摘要：传统的健康监测方法往往依赖于人工观察和记录,不仅效率低下且容易出错。在此背景下,将lbph算法与智能显示屏相结合,可以设计出具有人脸识别功能的病人健康状态智能显示屏。该显示屏实时捕捉病人的面部图像,利用lbph算法进行人脸识别,实现病人身份验证,借助数据仓库技术将病人对应的健康信息集成到一起,用于健康状态等级判别并将结果以直观、易懂的方式展示在屏幕上。结果表明:无论面对何种恶劣的测试场景,lbph算法人脸识别的识别率均在90%以上,验证了显示屏的智能性和可靠性。此外,根据集成到的病人健康信息,得出病人健康状态等级,证明了显示屏的显示功能和统计功能。

摘要：对于在正常照明技术下采集得到的人脸图像,现有的人脸识别算法如MTCNN算法、RetinaFace算法,已经能够取得相当高的人脸识别率。然而在某些特殊应用中,对于在特殊照明技术下采集得到的人脸图像,现有的人脸识别算法是否具有很好的鲁棒性,保持较高的人脸识别率,并没有确切的实验结果能够给出我们结论。本文收集了6 000多张在不同照明技术下得到的人脸图像作为我们的混合人脸数据库,并利用lbph算法、卷积神经网络(CNN)、MTCNN算法、RetinaFace算法设计出了四种有效的人脸识别网络,分别对开源的WIDER FACE人脸数据库和我们的混合人脸数据库进行了测试。最终发现RetinaFace算法对于不同照明技术得到的人脸图像具有较好的鲁棒性。我们进一步利用深度学习标注工具对RetinaFace算法误判的人脸图像进行了标注,并将标注后的图像送入到RetinaFace人脸识别网络中重新训练,优化后的RetinaFace人脸检测模型得到了98.6%的人脸识别准确率,使得RetinaFace算法对不同光照条件的鲁棒性取得了进一步的提升。

摘要：课堂考勤是课堂教学的一部分,笔者根据课堂考勤管理业务需求,设计了基于人脸识别的课堂考勤系统。系统使用OpenCV和Haar级联分类器实现部分人脸检测,使用dlib库进行实时跟踪,最后应用lbph算法实现完整的人脸识别。

摘要：人脸识别是目前较为流行的一种生物特征识别技术,其应用广泛,常被应用于门禁、移动支付等方面。为了弥补其他生物特征识别技术在身份认证方面的缺陷,发展人脸识别技术,文章立足轻量以及实用的思想,开发了一套基于Py⁃thon+OpenCV的人脸识别系统。该系统分为三个部分,分别是人脸录入、人脸训练和人脸识别。文章将会对系统的架构、开发系统所采用的技术等进行详细的介绍。

摘要：人脸识别是通过分析人的脸部特征进行身份鉴别的一种生物识别技术,相对于虹膜识别和指纹识别来说,人脸识别更加方便且成本更低,经过几十年的发展,人脸识别目前在许多领域已得到实际应用。本文尝试将人脸识别技术应用于移动端平台,通过Haar特征训练ORL人脸库,并通过训练的***进行人脸检测,最后利用Open CV与lbph算法相结合完成人脸识别。

摘要：笔者针对目前很多大学寝室由于建造时间过长,门禁无法满足学生日常需求的现状,提出了一种学生寝室门禁系统的解决方案。方案以树莓派作为控制器,采用人体红外感应器和摄像头,利用LBP算法实现人脸识别,能确保学生安全出入寝室。经测试,系统运行稳定,具有一定的应用价值。