【技术实现步骤摘要】
本专利技术涉及图像识别，更具体的说是涉及一种基于深度学习的作业人员识别方法及系统。
技术介绍
1、人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术，已广泛应用于生活中的各个领域。在进行人脸识别的过程中，为了提高识别准确性，通常需要将人脸图像转换为正面人脸图像后再进行身份识别。目前，现有技术通常是基于待识别人脸图像的人脸特征点特征，将待识别人脸图像转换为正面人脸图像。但是，在识别佩戴口罩、墨镜、帽子等配件的人脸遮挡图像时，由于人脸遮挡图像中的面部区域部分被遮挡，很难准确识别到人脸特征点特征，导致转换后的正面人脸图像误差较大，严重影响后续人脸识别的准确性，亟需改进。
2、深度学习在人脸识别领域的应用已经取得了显著的进展，成为一种强大的技术手段。作业人员识别作为人脸识别技术的一个重要应用场景，也受到了越来越多的关注。
3、因此，如何提供一种基于深度学习的作业人员识别方法及系统，通过对施工作业人员进行人脸识别，确保只有相关作业人员才能进入施工现场是本领域技术人员亟需解决的技术问题。
...
【技术保护点】
1.一种基于深度学习的作业人员识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的作业人员识别方法，其特征在于，所述特征点的位置坐标表示为：
3.根据权利要求1所述的一种基于深度学习的作业人员识别方法，其特征在于，对改进的深度学习EfficientNet网络进行训练，包括：
4.根据权利要求3所述的一种基于深度学习的作业人员识别方法，其特征在于，改进的深度学习EfficientNet网络包括1个深度可分离卷积层和5个MBConv层；
5.根据权利要求3所述的一种基于深度学习的作业人员识别方法，其特征在...
【技术特征摘要】
1.一种基于深度学习的作业人员识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于深度学习的作业人员识别方法，其特征在于，所述特征点的位置坐标表示为：
3.根据权利要求1所述的一种基于深度学习的作业人员识别方法，其特征在于，对改进的深度学习efficientnet网络进行训练，包括：
4.根据权利要求3所述的一种基于深度学习的作业人员识别方法，其特征在于，改进的深度学习efficientnet网络包括1个深度可分离卷积层和5个mbconv层；
5.根据权利要求3所述的一种基于深度学习的作业人员识别方法，其特征在于，根据所述训练集对所述深度学习网络中的网络深度、宽度和分辨率进行调整，得到调整后的网络深度相关参数、宽度相关参数和分辨率相关参数；
6.根据权利要求1所述的一种基于深度学习的作业人员...
【专利技术属性】
技术研发人员：韩伟，刘强，樊建伟，王林明，张志军，李宇国，宋淼，
申请(专利权)人：北京电子科技职业学院，
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。