论文总字数：34519字

摘 要

人脸识别作为一项深度学习领域的新兴技术，在社会各个领域都有应用。本系统是基于人脸识别的人员统计系统，在校园招聘会等大型会议中，采用人脸识别技术来进行现场人员登记与签到，可以大大提升统计的效率，代替人工签到。

论文首先对人脸检测技术进行了讨论，并根据优缺点选择了合适的方案。然后讨论了人脸识别技术的发展历程并且了解了卷积神经网络的算法与实现，并且确立了两种选择方案。最终将两种选择方案对比选择了最佳方案。该系统还通过Pyqt5设计了用户界面，并将统计结果录入了excel表。

测试结果表明，本文设计的系统，已能完整的实现本设计中所要求的目标功能。

关键词：人脸识别 人脸检测 卷积神经网络 深度学习

Design of personnel statistics system based on face recognition

Abstract

As a new technology in the field of deep learning, face recognition has been applied in every field of society. This system is based on face recognition of personnel statistics system. In large-scale conferences such as campus recruitment fair, the use of face recognition technology to register and sign in field personnel can greatly improve the efficiency of statistics, instead of manual sign in.

Firstly, the face detection technology is discussed, and the appropriate scheme is selected according to the advantages and disadvantages. Then the development of face recognition technology is discussed, and the algorithm and implementation of convolutional neural network are understood, and two options are established. Finally, the best scheme is selected by comparing the two alternatives. The system also designs the user interface through pyqt5, and input the statistical results into excel.

The test results show that the system designed in this paper has been able to achieve the target functions required in this design.

Key words: face recognition，face detection，convolution neural network， deep learning

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 课题研究背景 1

1.2 课题研究现状 1

1.2.1基于深度学习的人脸检测研究现状 1

1.2.2基于深度学习的人脸识别研究现状 2

1.3 课题研究的目的和意义 3

1.4 论文结构安排 4

1.5 本章小结 4

第二章 方案设计与选择 5

2.1 人脸检测方案选择 5

2.2人脸识别方案选择 5

2.3 其余模块的方案选择 6

2.4 总体方案设计 6

2.5 本章小结 7

第三章 采用算法的原理 9

3.1 MTCNN人脸检测算法 9

3.2 VGGNet算法 10

3.3 FaceNet与三元损失函数 12

3.4 MLPClassifier分类器 12

3.5 本章小结 13

第四章 算法的实现 15

4.1 MTCNN人脸检测算法的实现 15

4.2 VGGNet人脸识别算法的实现 18

4.3 FaceNet人脸识别算法的实现 20

4.4 本章小结 21

第五章 软件设计 22

5.1 主程序的设计 22

5.2人脸模型的训练的实现 23

5.3 实时人脸检测与识别功能的实现 27

5.4 用户界面与人员统计的设计 30

5.5 本章小结 31

第六章 系统调试与结果展示 33

6.1 系统调试 33

6.2 结果展示 33

6.3 本章小结 35

第七章 总结展望 37

7.1 工作总结 37

7.2 课题展望 37

参考文献 38

致 谢 41

附录1主程序 43

第一章 绪论

1.1 课题研究背景

当前，由于机器深度学习等有关人工智能的高科技产业的快速更新与提升，人们的生活在方方面面已经越来越便捷。人脸识别作为一项在深度学习领域的越来越热门的高新技术，已经在社会各个场合场景中有了较多的应用。本设计是基于人脸识别的人员统计系统，在校园招聘会等大型会议中，如果采用人工登记，则现场不易管理，费时费力，而采用人脸识别技术来进行现场人员登记，可以大大提升效率，减轻人力劳动。本系统可以实时侦测人脸，识别出到场人员身份信息，并利用数据分析技术进行统计。

1.2 课题研究现状

1.2.1基于深度学习的人脸检测研究现状

传统的人脸检测方法，是使用滑动窗口，在图片上进行穷举式扫描，通过二分类器判断是否存在人脸，以此来实现目标定位，但这种穷举式的扫描效率并不高，因此需要用到深度卷积神经网络来进行人脸目标的检测与定位。

下面具体介绍一下几种具体的检测方法。

（1）通用的目标检测方法

RCNN作为常用的目标检测方法，其原理是将图片分割成一个个很多小的区域后，将这些有着高相似度的区域合并起来，得到可能包含物体的区域，连上几个卷积层对该区域特征提取，然后接上一个分类器即可检测目标。之后的Fast R-CNN将目标检测速度进行了进一步的提高。这些网络可归为区域建议的目标检测算法，包含了候选区域的生成以及不同特征层的处理，但这类算法不能保证实时性。

YOLO算法则简单的将图片分为多个部分，然后通过卷积神经网络直接判断该区域是否存在目标,大大减少了对图片的处理时间，但准确率却逊于R-CNN,因此，在YOLO算法与R-CNN的基础上又诞生了SSD算法，既保证了准确率，又提升了检测速度。

1. MTCNN人脸检测

随着研究的不断深入，深度学习目前已在目标检测上取得较大进步，除了经典的R-CNN网络等通用的目标检测方法能够进行人脸检测，专门用于人脸检测的基于深度学习的卷积神经网络例如MTCNN也被提出。

请支付后下载全文，论文总字数：34519字