至管理端；
[0008]所述管理端用于向厂区管理者提供信息展示。
[0009]所述实时数据采集模块包括数据采集装置和图像预处理模块；
[0010]所述数据采集装置用于采集图像并发送至图像预处理模块。
[0011]所述数据采集装置为若干架无人机。
[0012]所述图像预处理模块，用于对接收到的图像通过灰度直方图法进行处理，并将处理结果发送至人脸识别模块。
[0013]所述灰度直方图法实现步骤如下：
[0014]S11：计算图像中灰度为i的像素的出现概率P
x
(i)，计算公式如下所示：
[0015][0016]其中，n
i
表示图像中像素为的像素数，n表示图像中所有的像素数；
[0017]S12：构造累积分布函数cdf(i)，累积分布函数构建公式如下所示：
[0018][0019]S13：构建灰度直方图均衡化计算公式，计算公式如下所示：
[0020][0021]其中，h(v)表示图像灰度，round(
·
)为四舍五入函数，v表示原始图像中像素为v的像素值，cdf
min
表示累计分布函数的最小值，M和N分别表示像素的长宽像素个数，L表示灰度级数。
[0022]所述IBWO
‑
SACNN人脸识别模型通过改进的白鲸优化算法IBWO和改进的Arcface损失函数对CNN神经网络模型优化完成构建。
[0023]所述IBWO
‑
SACNN人脸识别模型构建过程如下：
[0024]S21：构建CNN卷积神经网络，CNN卷积神经网络网络第L层第j个卷积核运算公式如下所示：
[0025][0026]其中，x
L
‑1表示上一层特征图的输出，和表示该卷积操作的权重和偏置量；
[0027]S22：选取Sigmiod函数作为网络激活函数，将元素值变换到0和1之间，对数值进行平滑处理，Sigmiod函数公式如下所示：
[0028][0029]S23：采用改进的白鲸优化算法IBWO对网络的权重以及偏置量进行优化；
[0030]S24：在CNN卷积模块引入空间注意力机制模块，对模块中的Arcface损失函数进行改进；
[0031]通过提取到的人脸特征向量x映射到超球体上，并压缩相同人脸特征向量x的余弦距离，扩大不同人脸特征向量x的余弦距离；
[0032]改进后的Arcface损失函数IL
Arcface
如下所示：
[0033][0034]其中，s为超球体的半径，θ为权重与人脸特征向量的夹角，y
i
为第i个人的标签，m为距离系数。
[0035]步骤S23所述的采用改进的白鲸优化算法IBWO对网络的权重以及偏置量进行优化，实现方法如下：
[0036]S2301：建立搜索代理位置矩阵，矩阵模型如下所示：
[0037][0038]其中n是白鲸的种群数量，d代表问题变量的维数；
[0039]S2302：构建适应度储存矩阵，矩阵模型如下所示：
[0040][0041]S2303：计算算法的平衡因子B
f
，计算公式如下所示：
[0042]B
f
＝B0(1
‑
T/(2T
max
))
[0043]其中T是当前迭代次，T
max
是最大迭代次数，B0在每次迭代中在(0,1)之间随机变化；
[0044]探索阶段发生在平衡因子B
f
＞0.5时，开发阶段发生在B
f
≤0.5时；随着迭代次数T的增加，B
f
的波动范围从(0,1)减小到(0,0.5)，而开发阶段的概率随着迭代次数T的不断增加而增加；
[0045]S2304：对算法中随机数B0进行改进，改进公式如下所示：
[0046][0047]S2305：构建算法探索阶段数学模型，更新白鲸位置，更新公式如下所示：
[0048][0049]其中T是当前迭代次数，是第i条白鲸在第j维上的新位置，是第i条白鲸在pj维度上的当前位置，pj是从d维中选择的随机整数，j＝1,2,
…
,d；是第r条白鲸的当前位置，r是随机选择的白鲸；r1和r2是(0,1)的随机数，是用于增强探索阶段的随机算子，sin(2πr2)和cos(2πr2)表示镜像白鲸的鳍朝向水面；
[0050]S2306：构建算法开发阶段数学模型，位置更新公式如下所示：
[0051][0052]C1＝2r4(1
‑
T/T
max
)
[0053]其中T是当前迭代次数，是第i条白鲸的新位置，是白鲸种群中的最佳位置，r3和r4是(0,1)之间的随机数，C1是衡量莱维飞行强度的随机跳跃强度；是随机白鲸的当前位置，是第i条白鲸的当前位置；
[0054]S2307：引入莱维飞行策略，以增强收敛性，莱维飞行函数L
F
如下所示：
[0055][0056][0057]其中u和v为正态分布随机数，β为默认常数，等于1.5；
[0058]S2208：使用白鲸的位置和鲸鱼落体的步长来建立更新的位置，以确保种群大小的数量恒定，数学模型表示为：
[0059][0060]其中r5、r6和r7是(0,1)之间的随机数；
[0061]S2309：计算鲸鱼本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧厂区安保系统，其特征在于，包括实时数据采集模块、人脸识别模块、预警模块和管理端；所述实时数据采集模块用于采集和预处理图像，并将预处理后的图像发送至人脸识别模块；所述人脸识别模块用于通过IBWO
‑
SACNN人脸识别模型对图像进行识别，并将识别后的结果发送至预警模块；所述预警模块用于根据识别结果进行分析对比，并将分析对比结果发送至管理端；所述管理端用于向厂区管理者提供信息展示。2.根据权利要求1所述的智慧厂区安保系统，其特征在于，所述实时数据采集模块包括数据采集装置和图像预处理模块。3.根据权利要求2所述的智慧厂区安保系统，其特征在于，所述数据采集装置用于采集图像并发送至图像预处理模块。4.根据权利要求2所述的智慧厂区安保系统，其特征在于，所述数据采集装置为若干架无人机。5.根据权利要求2所述的智慧厂区安保系统，其特征在于，所述图像预处理模块，用于对接收到的图像通过灰度直方图法进行处理，并将处理结果发送至人脸识别模块。6.根据权利要求4所述的智慧厂区安保系统，其特征在于，所述灰度直方图法实现步骤如下：S11：计算图像中灰度为i的像素的出现概率P
x
(i)，计算公式如下所示：其中，n
i
表示图像中像素为的像素数，n表示图像中所有的像素数；S12：构造累积分布函数cdf(i)，累积分布函数构建公式如下所示：S13：构建灰度直方图均衡化计算公式，计算公式如下所示：其中，h(v)表示图像灰度，round(
·
)为四舍五入函数，v表示原始图像中像素为v的像素值，cdf
min
表示累计分布函数的最小值，M和N分别表示像素的长宽像素个数，L表示灰度级数。7.根据权利要求1所述的智慧厂区安保系统，其特征在于，所述IBWO
‑
SACNN人脸识别模型通过改进的白鲸优化算法IBWO和改进的Arcface损失函数对CNN神经网络模型优化完成构建。8.根据权利要求7所述的智慧厂区安保系统，其特征在于，所述IBWO
‑
SACNN人脸识别模型构建过程如下：S21：构建CNN卷积神经网络，CNN卷积神经网络网络第L层第j个卷积核运算公式如下所示：
其中，x
L
‑1表示上一层特征图的输出，和表示该卷积操作的权重和偏置量；S22：选取Sigmiod函数作为网络激活函数，将元素值变换到0和1之间，对数值进行平滑处理，Sigmiod函数公式如下所示：S23：采用改进的白鲸优化算法IBWO对网络的权重以及偏置量进行优化；S24：在CNN卷积模块引入空间注意力机制模块，对模块中的Arcface损失函数进行改进；通过提取到的人脸特征向量x映射到超球体上，并压缩相同人脸特征向量x的余弦距离，扩大不同人脸特征向量x的余弦距离；改进后的Arcface损失函数IL
Arcface
如下所示：其中，s为超球体的半径，θ为权重与人脸特征向量的夹角，y
i
为第i个人的标签，m为距离系数。9.根据权利要求8所述的智慧厂区安保系统，其特征在于，步骤S23所述的采用改进的白鲸优化算法IBWO对网络的权重以及偏置量进行优化，实现方法如下：S2301：建立搜索代理位置矩阵，矩阵...

【专利技术属性】
技术研发人员：郭仁威，周孟雄，苏姣月，汤健康，林张楠，秦浩然，纪捷，王夫诚，陈帅，温文潮，纪润东，孙娜，黄慧，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：