时间:2018-07 ~ 2019-03
项目简介:
此项目是基于mtcnn和facenet开发的一套实时无感考勤系统。首先是待考勤人员的个人信息录入。然后在过道或者入口装置监控摄像头,当有人经过时,摄像头抓取人脸并上传服务器,对抓取到的人脸进行人脸识别,判断此人身份,若此人未曾录入过人脸信息(即陌生人),则管理员将收到一条有陌生人的微信推送。若是已录入过信息的人员经过,管理员和此人都会收到一条已签到的微信推送。通过此方式,实现实时无感考勤。
职责:
作为项目的主要开发人员,参与了整个项目的需求分析,调研阶段,开发测试和调优。负责人脸检测模块和人脸识别的开发,人脸检测模块采用mtcnn模型,人脸识别模块采用facenet模型,并用django将信息录入模块和人脸识别模块做成引擎,供业务模块调用,实现业务和引擎的分离。
成果:
在此项目场景下,收集测试图片1000张,准确率达到了96%以上,此系统已应用在我们研究院的数字化信息所。
项目遇到的难点和解决方案:
1.从远到近,假如从远处就检测到人脸并开始截下人脸并送入后端识别,此时照片模糊,导致识别准确下降
(解决方法:采用拉普拉斯算子对检测到的人脸进行评估,超过一定阈值才截下人脸送入后端进行识别)
2.人脸检测算法速度与准确率之间的问题,当采用低分辨率的视频流时,截出的人脸模糊,影响识别率。当采用高分辨率视频流时,实时显示画面卡顿,丢帧