[发明专利]一种智能快递处理方法

说明书

本发明公开了一种智能快递处理方法，该方法的系统采用NVIDIA Jetson TX2处理器硬件平台，在NVIDIA Jetson TX2处理器硬件平台上搭建深度学习模型，利用基于深度学习的人脸识别技术和数据库技术，建立智能快递系统，此智能快递系统能够实现智能寄件、暂存和取件等业务。该智能快递柜系统包括服务器平台、智能快递柜平台、手机用户APP和手机快递员APP四个部分。通过智能快递柜系统的四个部分相互联系配合，方便快捷的实现用户寄件、暂存、取件业务以及快递员揽件、配送等业务。用户和快递员的所有业务都通过手机APP实现，无需等候，不限时间，方便快捷，加上基于深度学习的人脸识别，提高用户信息安全和货物安全。

技术领域

本发明涉及电信号处理技术、深度学习领域、串口信息处理技术、GPIO应用技术、人脸识别技术等。

背景技术

进入21世纪以来，随着计算机和互联网技术的发展，信息安全的隐患日益突出。信息识别与检测应用于社会的方方面面，其重要性之大显而易见，传统的信息识别与检测技术有号码、验证码、磁卡、口令等，随着技术的不断的发展，传统的信息识别与检测技术已经倍感无力，新的信息识别和检测技术开始崭露头角，新出现的技术把目光转向了生物特征，例如指纹、虹膜、人脸等。利用生物特征进行信息识别的技术也叫生物识别技术。生物识别技术分为两大类，一类是物体体征，例如指纹、虹膜、人脸、体味等。另一类是行为体征，例如书写、步频惯性动作等，这些可以用计算机图像处理技术进行识别。与其他的人类生理特征相比，人脸具有容易采集、非接触、静态等优点，因此人脸识别技术也是新的信息识别技术中较为常用的一种。人脸识别的应用领域十分广泛，在绘画、法医学、心理学、医学、人类学、金融学、安保等领域都有着非常重要的应用。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

随着电子商务的飞速发展，快递业也快速的崛起，智能快递柜是随着快递业不断发展新生的事物，快递柜作为社区生态圈的接入口，一旦在小区内形成闭环生态圈，连接各种增值服务后，用户粘性将得到增强，极大地方便了人们的生活，降低了快递企业的成本。将深度学习技术、人脸识别技术应用在智能快递柜上是未来研究方向之一。

发明内容

针对上述问题，本发明的目的在于采用了一种基于NVIDIA Jetson TX2硬件平台、采用基于深度学习的人脸识别方法的智能快递柜系统，通过该方法可以更加方便安全的实现智能寄、存、取物件。