(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210787267.4 (22)申请日 2022.07.04 (71)申请人 桂林理工大 学 地址 541004 广西壮 族自治区桂林市七 星 区建干路12号 (72)发明人 谢晓兰　余友华　刘亚荣　 (51)Int.Cl. G06Q 10/08(2012.01) G06V 10/74(2022.01) G06V 40/16(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于卷积神经网络的人脸识别智能签 收系统 (57)摘要 本发明公开了一种基于卷积神经网络的人 脸识别智能签收系统。 包括前端模块和后端模 块。 其中， 前端模块包括： 操作界面子模块、 服务 器子模块； 后端模块包括： 数据存储子模块、 数据 管理子模块、 人脸识别子模块、 物流签收子模块。 针对传统物流行业的用户身份认证很容易被伪 造的问题， 本发 明使用了一种深度可分离的卷积 神经网络将人脸识别技术融入物 流签收环节， 可 有效提升人脸识别智能签收系统的人脸识别准 确度并减少取件时间， 可有效提升物 流签收的工 作效率， 支持人脸一键扫描取走包裹， 可防止别 人拿错包裹， 有效防范风险， 保证包裹的安全性。 本发明可广泛应用于物流签收领域， 可满足安全 且快速的人脸识别取件的业 务需求。 权利要求书2页 说明书5页 附图2页 CN 114997800 A 2022.09.02 CN 114997800 A 1.一种基于卷积神经网络的人脸识别智能签收系统， 其特征在于包括： 前端模块、 后端 模块； 其中， 前端模块包括： 操作界面子模块、 服务器子模块； 后端模块包括： 数据存储子模 块、 数据管理子模块、 人脸识别子模块、 物流签 收子模块； 其中， 前端模块和后端模块相连， 前端模块中操作界面子模块和服务器子模块相连； 后端模块中数据存储子模块和数据管理 子模块相连， 数据管理子模块和人脸识别子模块相连， 人脸识别子模块和物流签 收子模块 相连； 所述前端模块主要为人脸识别智能签收系统提供实时的交互界面并接收用户的人脸 照片以支持用户扫脸取件， 它包括操作界面子模块和服 务器子模块； 所述操作界面子模块首先扫描用户包裹的二维码以识别包裹属于何人， 随后提示用户 进行人脸扫描以获取用户的人脸图像， 最后使用POST请求函数向服务器子模块发送HTML (超文本标记语言)请求并创建或更新资源， 开始人脸识别取件进程； 所述服务器子模块主要使用GET请求函数从操作界面子模块的指定资源中请求数据， 并且使用渲染函数对用户的人脸图像进行初步的渲染加工以提升照片清晰度； 所述后端模块主要对用户的人脸图像数据进行存储与 管理， 并为人脸识别智能签收系 统提供后台服务与支持， 包括数据存储子模块、 数据管理子模块、 人脸识别子模块和物流签 收子模块； 所述数据存 储子模块主 要负责存 储从前端模块发送过来的人脸照片； 所述数据 管理子模块主要对数据存储子模块中的人脸照片进行管理， 保障人脸照片数 据的安全性， 以免数据丢失； 所述人脸识别子模块负责将已获取的人脸图像与已有的人脸数据库进行匹配并判断 是否匹配成功， 其主 要步骤如下 所示： S1： 对已获取的人脸图像进行预处理， 即对人脸图像进行裁剪及校正， 剔除脸部之外的 其它无关信息； 利用人脸 面部的关键点校正人脸图像， 使其基于水平线放置； S2： 使用深度可分离的卷积神经网络提取经过预处理的人脸图像的特征； 所述深度可 分离的卷积神经网络是基于原有标准卷积神经网络的一种新型卷积神经网络， 特别适用于 神经网络中的特征提取， 原有标准卷积神经网络使用32层神经网络结构， 而深度可分离的 卷积神经网络将其第一个大小为5 ×5的卷积核、 步长为2的卷积层替换为大小为3 ×3的卷 积核、 步长为1的卷积层， 这样之后的卷积层就可以减少输入的人脸照片特征 的损耗， 最后 可以得到更细的5 ×4的特征维度， 最后深度可分离的卷积神经网络由1个大小为3 ×3×32 的卷积层、 8个由两个深度卷积层构成的Bl ock块和1个输出为512的全连接层组成； S3： 先使用金字塔优化方法对已提取的图像特征进行初步的处理优化， 然后基于卷积 神经网络对优化后的特征进行分类； 所述金字塔优化方法即建立三层金字塔模型， 并按照 特征从高到低的重要程度将特征从上往下逐层排列； 所述基于卷积神经网络对优化后的特 征进行分类即： 在卷积神经网络中建立相应长度的二进制特征 空间用以描述卷积神经网络 中不同特征之间的距离， 而后通过对二进制空间中的特征进行判断从而对特征进行分类， 把特征从多维转成一维， 这样不仅可以简化计算， 而且 还有助于神经网络中的特 征分类； S4： 计算上述经过处理的人脸图像特征和人脸数据库中的人脸图像特征的余弦相似 度， 找出符合特 征阈值且余弦相似度尽可能高的人脸； S5： 判断上述计算的经过处理的人脸图像特征和人脸数据库中的人脸图像特征的余弦权　利　要　求　书 1/2 页 2 CN 114997800 A 2相似度是否大于9 9％； S6： 确认此次人脸匹配成功并继续下一 步骤； S7： 结束人脸识别子模块并进入物流签收子模块； 所述物流签收子模块负责确 认本次人脸识别取件是否成功， 当物流签收子模块接收到 从人脸识别子模块传来的经过步骤S6的命令链时会提示 “人脸匹配成功， 签收成功 ”； 否则 提示“人脸匹配不成功， 签收失败 ”。权　利　要　求　书 2/2 页 3 CN 114997800 A 3