高级检索 加入收藏
  • 查询稿件
  • 获取最新论文
  • 知晓行业信息
官方微信 欢迎关注

基于级联滤波器深度学习的铁路安检人脸识别与验证研究

李鹍, 吴宁, 宋明, 杨锐

李鹍, 吴宁, 宋明, 杨锐. 基于级联滤波器深度学习的铁路安检人脸识别与验证研究[J]. 铁路计算机应用, 2018, 27(6): 17-20.
引用本文: 李鹍, 吴宁, 宋明, 杨锐. 基于级联滤波器深度学习的铁路安检人脸识别与验证研究[J]. 铁路计算机应用, 2018, 27(6): 17-20.
shu
LI Kun, WU Ning, SONG Ming, YANG Rui. Cascaded filter deep learning based face recognition and verification in railway security checking[J]. Railway Computer Application, 2018, 27(6): 17-20.
Citation: LI Kun, WU Ning, SONG Ming, YANG Rui. Cascaded filter deep learning based face recognition and verification in railway security checking[J]. Railway Computer Application, 2018, 27(6): 17-20.
shu

基于级联滤波器深度学习的铁路安检人脸识别与验证研究

  • 1.

    中国铁道科学研究院集团有限公司 标准计量研究所,北京 100081;

  • 2.

    钦州学院 电子与信息工程学院, 钦州 535011;

  • 3.

    中国铁道科学研究院集团有限公司,北京 100081

基金项目: 中国铁路总公司科研计划课题（2017X001-C）
详细信息

  • 中图分类号: U298.7∶TP39

Cascaded filter deep learning based face recognition and verification in railway security checking

  • 1.

    Standards & Metrology Research Institute, China Academy of Railway Sciences Corporation Limited,Beijing 100081, China;

  • 2.

    School of Electronic and Information Engineering, Qinzhou University, Qinzhou 535011, China;

  • 3.

    China Academy of Railway Sciences Corporation Limited, Beijing 100081, China

摘要

    摘要
  • 摘要: 使用传统的全联通卷积神经网络（CNN）进行人脸识别和验证存在测试时间长、识别率低的问题。通过在铁路安检中使用多层（非线性）级联滤波器进行全向的抗噪声人脸识别与验证,提出一种基于级联滤波器深度学习的人脸识别和验证方法。与使用优化的全联通CNN相比,级联滤波器应用非线性阈值函数能有效提高滤波识别准确率和缩短识别时间。实验结果表明,这种结构可以级联以形成多层级联滤波器,平均识别率优于全联通CNN 8%以上,并在识别效率上提高3倍以上。最后,给出两层级联滤波器在人脸识别和验证中的性能,为铁路安检中的身份验证提供了理论支持。
    Abstract: Using traditional fully connected Convolutional Neural Network (CNN) for face recognition and verification task has the problems of long training time and low recognition rate. Through using cascaded layer (nonlinear) filters to take omnidirectional anti-noise face recognition and verification in railway security checking, this paper proposed a method of face recognition and verification with deep learning cascaded filters. Compared with the optimal fully connected CNN, the application of nonlinear threshold function in cascade filter can effectively improve the filtering recognition accuracy and shorten the recognition time. The experimental results show that this filter structure can be cascaded to form a multi-layer filtering system, and the performance can be improved about 8% in recognition rate and three times better in efficiency. Finally, the paper tested the performance of two-layer cascaded filters for the application of face recognition and verification, which provided theoretical support for identification verification in railway security checking.
    • HTML全文
    • 参考文献(10)
  • [1] 朱建生 .新一代客票系统总体技术方案的研究[J].铁路计算机应用,2012,21(6):1-6.
    [2] 朱建生 .12306互联网售票系统的架构优化及演进[J].铁路计算机应用,2015,24(11):1-4.
    [3] 文承标,宋小天,李扬.人身意外伤害保险中介代理互联网销售系统的设计与实现[J].电脑与信息技术,2014(3):43-45.
    [4] 罗淞译 .乘客意外伤害保险无线出单系统分析与设计[D].成都:电子科技大学,2014.
    [5] 贾旸 .保险行业大数据应用系统建设.中国金融电脑[J]. 2015(12):38-41.
    [6] 李平,冯凯,于淼婧 .应用信息技术建立人身保险公司操作风险管理系统[JB/OL].黑龙江保险,2015(2)[2015-4-28]. http://hljbx.cisc.cn/hljia_webmap/hljia_bxlw/2015/04/28/850ddffcf370476489854698cab04419.html.
    [7] 张琴. 人身险产品配置系统的设计与实现[D]. 上海:上海交通大学,2015.
    [8] 李泉 .保险管理系统的设计与应用[D].武汉:湖北工业大学,2017.
    [9] 尚忆楠 .损失补偿原则在人身保险合同中的应用研究[D].济南:山东大学,2016,5.
    [10] Harald Burggraf. Assessments in the Austrian private accident insurance system[J]. Spektrum der Augenheilkunde, 2015, Vol.29(4), pp.137-148.
    • 相关文章
    • 施引文献(4)

  • 期刊类型引用(4)

    1. 张杨，刘国成. 基于聚类算法的轨道交通履带式消防机器人的应用. 现代信息科技. 2023(20): 62-65+74 . 百度学术
    2. 王超. 基于卷积神经网络优化算法的列车智能测试系统技术研究. 铁路计算机应用. 2019(05): 1-5+10 . 本站查看
    3. 柴雪松，张慧，辛向党，龚喆，李健超，于国丞. 基于深度学习技术的货检图像智能识别与测试研究. 铁道货运. 2019(06): 22-27 . 百度学术
    4. 景辉，阎志远，戴琳琳，李贝贝. 基于Faster R-CNN的人脸识别算法研究. 铁路计算机应用. 2019(10): 8-11 . 本站查看

    其他类型引用(0)

    • 资源附件(0)
计量
  • 文章访问数:  71
  • HTML全文浏览量:  0
  • PDF下载量:  33
  • 被引次数: 4
出版历程
  • 收稿日期:  2017-12-17
  • 刊出日期:  2018-06-24

目录

摘要
HTML全文
    参考文献(10)
    相关文章
    施引文献(4)
    资源附件(0)

    /

    返回文章
    返回

    京ICP备12043220号-2

    本系统版权所有：北京仁和汇智信息技术有限公司   百度统计