【技术实现步骤摘要】
本专利技术属于深度学习，特别是涉及到一种基于贝叶斯优化跨通道池化神经网络cp-cnn模型的电表箱人脸识别方法。
技术介绍
1、传统电能表箱设计理念单纯仅作为电能表的安装容器使用，设计简陋、功能单一、且在新形势用电形式下使用风险重重。通过多地市区域的现场调研不难发现，目前电能表箱所用的材料大部分是胶木、塑料、铁皮壳、不锈钢材质、玻璃钢材质等，各类型各厂家的电能表使用了不同的材质虽然具有不同的优缺点但在使用过程中仍表现出了较为一致性的诸多缺陷。如：电能表箱仅作为电能表容器使用功能单一、在用箱体普遍老化严重、安全措施较低；表箱锁型号繁杂并容易生锈、大部分处于损坏状态，且损坏后用户很难打开表象查询用电信息；箱体老旧破损无法远程判断，打开箱门无记录、无痕迹、无报警，任何人任何时间可以随意打开，对于周边群众的人身、用电，及工作人员的运维造成了较为严重安全风险。
2、因此现有技术当中亟需要一种新型的技术方案来解决这一问题。
技术实现思路
1、本专利技术所要解决的技术问题是：提供一种基于贝叶斯优化跨通道池化神经网络cp-cnn模型的电表箱人脸识别方法用于解决传统电能表箱安全措施较低、可以随意打开，无法智能管理、运维风险高的技术问题。
2、基于贝叶斯优化cp-cnn模型的电表箱人脸识别方法，采用安装在智能电表箱上的信息识别系统，包括以下步骤，并且以下步骤顺次进行：
3、步骤一、数据预处理：
4、信息识别系统中收集电表所有用户的人脸图像并对应建立人脸标签
5、步骤二、建立用于智能电表箱人脸识别的基于贝叶斯优化的跨通道池化神经网络cp-cnn模型并进行训练：
6、建立cp-cnn模型，其中cp-cnn模型的结构单元为卷积层、relu激活、卷积层、relu激活函数、池化层、dropout层，结构单元重复四遍后再加全连接层；
7、通过贝叶斯优化方法对cp-cnn模型中dropout层的正则化参数dropout率λ寻找最优解，获得基于贝叶斯优化的跨通道池化神经网络cp-cnn模型；
8、将训练集中灰度处理后的图像数据作为基于贝叶斯优化的跨通道池化神经网络cp-cnn模型的输入，以对应的人脸标签属性信息为输出进行训练，并计算损失函数值的大小，通过反向传播算法更新模型参数，迭代次数达到最大，选择迭代过程中获得损失函数值最小的正则化参数λ作为最优的正则化参数；
9、通过贝叶斯优化得到的正则化参数，使用验证集来验证模型性能；
10、验证完成后，最优的正则化参数所对应的模型为最优的基于贝叶斯优化的cp-cnn模型的电表箱人脸识别模型；
11、步骤三、人脸识别
12、将捕获的实时的人脸照片进行灰度处理，获得二维矩阵后作为最优的基于贝叶斯优化的cp-cnn模型的电表箱人脸识别模型的输入，输出识别概率值最大已存储的用户人脸标签属性值，完成人脸识别并对应通过链接输出对应住户的电表信息。
13、所述步骤二中贝叶斯优化包括以下步骤：
14、s1,建立高斯过程：
15、由随机选取的正则化参数λ作为函数f(x)的输入x，由对应的损失值作为输出y，y＝f(x)，则输出f(x)由高斯过程生成表示为：
16、f(x)～gp(m(x),k(x,x'))
17、其中，m(x)为均值函数，k(x,x')为协方差函数；
18、对于一组参数，得到一个输出y，用这个输出来更新下一次的高斯过程，令d表示所有的实验数据，则有：
19、d＝{(x1,y1),(x2,y2),...,(xn,yn)}
20、则高斯过程的均值μ(x)和方差σ2(x)分别为：
21、
22、
23、其中，x＝(x1,x2,...,xn),kij＝k(xi,xj),σn为噪声参数；
24、s2,选择下一次采样点的参数组合并进行高斯过程：
25、使用期望最大化选择一个新的x*来进行下一次高斯过程，其中，x*＝arg maxx∈xμ(x)，在期望最大化的基础上添加一个探索项，探索项设置为高斯分布，则新的x*表示为：
26、x*＝arg maxx∈xμ(x)+κσ(x)
27、其中κ为探索系数，σ(x)为是高斯过程在样本点x处的预测标准差；
28、s3,更新高斯过程：
29、通过不断地计算并获得最大期望值的点x*和实际对应的f(x)实际值，以最少的计算步骤预测概率最高的最小值为目标进行更新高斯过程；
30、s4,重复步骤s2-s3，直到达到最大迭代次数或满足终止条件，求出的x*即为最优的正则化参数。
31、所述人脸标签属性值包括姓名、年龄、居住楼层。
32、通过上述设计方案，本专利技术可以带来如下有益效果：
33、本专利技术将人脸识别技术整合到电表箱的信息识别系统中，对访问人员进行身份识别，解决电表箱功能单一、查表步骤繁琐的问题。在基于贝叶斯优化的cp-cnn模型的电表箱人脸识别模型的建立和训练中对cp-cnn模型通过正则化手段即采用贝叶斯优化对dropout层的dropout率λ进行最优求解，增加dropout层来提高泛化能力。使用基于贝叶斯优化的cp-cnn模型的电表箱人脸识别模型的智能电表箱能够使用户不用手动开锁就能获取各自的用电信息的目的，提高用户的体验感，更加便于电力公司对电表箱的管理。
本文档来自技高网...【技术保护点】
1.基于贝叶斯优化CP-CNN模型的电表箱人脸识别方法，采用安装在智能电表箱上的信息识别系统，其特征是：包括以下步骤，并且以下步骤顺次进行，
2.根据权利要求1所述的基于贝叶斯优化CP-CNN模型的电表箱人脸识别方法，其特征是：所述步骤二中贝叶斯优化包括以下步骤：
3.根据权利要求1所述的基于贝叶斯优化CP-CNN模型的电表箱人脸识别方法，其特征是：所述人脸标签属性包括姓名、年龄、居住楼层、室号。
【技术特征摘要】
1.基于贝叶斯优化cp-cnn模型的电表箱人脸识别方法，采用安装在智能电表箱上的信息识别系统，其特征是：包括以下步骤，并且以下步骤顺次进行，
2.根据权利要求1所述的基于贝叶斯优化cp-cnn模型的电...
【专利技术属性】
技术研发人员：杜亮，孙大玮，张秋阳，董辉，徐靖佳，黄鹤，金文龙，杜甲森，叶诗雨，王一如，于晓彤，
申请(专利权)人：国网辽宁省电力有限公司鞍山供电公司，
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。