[发明专利]一种智能挖掘机的人脸识别方法

说明书

本发明提供一种智能挖掘机的人脸识别方法，属于智能挖掘机应用技术领域。该方法首先通过视频采集模块获取实时图像信息，然后利用训练好的人脸检测模型进行人脸检测；之后将对齐后的人脸图像输入训练好的人脸识别模型中进行人脸识别并进行距离计算；最后执行模块对是否为工作人员以及所测人员是否处于安全距离进行判断和预警。本发明可实时监测施工现场人员情况，可及时检测出是否有人员靠近挖掘机，并实施避让，保证施工安全。本发明的检测算法在FDDB数据集上达到了84.23％的检测准确率，在自建人脸数据识别数据集上达到了99％的识别准确率。

技术领域

本发明属于智能挖掘机应用技术领域，涉及一种智能挖掘机的人脸识别方法。特别涉及到利用卷积神经网络对人脸进行检测及识别的深度学习方法。

背景技术

挖掘机作为矿山开采的主力，广泛应用于矿山开采、沟壑挖掘、公路铁路修建等领域，其工作场景复杂，工作环境恶劣，同时需要操作者具有较高的操作能力。

随着无人驾驶技术的发展，无人挖掘机也受到人们越来越多的关注，为了防止无人智能挖掘机在施工过程中误伤到可能出现在施工现场的工作人员，为智能挖掘机加装一套人脸检测及识别系统是十分有必要的。传统的人脸识别算法主要采用模板匹配、haar特征等，取得了一定的效果，然而在无法满足安全级别较高的无人挖掘机人脸检测识别模块。

随着深度学习的发展，基于卷积神经网络的物体检测算法获得了巨大的成功，不断刷新着世界公开数据集上的准确率。因此，本发明设计了一个卷积神经网络算法进行人脸检测及识别。

发明内容

为了防止无人挖掘机在施工过程中对进入现场的工作人员造成伤害，本发明设计一种能实时检测并识别人脸的方法，对现场工作情况进行实时检测，及时发现并避让工作人员。为解决传统人脸识别算法对人脸检测及识别精度不高的问题，本发明采用基于卷积神经网络的算法进行检测识别算法搭建。

本发明的技术方案：

一种智能挖掘机的人脸识别方法，该人脸识别方法基于一种人脸识别系统实现，所述的人脸识别系统包括视频采集模块、人脸检测模块、人脸识别模块、测距模块、执行模块和总控模块。其中，视频采集模块采用双目摄像机进行视频采集，分布安装于智能挖掘机的机身，以全方位对人脸进行图像采集；人脸检测模块利用人脸检测模型检测所采集的图像中是否有人脸存在；人脸识别模块利用人脸识别模型对进入施工区域的人员进行判别，来识别是否为工作人员。测距模块采用双目视觉的算法，输出人脸与智能挖掘机的距离信息，供智能挖掘机进行判断是否应该避让。执行模块为智能挖掘机的行进控制系统，执行避让动作，并响起警报，提示人员远离施工区域；总控模块用于协调其它模块之间的运行。

一种智能挖掘机的人脸识别方法，包括以下步骤：

步骤一、图像采集：利用视频采集模块中不同位置的双目摄像机实时采集图像。

步骤二、人脸检测：利用训练好的人脸检测模型进行人脸检测，当检测到步骤一所采集图像中含有人脸时，按照人脸检测模型所检测出的人脸位置裁剪人脸所在区域，将该区域部分的图像输入到人脸识别模块中进行识别；同时将步骤一所采集图像输入到测距模块中进行测距。

步骤三、人脸识别：接收人脸检测模块传来的人脸所在区域的图像，并对人脸图像进行对齐操作。将对齐后的人脸图像输入训练好的人脸识别模型中进行人脸识别，得到人脸的N维特征向量；计算所得N维特征向量与数据库中人脸向量的相似度。当相似度大于等于某阈值时，则判定为此人属于工作人员，反之则否。所述的数据库为预先采集的实际工作人员的人脸图像。所述的相似度匹配方法为欧氏距离或余弦距离。

步骤四、距离计算：将检测到的人脸采用半全局块匹配(Semi-Global BlockMatching，SGBM)算法对人脸区域进行双目匹配，计算人脸相对无人挖掘机的位置坐标。