【人工智能应用】基于人脸识别的驾驶员身份认证系统

本文涉及的产品
对象存储 OSS,20GB 3个月
对象存储 OSS,恶意文件检测 1000次 1年
对象存储 OSS,内容安全 1000 次 1年
简介: 本文将使用萤石云结合萤石C2HC网络摄像头来实现基于人脸识别的身份认证功能。本方案硬件成本小于200元,单次人脸识别+身份认证的费用小于0.01元。是一个相对比较经济的方案。

【概述】

实现基于人脸识别的身份认证功能,至少有以下三种方案:
1、使用各大平台提供的云服务,基于WEB API调用。API调用需要按次收费。
2、使用SDK,嵌入在设备里。这种情况需要自行开发硬件,SDK需要按设备数一次性收费。
3、购买现成的人脸识别硬件产品,使用厂家提供的SDK进行二次开发。这种设备通常比较贵。

本文将使用萤石云结合萤石C2HC网络摄像头(第一种方案)来实现基于人脸识别的身份认证功能。本方案硬件成本小于200元,单次人脸识别+身份认证的费用小于0.01元。是一个相对比较经济的方案。

【系统架构示意图】

_
备注:关于车辆启动信号的来源,可以参考我的另一篇文章。【企业项目】工程车辆管理系统(含硬件设计和开发)

【前期准备】

1、由于萤石API不能直接使用摄像头拍摄的照片进行人脸识别,需要将照片发送到OSS云服务进行存储。所以,需要提前开通OSS云服务并做好相应的配置
2、需要一个ECS云服务器来承载PC控制端程序,操作系统为windows
3、在进行人脸识别前,需要调用萤石API来创建一个人脸集合(setToken),集合名称可以随意指定。

【人脸注册】

# 【业务流程】

1、控制端通过萤石API向摄像头发送一个拍照指令,拍摄一张头像照片。
2、摄像头收到拍照指令后,会拍摄一张照片并存储在萤石云的指定位置。萤石API会将图片地址链接返回给程序。
3、控制端收到图片地址链接后获取到图片,并将图片存储到OSS云服务对象中。
4、控制端将图片发送给萤石API进行人脸识别,识别成功后会返回人脸唯一标识(faceToken)
5、将人脸唯一标识faceToken发送给萤石API到指定的人脸集合(setToken)中进行注册。

# 【核心代码】

            Token token = aiLib.checkToken();//获取token
            string pic = aiLib.getPic(token.accessToken, deviceSerial, "1");//使用萤石API拍照
            if (pic != "")
            {
                string url = aiLib.uploadImg(pic);//将照片上传到OSS服务器
                if (url != "")
                {
                    string faceToken = aiLib.faceCheck(token.accessToken, "0", url);//人脸检测
                    bool flag = aiLib.faceRegister(token.accessToken, faceToken, setToken);//人脸注册
                    result.imgUrlOss = url;
                    result.faceToken = faceToken;
                    result.result = flag;
                }
            }
            return result;

【人脸比对-身份认证】

# 【业务流程】

1、车辆启动后,向控制端发送一个车辆启动信号
2、控制端收到信号后,等待1分钟(待摄像头完全启动)后,通过萤石API向摄像头连续发送6次拍照指令,发送间隔为10秒。
3、摄像头收到拍照指令后,会拍摄一张照片并存储在萤石云的指定位置。萤石API会将图片地址链接返回给程序。
4、控制端收到图片地址链接后获取到图片,并将图片存储到OSS云服务对象中。
5、控制端将图片发送给萤石API进行人脸识别,识别成功后会返回人脸唯一标识(faceToken)
6、将人脸唯一标识(faceToken)发送给萤石API进行人脸比对,比对成功后返回相似度得分。
7、相似度大于90即可认为是同一个人。

# 【核心代码】

        Token token = aiLib.checkToken();//获取token
        string pic = aiLib.getPic(token.accessToken, deviceSerial, "1");//使用萤石API拍照
        if (pic != "")
        {
            string url = aiLib.uploadImg(pic);//将照片上传到OSS服务器
            if (url != "")
            {
                string faceToken = aiLib.faceCheck(token.accessToken, "0", url);//人脸检测
                Dictionary<string, object> dic = new Dictionary<string, object>();
                dic["setToken"] = setToken;
                dic["threshold"] = 80;//比对阈值
                dic["matchCount"] = 1;
                string operation = "[" + JsonHelper.ObjectToJSON(dic) + "]";
                string score = aiLib.faceSearch(token.accessToken, "2", faceToken, operation, "1");//在人脸集合中搜索检测到的人脸

                result.imgUrlOss = url;
                result.faceToken = faceToken;
                result.score = score;//相识度得分
            }
        }
        return result;
目录
相关文章
|
4月前
|
机器学习/深度学习 存储 人工智能
AI职场突围战:夸克应用+生成式人工智能认证,驱动“打工人”核心竞争力!
在AI浪潮推动下,生成式人工智能(GAI)成为职场必备工具。文中对比了夸克、豆包、DeepSeek和元宝四大AI应用,夸克以“超级入口”定位脱颖而出。同时,GAI认证为职场人士提供系统学习平台,与夸克结合助力职业发展。文章还探讨了职场人士如何通过加强学习、关注技术趋势及培养合规意识,在AI时代把握机遇。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能应用领域有哪些
本文全面探讨了人工智能(AI)的应用领域和技术核心,涵盖医疗、交通、金融、教育、制造、零售等多个行业,并分析了AI技术的局限性及规避策略。同时,介绍了生成式人工智能认证项目的意义与展望。尽管AI发展面临数据依赖和算法可解释性等问题,但通过优化策略和经验验证,可推动其健康发展。未来,AI将在更多领域发挥重要作用,助力社会进步。
|
7月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
691 55
|
6月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
398 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
6月前
|
机器学习/深度学习 人工智能 运维
人工智能在事件管理中的应用
人工智能在事件管理中的应用
196 21
|
3月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
672 62
|
4月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
283 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
5月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
321 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
6月前
|
机器学习/深度学习 数据采集 人工智能
人工智能在变更管理中的应用:变革的智能化之路
人工智能在变更管理中的应用:变革的智能化之路
298 13
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在客服领域有哪些应用?
人工智能正在彻底改变着传统客服行业,它不仅拓展了业务边界,还推动着整个行业向更高效、更人性化方向迈进。
270 7

热门文章

最新文章