登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 理工学类 > 自动化 > 正文

人脸识别系统的服务器设计毕业论文

 2021-11-11 08:11  

论文总字数:26296字

摘 要

为了解决身份识别过程中的身份冒用和信息泄露等问题,克服传统方式的低效率等缺点,更好的满足社会信息化需求,多种新的身份识别技术理论逐渐成熟并进入大规模实用。面部识别是当前使用广泛的一种生物特征识别技术,已经被广泛地应用到许多领域,如公共安全,网络支付,身份认证等。使用人脸识别技术进行用户身份核验,不仅简单方便,而且具有精度高,识别速度快等优点。

当前部分面部识别场景使用离线设备进行,这种方式不便于身份信息的集中统计和管理,而且开发出的人脸识别系统具有可移植性差,拓展性差等缺点。本文根据前后端分离的思路进行人脸识别系统的后台服务器的设计,后台服务器负责面部识别算法的实现和信息处理,并对外提供统一的API接口。本文采用Python Flask 后端框架,选择MySQL作为数据库,了解了Opencv中的人脸识别算法的基本原理并使用Python语言实现算法进行人脸检测与识别。经测试本服务器能够良好的与前端配合工作,实现设计中的各项功能,并具有较好的性能和较高的准确率。

关键词: OpenCV;人脸识别;后台服务器开发;Flask框架

Abstract

In order to solve the problems of identity fraud and information leakage in the process of identity recognition, overcome the shortcomings of traditional methods such as inefficiency, and better meet the needs of social informatization, a variety of new identity recognition technology theories have gradually matured and entered large-scale practical use. Face recognition is a widely used biometric recognition technology, which has been widely used in many fields, such as public safety, online payment, and identity authentication. Using face recognition technology for user identity verification is not only simple and convenient, but also has the advantages of high accuracy and fast recognition speed.

Some current face recognition scenes use offline devices. This method is not convenient for the centralized statistics and management of identity information, and the face recognition system developed has the disadvantages of poor portability and poor scalability. This paper designs the web server of the face recognition system based on the separation of front and back ends. The web server is responsible for the realization of facial recognition algorithms and information processing, and provides a unified API interface to the outside . This article uses the Python Flask framework, selects MySQL as the database, understands the basic principles of the face recognition algorithm in Opencv, and uses the Python language to implement the algorithm for face detection and recognition. After testing, the server can work well with the front end to achieve the various functions in the design, and has good performance and high accuracy.

Key Words:OpenCV ;face recognition ;Flask framework ;Web server development

目录

摘要 I

Abstract II

目录 1

第1章 绪论 1

1.1研究背景和意义 1

1.2国内外研究现状 2

1.3研究内容与预期目标 3

1.4论文结构安排 3

第2章 人脸识别的技术基础 5

第3章 系统需求分析 7

3.1人脸识别系统概述 7

3.2功能需求分析 7

3.2.1用户账号管理功能 8

3.2.2 用户信息设置 9

3.2.3 人脸信息提交 10

3.2.4 人脸识别 10

3.3非功能性需求分析 11

3.3.1 响应速度 11

3.3.2 可扩展性需求 11

3.3.3 安全性需求 12

第4章 方案选择与设计 13

4.1技术方案选择 13

4.1.1Web框架选择 13

4.1.2数据库选择 14

4.1.3人脸识别实现方案 15

4.2系统设计 16

4.2.1系统架构模式 16

4.2.2账号管理功能设计 17

4.2.3人脸信息采集功能设计 19

4.2.4人脸识别功能设计 19

4.2.5数据库设计 21

第5章 系统实现 24

5.1系统开发环境与软件目录结构 24

5.2系统功能实现 25

5.2.1注册登录模块实现 25

5.2.2人脸模型训练模块实现 27

5.2.3人脸识别模块实现 28

5.2.4数据库模型与数据库操作实现 29

第6章 系统测试 31

6.1服务器接口测试 31

6.2人脸识别准确率测试 34

第7章 全文总结与展望 35

7.1全文总结 35

7.2展望 35

参考文献 36

致谢 37

第1章 绪论

1.1研究背景和意义

在信息化建设的社会背景下,计算机技术在我们生活的世界中扮演了越来越重要的角色。人们不仅使用计算机来传输处理信息、控制生产设备、进行科学计算等,也希望计算机能够代替人类来自动认识外部的世界的信息,并自动进行判别、学习和推理,以此来延伸和拓展人的智能,这就是人工智能技术。人工智能是新兴的包含多门社会科学与自然科学的交叉学科,其主要研究内容是使用机器来进行人类智能的模拟、扩展和延伸。伴随着科技进步,人工智能的相关理论与技术应用逐渐变得完善和成熟,进入到了我们生活的各个方面。

模式识别将环境和客体统称为模式,使用计算机技术和数学方法来进行模式的自动分析与解读以及相关信息的处理。借助相关技术方法,人们可以对复杂的外界信息进行分类、解读和处理,加强人类对外界环境的认识能力。随着模式识别技术的发展,计算机也能代替人脑进行图像鉴别、数据处理等脑力劳动。在计算机视觉领域,面部检测、人脸识别、对象检测和对象分类、光学字符识别等都属于模式识别技术的应用范围。

如何快速准确识别个人身份、保障信息、财产与公共安全是如今信息化社会的一个必须解决的重要需求。因为其认证流程慢、容易伪造、遗失和遗忘等缺点,传统的身份认证方式已经难以满足社会需要。生物识别技术无疑是解决身份识别问题的安全有效的技术手段,它通过采集人类个体固定不变的物理理特征与后天形成习惯难以更改的行为方式来实现身份识别,具有简单快捷、准确性高、易于应用等优点,同时更易于与计算机信息管理系统结合,实现自动化管理。目前常用于生物特征识别的主要特征有人脸、虹膜、声纹、指纹、指静脉、步态等,其中以人脸、指纹、虹膜三种特征的应用最为普遍[1]。在金融、教育、医疗、安防等领域可以经常看到其广泛应用。

人脸识别是当前最为普遍与成功的生物识别技术之一。它使用计算机技术来对人脸特征信息进行分析和比较,从而区分生物个体。随着图像处理和机器学习等技术的发展,人脸识别的速度和精度有了突飞猛进的进步,现已广泛应用于公共安全、网络支付、身份认证等各个领域,与我们的生活息息相关。与指纹识别、虹膜识别、其他生物特征识别技术相比,人脸识别具有很多优点:

  1. 样本采集方便快捷。直接使用手机、电脑、相机等带摄像头的设备就可以完成数据采集。而且人脸属于暴露在外的生物特征,对人脸的识别采集容易被大众接受。
  2. 非接触性。指纹、指静脉等生物特征识别方式大多需要使用者主动接触采集设备,完成特征采集,而面部识别仅使用摄像头就可以完成信息采集与目标识别。
  3. 非强制性。只需要布置好采集图像信息的摄像头,人脸识别系统就能在人们进入检测区域时自动采集面部数据并进行识别,这一过程一般不需要被测者完成特定操作来主动配合检测。在安防等场景,这种方式不容易引起待识别者的反感和警惕,减少了伪装欺骗情况的发生。
  4. 防伪能力强。人脸作为人体唯一并且先天固有的生理特征,难以仿冒和伪造,结合活体检测等技术,可以很好保证识别准确率,提升防伪能力。
  5. 并发性。与指纹识别等技术不同,在实际应用时通过一个摄像头同时进行多个人脸的检测与识别,无需排队等待,可以节省设备和等待时间。

由此可见人脸识别技术的优点与应用的广泛,本文为了简化人脸识别的过程,提高人脸识别的效率,克服采用离线设备进行人脸识别时不便于人脸信息的及时更新和身份信息的统一管理等缺点,结合网络技术设计了人脸识别系统的网络应用程序。本文采用前后端分离的方法设计人脸识别系统,搭建后台服务器,实现对用户信息的管理以及对前端发送的人脸图像的识别。

1.2国内外研究现状

人脸识别技术的概念最早在1954年被美国心理学家杰罗姆·布鲁纳提出,其正式研究起始于20世纪60年代。在研究初期,受限于当时的科学理论与技术水平,对人脸识别概念的认识和研究角度还不够深入。初期人脸识别方法的研究局限于对人脸的几何结构特征进行提取和分析,这一阶段的人脸识别方法首表情、遮挡等因素的影响较大,识别效果和准确率较差。虽然在这一时期已经有科学家在进行人工神经网络的研究,但受限于当时的数据量和计算能力等条件,并未取得重大实质性突破[2]

在20世纪90年代,面部识别技术的研究有了新的进展,马修·特克和亚历克斯·彭特兰于1991年首先提出了基于主成分分析的特征脸方法(Eigenface)。该算法的主要思想是使用人脸图像样本集协方差矩阵的特征向量来近似代表人脸图像[3][4]。对于初始的协方差矩阵,通过找出最主要的特征值,忽略不重要的特征值,减少线性空间基的个数,以此达到降维的目的,之后有很多人脸识别算法都借鉴了这一思路。1997年,Ronald Fisher提出了基于线性判别分析的Fisherface方法。其主要思想是在线性空间内寻找一个向量使得原始向量对其进行投影时可以满足类内和类间比值最小,这个向量就是最优的投影方向。以此构造一个一维的特征空间,将多维的人脸图像投影到该特征空间,利用类内样本数据形成一组特征向量,这组特征向量就代表了人脸的特征。在90年代取得的其他研究成果还有基于模板匹配的人脸识别算法等。在这个时期,面部识别技术有了很大进度步,解决了特征提取的问题,开始进行了推广应用,但是仍然很容易受到在光照、姿态等因素的影响。

请支付后下载全文,论文总字数:26296字

您需要先支付 80元 才能查看全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图