嵌入式人脸识别门禁系统设计与实现
人脸识别门禁方案
人脸识别门禁方案
一、引言
当今社会，人脸识别门禁技术已经广泛应用于各行各业，成为安全管
理和保卫的一种有效手段。
它不仅可以实现快速、安全、精准的准入控制，还可以实现远程管理，大大提高人员出入口的安全管理水平。
贯穿于人脸
识别门禁方案中的核心技术是通过摄像头采集人脸信息，将实时采集到的
人脸图像与数据库中的人脸模版进行比对，以确定是否允许进入指定区域。
二、基本架构
1、硬件系统：人脸识别门禁系统的核心模块是门禁控制器，它提供
了接入摄像头、控制门锁、读取卡片等功能，使门禁控制器能够监测人脸
信息、控制门禁、执行准入控制等功能。
2、软件系统：人脸识别门禁系统的软件系统由客户端和服务器端组成，客户端包括门禁控制器系统、门禁客户端软件等，它们负责管理和监
控门禁系统的运行状态；服务器端是数据分析服务器，负责进行历史记录
查询、人脸注册等管理功能。
三、运行原理
1、人脸识别：人脸识别门禁系统采用摄像头采集用户实时人脸信息，然后将采集到的人脸图像与系统数据库中的人脸模版进行比对，以确定是
否允许进入指定区域。
2、报警功能：当有未经授权的人员试图进入指定区域时。
嵌入式人脸识别门禁系统的设计与实现
嵌入式人脸识别门禁系统的设计与实现作者：范明中来源：《科学与财富》2015年第36期摘要：当前，嵌入式人脸识别门禁系统以其非接触性、稳定性好、采集设备简单及安全性高等优点被广泛应用到公共安全防护，信息保护与管理等领域中，具有良好的市场前景。
因此，嵌入式人脸识别门禁系统在安防领域得到大多数研发机构的青睐。
本文介绍了嵌入式人脸识别门禁系统的工作原理，并对嵌入式人脸识别门禁系统的设计进行了详细的介绍，以望能为有关需要提供参考借鉴。
关键词：人脸识别；嵌入式门禁系统；设计0 引言随着社会经济的快速发展，人们的生活水平也日益提高，对安全的需求也越来越强烈。
门禁系统作为人们安全防护的一个重要组成部分，受到了人们的普遍重视。
传统的机械锁、单片机控制类的刷卡式等门禁系统由于需要近距离接触，容易丢失、损坏和复制等缺点，已经不能满足人们日益增长的安全需要。
而嵌入式人脸识别门禁系统作为人脸识别技术和嵌入式技术结合，生产出的门禁系统，具有采集设备简单，难仿冒，抗攻击能力强，符合人们的生活使用习惯，安全性高等优点，越来越受人们的青睐，并得到广泛的应用。
基于此，笔者对嵌入式人脸识别门禁系统进行了相关的介绍。
1 系统工作原理门禁系统属于公共安全管理系统范畴，本系统基于人脸的脸部特征作为唯一的特征，人脸识别技术主要通过分析人脸的全局特征和局部特征。
从摄像头中检测人脸，然后通过分析人脸的特征值和相对位置关系就可以可靠的识别出一个人的身份信息。
系统工作原理如下：（1）门禁权限授予本门禁系统目的是为了实现人员出入权限的控制及出入信息的记录。
通过门禁权限的授予，可以对门禁进行管理，限制未经制受权的人员进出特定的区域，并且使已获受权人员在进出上更加便捷。
本系统设计中，用户可以通过摄像头采集同一个人的脸部的不同角度，姿态图片，并登记相关的部门，姓名，工号等信息作为门禁授权，建立人脸门禁权限数据库。
本系统授权的图片最多只需5张，最少一张。
（2）门禁控制用户在需要进行控制的区域安装门禁系统以后，当有人员需要进出时，只需看着摄像头来核对身份。
基于GSM报警模块的嵌入式人脸识别门禁系统设计与实现
Ｓ ｃ ｏ ｔ ． ２ ０ １ ３
基于 Ｇ Ｓ Ｍ 报警模块的嵌入式人脸识别 门禁系统设计与实现
申 静 ，胡 霞 ，李 聪
（ 湖 南 邮 电职 业技 术 学 院 ，湖 南长 沙 ４ １ ０ ０ １ ５ ）
【 摘 要】针对嵌入式人脸识￥ Ｊ ￣ ｆ － Ｊ 禁系统中前端通过有线 向后端服 务器报警的安全性和实时性不高等 问题 ， 通过 Ｔ Ｃ ３ ５ 模块 的Ｇ Ｓ Ｍ短消息方式与嵌入式人脸识￣ Ｊ ｆ － Ｉ 禁相结合 ， 设计与实现出一种基于 Ｇ Ｓ Ｍ报警模块的嵌入式人脸识别门禁系统。该 门禁 系
Ｓ ＨＥＮ Ｊ ｉ ｎ ｇ ， ＨＵ Ｘｉ ａ ， Ｌ Ｉ Ｃ ｏ ｎ ｇ
（ Ｈ ｕ ’ ｎ ａ ｉ ｌ Ｐ ｏ ｓ ｔ ａ ｎ ｄ Ｔ ｅ ｌ ｅ ｃ ｏ ｍ ｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｃ ｈ ａ ｎ ｇ ｓ ｈ ａ ， Ｈ ｕ ’ Ｂ ａ ｌ ｌ ， Ｃ ｈ ｉ ｎ ａ ４ １ ０ ０ １ ５ ）
【 关键词】 门禁 系统； 人脸识别 ； 嵌入式 ； Ｇ Ｓ Ｍ： 报警模块 ［ ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ６ ７ １ — ９ ５ ８ １ ． ２ ０ １ ３ ． ０ ３ ． ０ ０ ９ ］ 【 中图分类号］ Ｔ Ｐ ３ ９ １ ． ４ 【 文献标识码Ｉ Ａ 【 文章编号】 １ ６ ７ １ — ９ ５ ８ １ （ ２ ０ １ ３ ） ０ ３ — ０ ０ ２ ９ — ０ ４
湖南 邮电职业技术 学院学报
第ｌ ２卷 第 ３期 ２ ０ １ ３年 ９月
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｃｈ ａ ｎ ｇ ｓ ｈ ａ Ｔ ｅ ｌ ｅ ｃ ｏ ｍｍｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ
人脸识别嵌入式实训报告
一、引言随着人工智能技术的飞速发展，人脸识别技术作为生物识别技术的一种，因其高准确性、非接触性和易用性等优点，在安防、金融、医疗、教育等领域得到了广泛应用。
为了深入了解人脸识别技术，我们进行了人脸识别嵌入式实训，通过实际操作，掌握了人脸识别系统的设计与实现方法。
二、实训目的1. 熟悉人脸识别技术的原理和流程。
2. 掌握人脸识别嵌入式系统的设计与实现方法。
3. 培养动手能力和团队协作精神。
三、实训内容1. 人脸检测人脸检测是人脸识别系统的第一步，主要目的是从图像中检测出人脸区域。
实训中，我们使用了OpenCV库中的人脸检测算法，通过Haar级联分类器进行人脸检测。
2. 人脸特征提取人脸特征提取是将人脸图像转换为可用于识别的特征向量。
实训中，我们使用了Local Binary Patterns Histograms (LBPH) 算法进行人脸特征提取。
3. 人脸识别人脸识别是将提取的特征向量与数据库中的人脸特征进行比较，从而识别出目标人脸。
实训中，我们使用了Nearest Neighbor (NN) 算法进行人脸识别。
4. 嵌入式系统设计我们选择了STM32微控制器作为嵌入式系统平台，利用其丰富的片上资源，实现了人脸识别系统的硬件设计。
主要包括以下模块：- 图像采集模块：采用OV7670摄像头模块进行图像采集。
- 图像处理模块：使用STM32的片上资源进行图像预处理、人脸检测和特征提取。
- 存储模块：使用SD卡存储人脸特征数据库。
- 显示模块：使用TFT LCD显示屏显示识别结果。
5. 软件设计软件设计主要包括以下部分：- 图像处理程序：使用OpenCV库进行图像处理，包括人脸检测和特征提取。
- 识别程序：使用NN算法进行人脸识别。
- 用户界面程序：使用Qt库开发跨平台用户界面，实现系统功能。
四、实训结果通过实训，我们成功设计并实现了一个基于STM32的人脸识别嵌入式系统。
系统能够实时检测人脸、提取特征并进行识别，识别准确率达到90%以上。
人脸识别技术在嵌入式系统中的使用方法
人脸识别技术在嵌入式系统中的使用方法随着科技的迅猛发展，人脸识别技术在嵌入式系统中得到了广泛的应用。
人脸识别技术通过对个体的面部特征进行识别和比对，可以实现安全认证、门禁管控、人脸支付、智能监控等多种应用场景。
本文将重点介绍人脸识别技术在嵌入式系统中的使用方法。
一、人脸图像获取与预处理在使用人脸识别技术之前，首先需要获取人脸图像，并进行预处理。
获取人脸图像可以通过摄像头、红外传感器等设备获取，确保图像的清晰度和准确性。
在进行预处理时，需要对图像进行灰度化、人脸检测、人脸对齐等步骤，以提高后续识别的准确性和稳定性。
灰度化是将彩色图像转换成灰度图像的过程，通过减少图像信息的维度，便于后续的处理和计算。
人脸检测是在图像中自动定位人脸的过程，可以使用传统的级联分类器方法（如Haar特征和AdaBoost算法）或深度学习方法（如卷积神经网络）进行实现。
人脸对齐是将检测到的人脸图像进行标准化处理，使得人脸特征在图像中的位置和尺度保持一致，减少后续识别过程对人脸角度和尺度的敏感性。
二、特征提取与选择在人脸识别技术中，特征提取是一个关键的步骤。
相比于原始的像素信息，提取出具有更强辨别能力的特征，可以显著提高人脸识别的准确性和鲁棒性。
常见的特征提取方法包括局部二值模式（LBP）、主成分分析（PCA）、线性判别分析（LDA）等。
局部二值模式是一种用于图像纹理分析的特征描述符，通过比较中心像素与周围像素的灰度值，生成二进制编码描述图像纹理信息。
主成分分析是一种基于统计分析的方法，通过线性变换将原始数据映射到一个新的空间中，使得数据在新空间中的方差最大化。
线性判别分析是一种将特征投影到低维空间，同时最大化类间散度和最小化类内散度的方法，能够实现有效的分类和识别。
在选择特征提取方法时，需要结合具体的应用场景和系统资源限制进行考虑。
不同的特征提取方法对计算和存储资源的要求不同，需要权衡准确性和效率之间的平衡。
三、特征匹配与识别特征匹配是指将从待识别人脸图像中提取到的特征与数据库中存储的特征进行比对和匹配，以确定待识别人脸的身份。
嵌入式人脸识别系统设计与优化研究
嵌入式人脸识别系统设计与优化研究人脸识别技术在现代安全领域以及智能化应用中扮演着重要的角色。
为了满足实时性、准确性和效率性的需求，嵌入式人脸识别系统逐渐成为研究的热点。
本文将探讨嵌入式人脸识别系统的设计与优化，旨在提高系统的性能和鲁棒性。
首先，嵌入式人脸识别系统的设计需要考虑到硬件平台的选择。
在嵌入式设备上实现人脸识别任务需要满足处理速度快、能耗低的特点。
较新的嵌入式系统如基于ARM Cortex-A系列的处理器和嵌入式GPU等，提供了高性能和低能耗的特性。
因此，选取适合的硬件平台是嵌入式人脸识别系统设计的首要任务。
其次，对于人脸图像数据的采集与预处理也是嵌入式人脸识别系统优化的一环。
由于嵌入式系统资源有限，需要在保证准确性的前提下，减少对图像数据的处理。
采用适当的图像压缩算法和特征提取方法，可以有效减少嵌入式系统对图像数据的处理压力，提高系统的实时性和效率性。
同时，还需对数据进行质量评估与校正，提高图像的清晰度和鲁棒性。
第三，特征提取与模式匹配算法是嵌入式人脸识别系统的核心部分。
在嵌入式平台上运行的特征提取算法应具备高效性能和鲁棒性。
例如，局部二值模式（Local Binary Patterns, LBP）和灰度共生矩阵（Gray Level Co-occurrence Matrix, GLCM）等特征提取方法在嵌入式设备上具有较好的实时性和准确性。
此外，针对噪声、遮挡和光照变化等问题，可以采用通过机器学习方法对特征进行优化和降维，提高识别率和鲁棒性。
最后，嵌入式人脸识别系统还需要考虑到实时性和系统整合的问题。
在设计系统架构时，需要平衡处理速度和准确性。
采用并行计算和硬件加速等技术可以提高系统的并发性和处理速度。
另外，为了便于系统整合和部署，嵌入式人脸识别系统应提供友好的接口和便捷的使用方式，以降低用户的学习成本。
总之，嵌入式人脸识别系统的设计与优化是一个综合考虑算法、硬件平台和实时性等因素的过程。
嵌入式人脸识别系统设计与实现
嵌入式人脸识别系统设计与实现人脸识别技术作为一种生物特征识别技术，已经在各个领域得到广泛应用。
而嵌入式人脸识别系统则是将人脸识别技术应用于物理设备中，具有小型化、高效性、低功耗等特点，适用于需要实时进行人脸识别的场景。
本文将介绍嵌入式人脸识别系统的设计与实现。
一、系统需求分析在设计嵌入式人脸识别系统之前，需要先进行系统需求分析。
根据具体的场景和使用要求，确定以下几个方面的需求：1. 识别速度：嵌入式人脸识别系统需要实时进行人脸检测和识别，因此对于识别速度有较高的要求。
2. 精确度：系统需要准确地识别人脸，排除误识别和漏识别的情况。
3. 实时性：系统需要能够在实时动态画面中进行人脸识别，如视频监控等场景。
4. 资源占用：嵌入式设备的资源有限，系统需要在保证功能的前提下尽量占用较少的资源。
二、系统设计与架构基于需求分析，我们可以设计出如下的嵌入式人脸识别系统架构：1. 人脸检测模块：通过采用现有的人脸检测算法，如Haar算法、LBP算法等，对图像或视频中的人脸进行定位和提取。
2. 特征提取与比对模块：将人脸检测得到的人脸图像进行特征提取，例如使用局部二值模式（LBP）特征或深度学习模型提取特征，并与已有的人脸数据库进行比对，判断是否为已知人脸。
3. 数据库管理模块：用于存储已知人脸的特征值，以供人脸识别模块进行比对。
可以采用关系型数据库或者轻量级数据库进行存储管理。
4. 用户界面模块：提供用户操作界面，可通过外部输入设备（如键盘、触摸屏）或语音命令等方式与系统进行交互。
5. 控制模块：负责整个系统的流程控制和协调，确保各个模块之间的协同工作。
三、实现步骤1. 数据采集与训练：收集足够数量的人脸图像，包括不同角度、光照条件和表情的人脸图像。
使用这些图像进行人脸检测、特征提取和比对等算法的训练，并生成人脸数据库。
2. 嵌入式设备选择：根据系统需求及资源限制选择合适的嵌入式设备，如基于ARM架构的单板计算机、嵌入式处理器等。
基于嵌入式系统的人脸识别技术研究及实现
二、相关工作
传统的人脸识别方法主要依赖于图像处理技术，如特征提取、PCA等。然而， 这些方法往往面临着复杂场景下的光照、角ห้องสมุดไป่ตู้、表情等因素的干扰，难以达到 理想的效果。近年来，深度学习算法的兴起为人脸识别领域带来了新的突破。 深度学习模型具有强大的特征学习和分类能力，能够自动从原始图像中学习到 有效的特征表达，提高识别准确性。
为了验证基于ARM架构的嵌入式人脸识别技术的有效性，我们设计了一系列实 验并选取了相应的人脸数据集。实验结果表明，该技术在常见的人脸识别任务 中具有较高的准确性和鲁棒性。同时，通过对比实验，我们还发现该技术在处 理速度和内存占用方面具有明显优势。
随着技术的不断发展，基于ARM架构的嵌入式人脸识别技术未来将会有更多的 应用场景。在安防领域，该技术可以应用于智能监控、门禁系统等场景中，提 高安全性和便利性。此外，在人机交互领域，该技术可以实现更加自然和直观 的用户体验，例如在智能家居、智能车载等场景中。随着物联网和5G技术的普 及，嵌入式人脸识别技术还可以应用于远程认证和支付等场景。
参考内容
随着科技的发展，人脸识别技术已经成为日常生活和工作中不可或缺的一部分。 而在各种应用场景中，基于ARM架构的嵌入式人脸识别技术以其高效能、低成 本和便携性等优势，逐渐成为了研究的热点。本次演示将介绍基于ARM架构的 嵌入式人脸识别技术的原理、现状、实验结果及未来展望。
在目前市场上，主流的人脸识别技术主要包括基于深度学习和特征提取的方法。 其中，深度学习的方法以其强大的表示能力和灵活性在人脸识别领域取得了显 著的成果。然而，这种方法需要大量的计算资源和高质量的标签数据进行训练， 这在某些场景下可能成为一个瓶颈。而基于特征提取的方法则通过手动设定或 自动学习图像特征，能够更加灵活地应用于不同的场景。
嵌入式人脸检测课程设计
嵌入式人脸检测课程设计一、教学目标本课程的教学目标是使学生掌握嵌入式系统的基本原理，了解人脸检测的基本算法，并能够使用相关开发工具进行嵌入式人脸检测系统的开发。
1.掌握嵌入式系统的基本原理和组成。
2.了解人脸检测的基本算法和原理。
3.熟悉嵌入式人脸检测系统的开发流程。
4.能够使用相关开发工具进行嵌入式系统开发。
5.能够实现人脸检测算法并进行嵌入式人脸检测系统的开发。
情感态度价值观目标：1.培养学生的创新意识和团队协作精神。
2.培养学生对嵌入式技术和人脸检测技术的兴趣，提高学生对领域的认识和关注。
二、教学内容本课程的教学内容主要包括四个部分：嵌入式系统基础知识、人脸检测算法、嵌入式人脸检测系统开发和实际应用案例分析。
1.嵌入式系统基础知识：介绍嵌入式系统的基本原理、组成和开发方法。
2.人脸检测算法：介绍人脸检测的基本算法和原理，包括Haar级联分类器、LBP特征分类器等。
3.嵌入式人脸检测系统开发：介绍嵌入式人脸检测系统的开发流程，包括硬件选择、软件开发和系统集成。
4.实际应用案例分析：分析嵌入式人脸检测系统在实际应用中的案例，如人脸识别门禁系统、人脸识别监控系统等。
三、教学方法为了激发学生的学习兴趣和主动性，本课程将采用多种教学方法相结合的方式进行教学。
1.讲授法：通过讲解嵌入式系统和人脸检测算法的相关理论知识，使学生掌握基本概念和原理。
2.案例分析法：通过分析实际应用案例，使学生了解嵌入式人脸检测系统的应用场景和开发过程。
3.实验法：安排实验课程，使学生能够动手实践，加深对嵌入式人脸检测系统的理解和掌握。
4.讨论法：学生进行分组讨论，促进学生之间的交流与合作，培养学生的团队协作能力。
四、教学资源为了支持教学内容和教学方法的实施，丰富学生的学习体验，我们将选择和准备以下教学资源：1.教材：选用权威、实用的嵌入式系统和人脸检测相关教材，为学生提供系统的理论知识学习。
2.参考书：提供相关的参考书籍，为学生提供更多的学习资料和拓展知识。
智能家居嵌入式人脸识别门禁系统的设计与实现
科学技术创新2020.26智能家居嵌入式人脸识别门禁系统的设计与实现强宇佶申双琴（桂林理工大学信息科学与工程学院嵌入式系统与智能计算实验室，广西桂林541004）近年来，人们物质水平提高，同时对家居安全的要求不断提高，安防设备和智能家居逐渐进入我们的视线。
传统的卡片和密码式的门禁系统因其易丢失、功能单一且安全性低等缺点，逐步被各种生物识别技术取而代之。
其中人脸识别因其具有非接触式、不易被仿造、识别率较高的优势，将其引入到门禁系统，具有广泛的应用价值和市场前景。
本文将嵌入式与人脸识别技术相结合，设计了一种基于STM32的人脸识别门禁系统。
1系统设计本系统主要以STM32系列单片机作为微控制器，以串口触摸屏为人机交互窗口,用户通过矩阵键盘键入进行模式选择，通过LCD 屏幕获取操作信息，选择人脸识别模式时可以通过人脸识别进行开门操作，选择密码模式可以通过矩阵键盘输入密码进行开门操作，同时对开门的数据进行记录，也可以通过串口助手将开门记录发送到上位机，在上位机上查看所有用户何时何种方法开门。
此外，添加了访客模式、管理员模式，用户选择访客模式可以模拟门铃，提醒主人开门，选择管理员模式，正确输入管理员密码可以查看所有用户与密码等，让系统变得更加实用。
系统的硬件部分包括人脸识别模块、模拟门禁模块及按键与显示模块。
软件部分包括对人脸进行追踪与检测，在录入人脸后对采集到的人脸数据进行特征的分析与训练，识别时对检测到的人脸进行辨识，同时因为树莓派的操作系统是基于Debian 的Linux 系统即“R aspbian 操作系统”，因其本身具有的局限性，获取的图像帧数较低，所以使用跳帧计算提高帧数。
实现人脸识别、密码开锁、报警系统、查看开锁记录、增加指定用户等功能，总体系统框图如图1所示。
2硬件设计系统选用了高效的STM32F103C8T6，STM32使用了以ARM Cortex 为内核的高性能微处理器，其工作频率高，内置存储器，有多种省电工作模式，可以保证低功耗应用的运行，适用于多种应用场合，并且性价比高。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息技术的迅猛发展给生活带来便利的同时，也给安全防范系统提出来越来越高的要求。
传统的门锁、防盗门、监控报警系统等总是存在着携带不便、易遗失损坏、密码易被破解等问题。
于是，运用生物特征识别技术的智能门禁系统就应运而生。
其中，人脸识别作为生物特征识别技术中最为直观的一种识别方法，具有友好、隐蔽、简便、准确、经济及扩展性良好等其他识别技术不可比拟的优势。
基于ARM技术的嵌入式系统以应用为中心，软硬件可裁剪，符合应用系统对功能、可靠性、成本、体积、功耗严格要求，对节约成本、提高稳定性有极大地作用。
1 开发方案与设计
1．1总体结构设计
根据嵌入式技术与人脸识别技术的特点及其在门禁系统的应用构思，本系统确定了嵌入式人脸识别门禁系统的人脸识别子系统的设计及实现，进行图像采集、嵌入式处理和识别响应三部分来研究。
首先，通过摄像头采集图像信息；其次，从CPU处理速度、技术指标以及软件支持工具等方面进行选型，采用三星公司的基于ARM920T内核的S3C2440A芯片。
开发方案中操作系统采用目前最新、最稳定的自由软件嵌入式Linux操作系统Ubuntu。
前端的ARM板实现这两项功能。
最后，将人脸图片传入后台数据库进行人脸识别，并反馈识别响应信息。
人脸识别的核心部分，如从数据图片的检索、识别等均在后台完成。
其开发方案的总体结构设计图如图1所示。
图1 方案总体设计结构图
1．2 内核及操作系统选择
S3C2440A采用ARM920T内核，集成如下片上功能：
1）1．2V内核，1．8V／2．5V／3．3V储存器，3．3V扩展I／O，16KB~令Cache （I—Cache）／16KB数据Cache （D—Cache）
2）外部储存控制器（SDRAM控制盒片选逻辑）
3）集成LCD专用DMA的LCD控制器（支持最大4K色STN和256K色TFT）
4）4路拥有外部请求引脚的DMA控制器
5）IIC总线接口（多主支持）
6）IIS音频编解码器接口
7）AC、97编解码器接口
8）1.0版SD主接口，兼容2.11版MMC接口
9）2路USB主机控制／1路USB期间控制（ver1．1）
10）4路PWM定时器／1路内部定时器／看门狗定时器
11）8路10位ADC和触摸屏接口
12）摄像头接口（支持最大4096x4096的输入，2048x2048缩放输入）作为一个基于GNU／Linux的平台，Ubuntu在Debian 基础之上，旨在创建一个可以为桌面和服务器提供一个最新且一贯的Linux系统。
它囊括了大量从Debian发行版精挑细选的软件包，同时保留了Debian强大的软件包管理系统，以便简易的安装或彻底的删除程序。
注重安全性和实用性。
本系统采用版本号为Ubuntu 8．10。
它具有虚拟化、完整的Java堆栈、增强的邮件服务器能力、改进的RAID支持、Uncomplicated Firewall防火墙更加简单、捆绑Landscape 客户端等优势。
1．3软件流程设计
ARM内核和Ubuntu系统的选择为系统功能的实现提供了基础，系统软件则完成系统功能的控制。
系统软件的设计流程如下，首先摄像头进行监控，如果门前有移动物体，进行拍照，并依据图像的亮度，判断是否需要调节光线，图像处理后进行自动人脸检测识别，如果不是没有找到匹配图像，程序返回到摄像头监控状态，如果找到，开启楼门；如果没有移动物体，继续监控。
若是来访者，则可以通过系统的其他方式，提出访问申请，如果房中有人则由房内人员控制打开大门；如果无人应答，系统提示房中无人，同时采集来人照片，通过邮件自动发送功能，向指定邮箱发送邮件，并记下来访记录。
2 人脸识别模块设计及实现
本系统最关键的实现技术就是通过进行人脸识别，完成门禁控制。
首先从静态图片或动态图像中找到人脸，然后确定各特征点的位置并进行特征提取，最后将人脸与数据库中所有的人脸进行比对，并按照fisherface决策规则对该人脸进行判别分类。
根据输入图像的性质，人脸检测识别方法分为静止图像的静态方法和图像序列的跟踪帧方法两大类。
根据嵌入式门禁系统硬件性能等自身特点对人脸识别技术的要求，采用了第一
大类的方法，从图像序列中选择几帧质量较好的图像，然后用静止图像的人脸识别方法进行匹配。
静态方法简单、快捷、性价比高。
2．1图像采集及预处理
通过USB接口的摄像头采集过数据后，采用最基本的图像增强手段对图像进行处理。
图像增强就是用一系列手段对取得的图像灰度作修正，或者对噪声作过滤，使得图像灰度与实际景物的灰度尽可能地匹配。
不能损坏图像的轮廓及边缘等重要信息，并使得图像更清晰，视觉效果更好。
为了减少光线、角度等因素的影响，采用中值滤波和直方图均衡化方法。
2．2人脸检测定位
人脸检测是指对于任意一幅给定的静态图像或视频序列图像，采用一定的策略和方法对其进行搜索以确定其中是否含有人脸，如果有则返回人脸的位置、大小和姿态。
从图像序列中，自动、准确和快速地检测人脸区域是实现系统功能的一项关键任务。
目前，人脸检测有两大类方法：一类是基于知识的人脸检测方法，一类是基于统计学习的人脸检测方法。
统计学习的方法是目前人脸检测的主流方法，通过大量的人脸和非人脸样本进行训练，得到人脸图像和非人脸图像之间一些细微的差异。
对于门禁系统而言，人脸检测目标区域背景相对比较简单，人脸数量和大小可以控制，大大降低了人脸检测的难度。
首先，对人脸特征搜索定位；其次，对人脸区域几何归一化处理，再次，对检测到的人脸进行特征提取。
2．3人脸识别设计与实现
人脸识别是一种高维数、小样本数据的识别问题。
对于该类问题，其难点在于训练样本的数量很少，而以训练样本的协方差矩阵作为模式协方差矩阵的估计时，会产生以下两方面问题，一个是会造成较大的偏差，另一个是会使类内协方差矩阵奇异。
为了解决类内协方差矩阵奇异使得该矩阵不可逆的问题，国内外专家们提出了许多经典算法。
本系统采用．基于结构化fisherface的人脸识别方法。
它应用了PCA与LDA的人脸识别过程，先由PCA对高维数据进行降维处理，获得原样本的最优特征表示，并使样本的类内协方差矩阵非奇异，然后作线性判别分析。
在采用线性鉴别分析之前，通过事先给定的线性变换来达到降低图像向量的维数，从而消除了类内协方差矩阵的奇异性。
在很大程度上解决了外部光照干扰、面部表情变化等因素的影响，优点是在人脸图像有光照和表情变化的情况下，比特征脸方法的鲁棒性强。
在本系统中的人员信息采用SQlite数据库技术统一管理。
在人脸识别的过程中需要从人员数据库中提取相应卡号和人脸特征数据。
人员数据库中存放人员的基本信息、人脸照片和人脸特征数据。
其中人脸特征数据是进行人脸识别的依据，而人脸照片只是作为显示识别结果之用，并不参与识别过程。
3 系统功能测试
人脸识别功能利用国际上常用的ORL的人脸数据库进行测试。
ORL数据库包括40个人每人的10幅共400幅图像，具有不同的光照、表情和视点。
从其中选择8人进行训练，进行识别测试。
统计结果如表1所示。
实验证明该算法是一种稳定高效的算法，可以实现人脸识别技术进行门禁控制的功能。
4 结束语
嵌入式人脸识别门禁系统因其非接触式的数据采集、隐蔽性好、方便快捷、便于事后追踪及可交互性强等优势，在当前科研及实际工程应用中成为最热门的研究主题之一。
本系统就是作为鹤壁市科技局科研课题而开发实现的。
基于ARM技术的嵌入式人脸识别门禁系统的实用性和应用前景非常广阔。
/儒道至圣。