在非洲,互联网接入和带宽有限, 建立并维护安全监控应用连通性不具有成本效益或可行性挑战使得几乎不可能搭建服务检测,使用面部识别技术,如果进入一楼的人授权这样做。满足本科研究最后一年研究需求,我开发面部监视系统配有计算机视觉背景, 我决定推算限值 看我能否搭建监视系统 不需要录长视频
归纳地说,我成功并能够搭建离线实时面部监视系统,由两部分组成:
- 视觉系统
- web接口能实时看到 进入大楼者的身份 并判定此人是否事先授权到场
系统搭建数项技术如下
- Python(OpenCV和Tensorflow)视觉段
- Laravel行政仪表板PHP
- 启动实时事件推送器
- 云化图像上传并服务到行政仪表板
系统是如何运行的
系统先接受训练执行几件关键任务如下:
系统取20张经授权进入大楼的个人面部图像,并用每个人独有身份证保存设备上本地图像系统发送独有ID调用网页服务器,以跟踪那些拥有入场特权者系统对齐所有图像并用到本地存储FaceNet网络深入神经谷歌网络 能够识别人脸并分组图像嵌入结果提供系统匹配支持向量分类并提取预授权人员嵌入分级程序可识别人脸
点击按钮运行面部监控 打开视频直播流系统对视频流中每个框架(图片)都试图检测面孔未检测表情时系统移到下框架系统从FaceNet获取面部嵌入并反馈给分类器预测,即确定提取面部嵌入与预授权人面部相似度
80%相似度预授权面部认证进入大楼者系统标注疑犯系统向安全板发布消息,通知相关人员,例如安全人员,发现授权面孔
所有计算都由本地机进行,不调用网络服务器,直到系统判定进入大楼者有入口特权
系统识别授权楼内工作演示
作为最后一步,我需要上传系统识别的疑犯脸部并随后引用图像任务由我选择云化 因为它简单直截了当整合过程 完全没有管理费
启动前,我安装了Python云模块,命令如下:
Pip安装云后,我输入模块编码库并配置模块如下:
从云端导入云端 [.]#从云端上传图像(image_loc,publice_time_string)#上传图像url存储成像响应上传图云化时指定公共标识码公共标识)识别图像简单引用一下,我把疑犯被发现时间定为值公共标识.
系统发现疑犯后 行政仪表板会像这个
多亏云性直觉接口和强健能力,图片上传和显示我的面部监视项目是微风贝斯特2200娱乐多棒的平台
