劉小鋒 任弘毅

（東北大學(xué) 計算機科學(xué)與工程學(xué)院 國家級計算機實驗教學(xué)示范中心 遼寧省沈陽市 110819）

生活中有一類任務(wù)，比如語音識別和圖像識別，這類任務(wù)對人來說很容易執(zhí)行，但是由于難以進行詳細的描述，所以難以直接用早期人工智能的方法來實現(xiàn)，這時就需要引入深度學(xué)習(xí)技術(shù)。2006年，Hinton 提出了深度學(xué)習(xí)的概念[1]，該方案可以讓計算機從經(jīng)驗中學(xué)習(xí)，并根據(jù)層次化的概念體系來理解世界，而每個概念則通過與某些相對簡單的概念之間的關(guān)系來定義。讓計算機從經(jīng)驗獲取知識，可以避免由人類來給計算機形式化地指定它需要的所有知識。層次化的概念讓計算機構(gòu)建較簡單的概念來學(xué)習(xí)復(fù)雜概念。如果繪制出表示這些概念如何建立在彼此之上的圖，我們將得到一張層次深很多的圖，這種方法稱為深度學(xué)習(xí)。由于傳統(tǒng)的考勤方式操作復(fù)雜，安全性差，逐漸無法適應(yīng)現(xiàn)代社會的需要，使用深度學(xué)習(xí)的方法可以較好地解決這個問題，因此，要使用基于深度學(xué)習(xí)的方法實現(xiàn)流水線考勤系統(tǒng)。鄧熠等[2]人以樹莓派和Intel Movidius 神經(jīng)棒NCS 為硬件平臺設(shè)計了基于深度學(xué)習(xí)的考勤系統(tǒng)，避免了傳統(tǒng)考勤機需要近距離刷臉的弊端；李雄等[3]人將VGG16 深度神經(jīng)網(wǎng)絡(luò)提取的Bottleneck 特征輸入至全連接網(wǎng)絡(luò)用以人臉分類；劉杰等人[4]利用深度學(xué)習(xí)技術(shù)開發(fā)了基于人臉識別的會議考勤系統(tǒng)；陳超等人[5]基于深度學(xué)習(xí)，在樹莓派上實現(xiàn)人臉識別和表情識別。本文利用經(jīng)典的AlexNet 網(wǎng)絡(luò)模型[6]進行訓(xùn)練，這里重點闡述環(huán)境配置和訓(xùn)練結(jié)果，為初學(xué)者提供技術(shù)幫助。

系統(tǒng)總體設(shè)計目標：

（1）采用兩個差別較大的區(qū)域來模擬流水線的兩個生產(chǎn)車間。

（2）在規(guī)定的工作時間內(nèi)，工作人員只能出現(xiàn)在規(guī)定的工作區(qū)域，如果工作人員未在規(guī)定的工作時間出現(xiàn)在指定的工作區(qū)域，那么在生成的結(jié)果文件中記錄離崗，否則記錄在崗。

（3）通過調(diào)取錄像來分析工作人員是否出勤。在生成結(jié)果文件前，需要將視頻截取成圖片集，對圖片組進行深度學(xué)習(xí)后，根據(jù)深度學(xué)習(xí)結(jié)果來判斷是否有人在崗。

1 系統(tǒng)環(huán)境配置

1.1 Windows下的CUDA安裝與配置

從NVIDIA 官網(wǎng)下載 CUDA[7]及相配套的 cuDNN，舊版CUDA 與新顯卡不兼容，CUDA9.0 版本由于 10 系列顯卡采用了全新的帕斯卡架構(gòu)，我們測試所用電腦為 9 系顯卡，且VS 版本為2013 版，故選用了主流的CUDA8.0，以及相對應(yīng)的 cuDNN5.1。

打開CUDA 安裝文件，解壓安裝，選擇精簡安裝并選擇所有的驅(qū)動組件。之后驗證CUDA 是否安裝成功，打開cmd，輸入nvcc -V，已安裝 8.0 版本，說明CUDA 安裝成功。

安裝且配置驗證好 CUDA 以后，安裝 CUDNN，把解壓后的文件復(fù)制CUDA 文件夾中驗證 CUDNN 安裝成功。CUDNN 安裝成功后，打開 VS2013，新建項目里面輸入如下所示的代碼：

CUDNN 安裝成功后，需執(zhí)行以下四步操作，以確定 CUDNN正確安裝。 (1)在項目屬性/VC++ Directories/Include Directories 中添加入 include 的路徑。 (2)在項目屬性/VC++ Directories/Libary Directories 中添加入 libx64 路徑。 (3)在項目屬性/Linker/Input/Additional Dependencies 中添加入 cudnn.lib。 (4) 在項目屬性/CUDA C|C++ / Device /Code Generation 中，將 sm_20 改為 sm_30。運行后得到【CUDNN_STATUS_SUCCESS】結(jié)果，說明 CUDNN已經(jīng)正確安裝。

三是實質(zhì)與形式標準綜合說，即主張從實質(zhì)與形式相結(jié)合的角度來劃分犯罪的輕重等級。例如，有論者認為，所謂輕罪，是指行為已構(gòu)成犯罪但社會危害性較小，行為人主觀惡性不大或者其智力、身體有缺陷或者其行為可能判處3年有期徒刑以下刑罰的犯罪；除此之外，則為重罪[8]。這種對輕罪與重罪的劃分，實際上主要堅持的仍是實質(zhì)標準，同時也兼顧到了形式標準。

1.2 Windows 下的 caffe 安裝與配置

（1）下載代碼，在 GitHub 上找到源碼壓縮包 https://github.com/Microsoft/caffe，得到文件“caffe-master.zip”，解壓。

（2）打開 caffe-master 文件夾，之后看到一個 windows 文件夾，然后繼續(xù)打開， windows 文件夾，看到里面一個 CommonSettings.props.example 文件,復(fù)制出來一 份，并改名字為 CommonSettings.props

（3）用VS2013 打開Caffe.sln，打開 CommenSetting.probs.在cudapath 那里把 計算機學(xué)院通信工程專業(yè)生產(chǎn)實習(xí)報告 -20- CUDA（含有已經(jīng)放進去的 CUDNN）的目錄路徑放到其中。如圖 1所示。

圖1：Caffe.sln 內(nèi)容

（4）設(shè)置好之后開始編譯 libcaffe，編譯成功后在 caffe-master文件夾下面就應(yīng) 該出現(xiàn)一個名叫 Build 的文件夾，以后編譯的成功和運行需要的文件都會存放在 buildX64Release 下面。

（5）其他組件在后面生成模型的需要的時候隨時可以編譯。

1.3 Caffe下mnist手寫數(shù)字數(shù)據(jù)集測試

（1）Caffe[8]需要先把數(shù)據(jù)轉(zhuǎn)化為 lmdb 或 leveldb 格式進行讀取。lmdb 是 lightning(閃電的) memory-mapped database manager 的縮寫，能夠把原始數(shù)據(jù)通過 更為高效的存儲方式存儲，從而加快讀取和訓(xùn)練速度(lmdb 比 leveldb 更快，本次 我們使用 lmdb)。 實現(xiàn)這個轉(zhuǎn)化的代碼是examplesmnist 的 convert_mnist_data.cpp，其運行腳本 create_mnist.sh 是 linux 下的代碼。

（2） 用VS 打開examplesmnist 目錄下的 lenet_solver.prototxt，因為我們最終訓(xùn) 練模型用 gpu 生成，所以最后一行用gpu。

圖2：lenet_train_test.prototxt 文件中內(nèi)

（4）編寫bat 腳本進行正式訓(xùn)練，回到 caffe-windows 的根目錄下新建一個 bat 并寫入以下內(nèi)容即可開始訓(xùn)練。

（5）當(dāng)?shù)螖?shù)達到 lenet_solver.prototxt 定義的 max_iter 時，就可以認為訓(xùn)練 結(jié)束了。并且最終會在目錄examplesmnist 下產(chǎn)生訓(xùn)練出的模型(文件后綴名為 caffemodel 和 solverst)。

2 系統(tǒng)實現(xiàn)與測試

2.1 系統(tǒng)實現(xiàn)

（1）錄制兩個視頻，兩個視頻用來模擬工廠流水線兩個不同的區(qū)域。由于系統(tǒng)設(shè)計時間和條件有限，這里選擇在寢室內(nèi)錄制，以寢室內(nèi)兩個差別較大的區(qū)域作為工廠里面兩個不同的區(qū)域，錄制好的兩個視頻文件，并將視頻內(nèi)進行截圖。

（2）將兩個視頻流分割成兩個圖片集，這里利用 c++語言調(diào)用 OpenCV 來實現(xiàn)視頻分割。

（3）圖片分割完成后，需要用 bat 批處理文件調(diào)用兩個測試文件分別對兩組圖 片進行測試，測試文件里的內(nèi)容。

（4）為了使生成的測試結(jié)果輸出到 txt 文本中，又寫了兩個bat 批處理文件，只需運行這兩個文件便可得到測試結(jié)果。在 txt 文本當(dāng)中輸出的結(jié)果如圖 3所示。

圖3：txt 考勤結(jié)果文本

2.2 系統(tǒng)完善

（1）在兩段視頻錄制過程中，只要出現(xiàn)判決為無人的情況就得出缺勤的結(jié)果，并將結(jié)果輸出。

（2）由于將視頻文件分割成圖片過程中，人物的快速行動會使截圖不清晰，從而會使得一段時間內(nèi)的圖片識別出現(xiàn)誤差，因此規(guī)定少于連續(xù)3 張圖片判決為同一結(jié)果的為無效判決，在輸出考勤結(jié)果時對這種情況不予考慮。

（3）由于本實習(xí)是模擬工廠流水線環(huán)境，所以可以根據(jù)實際需要將系統(tǒng)改為實時系統(tǒng)，當(dāng)工作人員在規(guī)定時間內(nèi)超出自己的工作區(qū)域就向工廠相關(guān)負責(zé)人員發(fā) 出一條警報信息，以便負責(zé)人員能夠?qū)@類情況進行即時處理。

（4）考慮到交接班的情況，規(guī)定在交接班的某一段時間內(nèi)無論做出什么樣的判決結(jié)果都不記為缺勤。

3 結(jié)束語

隨著計算機技術(shù)及人工智能的發(fā)展，深度學(xué)習(xí)技術(shù)應(yīng)用在各個領(lǐng)域。本文將流水線考勤系統(tǒng)存在存在的問題，利用深度學(xué)習(xí)技術(shù)進行彌補，有效的提高了檢測效果。使學(xué)生通過典型應(yīng)用案例，理解深度學(xué)習(xí)模型的訓(xùn)練過程，掌握系統(tǒng)的設(shè)計方法。系統(tǒng)初步完成了考勤系統(tǒng)的功能，今后還在管理界面制作、后臺數(shù)據(jù)庫管理等方面進行完善，通過系統(tǒng)的設(shè)計和完善對以后的工作和學(xué)習(xí)有很大幫助。