[实用新型]一种基于深度学习的安检人脸识别机有效

专利信息
申请号: 202121776163.0 申请日: 2021-08-02
公开(公告)号: CN215173719U 公开(公告)日: 2021-12-14
发明(设计)人: 杨良明 申请(专利权)人: 北京奥邦体育赛事评估有限责任公司
主分类号: F16M11/10 分类号: F16M11/10;F16M11/18
代理公司: 新余市渝星知识产权代理事务所(普通合伙) 36124 代理人: 廖平
地址: 102100 北京市延庆区中*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 安检 识别
【说明书】:

实用新型公开了一种基于深度学习的安检人脸识别机,涉及安检人脸识别机技术领域。本实用新型包括安装板,安装板的上表面中部固定连接有连接柱,连接柱的上端转动连接有转柱,转柱的上端固定连接有支撑板,支撑板的一端转动连接有矩形板,支撑板的上端固定连接有安装块,安装块为“U”形板体结构,安装块的两侧内部均开设有通槽。本实用新型使用者正对着人脸识别机本体进行人脸识别操作,有效地降低了装置的使用局限性,加快了人脸识别时的识别速度,在不使用人脸识别机本体时通过转动丝杆可以将矩形板放平整,以此可以降低其受到损坏的可能,有效地保护了人脸识别机本体。

技术领域

本实用新型属于安检人脸识别机技术领域,特别是涉及一种基于深度学习的安检人脸识别机。

背景技术

深度学习(DL,Deep Learning)是机器学习(ML,Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI,ArtificialIntelligence),深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助,它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。

深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术,深度学习也常用于人脸识别机上,现有的人脸识别机一般是固定安装在一个位置,不方便对其角度进行调节,不方便人脸正对着人脸识别机使用,人脸识别速度慢。

为解决上述问题,本实用新型提出一种基于深度学习的安检人脸识别机。

实用新型内容

本实用新型的目的在于提供一种基于深度学习的安检人脸识别机,解决现有的人脸识别机一般是固定安装在一个位置,不方便对其角度进行调节,不方便人脸正对着人脸识别机使用,人脸识别速度慢的问题。

为解决上述技术问题,本实用新型是通过以下技术方案实现的:

本实用新型为一种基于深度学习的安检人脸识别机,包括安装板,所述安装板的上表面中部固定连接有连接柱,连接柱的上端转动连接有转柱,转柱的上端固定连接有支撑板,支撑板的一端转动连接有矩形板,支撑板的上端固定连接有安装块,安装块为“U”形板体结构,安装块的两侧内部均开设有通槽,通槽内滚动连接有转轴,转轴的两端均转动连接有转板,两个转板的上端与矩形板的一侧面转动连接,转轴的表面套设有滑块,滑块与支撑板的上表面接触,滑块的一端转动连接有丝杆,丝杆的一端贯穿安装块并与安装块螺纹连接,矩形板的另一侧面设置有安装机构,安装机构上安装有人脸识别机本体

进一步地,所述安装机构包括矩形板,矩形板的表面开设有矩形槽,矩形槽内部一端转动连接有螺纹杆,螺纹杆上开设有两段相反设置并且对称分布的外螺纹,螺纹杆的一端贯穿矩形板并与矩形板转动连接,螺纹杆的表面贯穿并螺纹连接有两个对称设置的卡块,卡块为“L”形板体结构,两个卡块之间放置有人脸识别机本体,矩形板的上表面固定连接有挡块,挡块的一侧与人脸识别机本体的下端接触。

进一步地,所述丝杆的一端固定连接有拧块,使用时通过拧动拧块可以带动丝杆转动,以此可以达到省力的效果。

进一步地,所述连接柱的上表面周侧面开设有若干均匀分布的插孔,支撑板的上表面贯穿并滑动连接有插柱,插柱插入到其中一个插孔中,使用时通过取出插柱后转动支撑板,支撑板转动至合适位置后插入插柱到插孔中可以对支撑板进行限位,以此可以达到旋转矩形板上人脸识别机本体的效果,方便在不同的方向使用。

进一步地,所述安装板的上表面四角处均开设有安装孔,通过安装孔可以用螺丝将装置安装在工作台上。

进一步地,所述螺纹杆的一端固定连接有圆块,使用时通过拧动圆块可以带动螺纹杆转动,以此可以达到省力的作用。

本实用新型具有以下有益效果:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京奥邦体育赛事评估有限责任公司,未经北京奥邦体育赛事评估有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202121776163.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top