基于轻量级深层神经网络的人员安全管控平台研究

作者:杨德胜; 马冬
来源:电力信息与通信技术, 2019, 17(06): 1-7.
DOI:10.16543/j.2095-641x.electric.power.ict.2019.06.001

摘要

人脸识别技术是深度学习的一个重要领域。为了克服深度神经网络的复杂结构和训练以及softmax层万局逼近能力的缺陷,文章基于ShuffleNet和集成随机权向量函数连接网络分类器(Random Vector Functional-Link net, RVFL),探索了一种基于轻量级深层神经网络的人脸识别模型,在改进识别精度的同时,降低深度神经网络训练的复杂度,并面向具有不同安全等级要求的基建、营销、运检、安监、信息通信等电网核心业务领域,基于所构建的模型开发了通用的人员安全管控平台,构建多渠道的实名鉴别服务、多级别的身份管理服务、多元化的身份凭证管理服务以及统一身份认证服务整体解决方案,解决了人员真实身份验证和人员安全行为管控问题。实验表明平台能够简化工作流程,提高运行效率,降低管理成本。