技术特征：
1.一种基于人脸识别的列车查票辅助系统，其特征在于：包括人脸识别系统，列车的每个座位后面均安装一个相同的人脸识别系统，用于识别座椅后面乘客的脸部信息，在铁路系统服务器中将乘客购票信息和进站时人脸识别机器识别到的人脸图像对应起来打包发送至人脸识别系统中，由人脸识别系统将识别到的乘客脸部信息与铁路系统服务器发送来的乘客乘车信息，当座位上得乘客与对应的座位上应该乘坐的乘客脸部信息吻合时，人脸识别系统则判断当前乘客乘坐信息正确，若乘客坐错位置时，人脸识别系统会自动发出报警，以提醒乘客找到自己的位置，工作人员通过查看人脸识别系统的报警信息即可知道乘客的乘车信息有问题，乘客还可以在人脸识别系统上进行查看车次所经过站点、到站时间、进行订餐、购票等操作，乘客的终点站即将到达时会自动发出提醒。2.根据权利要求1所述的基于人脸识别的列车查票辅助系统，其特征在于：所述的人脸识别系统包括金属框、指示灯、高清摄像头、控制电路板、储存器、5g模块、液晶显示屏，液晶显示屏采用触摸式液晶屏，在液晶显示屏界面上设有下一站显示窗口、站点查询窗口、订票窗口、到站提醒窗口、订餐窗口，乘客可以在液晶显示屏上查询所乘车次经过的站点，可以在液晶显示屏上购票、订餐，乘客点击站点查询窗口、点击购票窗口、点击订餐窗口，控制电路板便通过5g模块访问铁路系统服务器，点击站点查询即可显示出乘客所乘列车经过的站点及其对应时间，点击购票显示所需购票的信息，并点击所需要的购买的车次并支付即可完成购票，点击订餐显示该趟列车出售的饭菜信息，点击需要购买的饭菜并支付，工作人员收到订单后就将饭菜送到乘客手中。3.根据权利要求1所述的基于人脸识别的列车查票辅助系统，其特征在于：所述车票查询辅助流程方案为：1.在铁路系统服务器端建立起人脸特征识别模型：(1)数据集获取采用香港中文大学提出的大规模数据集—wider face数据集作为模型的测试和训练集，该数据集中包含了32203张图片，包含了在尺度、姿势、遮挡、表情、装扮、光照等不同条件下的人脸；(2)建立人脸区域检测模型采用基于深度学习的ssd目标检测算法建立人脸区域检测模型，即在tensorflow框架环境下搭建ssd算法模型，将其主干网络替换成深度可分离卷积网络的resnet，在训练的过程中针对人脸检测的特殊性，对配置文件和参数进行修改，使用wider face数据集并对其进行预处理，将其打包处理成tfrecord格式文件，用于对ssd算法模型的训练，对训练结束后生成的模型文件进行测试并转化成pb模型文件；(3)建立人脸特征识别模型在tensorflow框架环境下，搭建facenet算法模型，使用triplet loss的训练方法，在其中添加数据增强的方法，使用casia-facevs,casia-webface,celeba,lfw数据集并对其进行预处理，使其满足facenet模型训练集和测试集的数据格式要求，再用于facenet算法模型的训练和测试，模型训练中在数据集的选取上做了对比试验，训练结束，得到4个不同的训练模型，通过在lfw数据集上测试，选取最优的模型作为系统的人脸特征识别模型，将其转化成pb模型文件；(4)建立人脸关键点定位模型
采用基于深度学习的senet算法对人脸关键点进行定位，将senet算法嵌入到resnet网络模块中，构成了完整的人脸关键点定位模型senet-resnet，在tensorflow框架环境下将其搭建，使用300w-lp数据集并对其进行预处理，将其打包处理成tfrecord格式文件，通过编程实现将其用于对senet-resnet算法模型的68个人脸关键点定位的训练，对训练结束后生成的模型文件进行测试并转化成pb模型文件；2.数据库将铁路系统人脸识别器采集到的图像传输至铁路系统服务器9上，在铁路系统服务器9上的mysql数据库中创建乘客信息表，乘客进站时在铁路系统人脸识别器上刷身份证和人脸识别即相当于在铁路服务器上注册了乘车信息，在铁路服务器上就存在了乘客的乘车信息和人脸图像；3.在铁路系统服务器中将乘客购票信息和进站时人脸识别机器识别到的人脸图像对应起来打包发送至人脸识别系统中进行存储，人脸识别系统识别到乘客人脸图像后，在人脸识别系统中进行人脸识别后与存储起来的人脸图像进行比较，若乘客坐错位置时，人脸识别系统会自动发出报警，以提醒乘客找到自己的位置，工作人员通过查看人脸识别系统的报警信息即可知道乘客的乘车信息有问题；4.人机交互乘客点击站点查询窗口、点击购票窗口、点击订餐窗口，控制电路板便通过5g模块访问铁路系统服务器，点击站点查询即可显示出乘客所乘列车经过的站点及其对应时间，点击购票显示所需购票的信息，并点击所需要的购买的车次并支付即可完成购票，点击订餐显示该趟列车出售的饭菜信息，点击需要购买的饭菜并支付，工作人员收到订单后就将饭菜送到乘客手中。