基于人脸识别技术的智能门禁系统设计
基于人工智能的智能人脸识别门禁系统设计
基于人工智能的智能人脸识别门禁系统设计智能人脸识别门禁系统的设计和使用已经逐渐成为现代社会的趋势。
基于人工智能的技术发展，智能人脸识别门禁系统能够更加准确、高效地进行人脸识别，提供安全可靠的门禁管理。
一、引言随着科技的不断进步，传统的门禁系统已经不能满足现代化社会的需求。
传统的门禁系统需要使用卡片、密码或身份证等手段进行身份验证，容易被冒用或者丢失。
而智能人脸识别门禁系统则利用人脸的独特性，使用摄像头和人工智能算法进行实时人脸识别，实现了更加便捷和安全的门禁管理。
二、智能人脸识别门禁系统的基本原理与技术智能人脸识别门禁系统的基本原理是通过摄像头对人脸进行拍摄，然后将图像传输给人工智能算法进行处理和分析。
这些算法通过识别人脸的关键特征点、纹理信息、轮廓等来确定人脸的唯一性，并与预存储的人脸数据库进行比对，从而实现身份验证。
从技术上来说，智能人脸识别门禁系统主要包括以下几个方面：1. 图像采集：门禁系统需要使用高清摄像头对人脸进行拍摄，确保图像的清晰度和准确性。
2. 图像预处理：通过图像处理算法将拍摄的图像进行降噪、增强、裁剪等处理，提高图像的质量，为后续的人脸识别提供更好的数据。
3. 人脸检测与定位：使用人工智能算法检测图像中的人脸，并确定人脸的位置和边界框。
4. 人脸特征提取：基于深度学习的算法提取人脸的关键特征点、纹理信息、轮廓等，将其编码成一个唯一的人脸特征向量。
5. 人脸匹配与识别：将提取的人脸特征与预存储的人脸数据库进行比对，实现人脸的快速识别和身份验证。
6. 门禁控制：当人脸识别结果与数据库匹配成功后，门禁系统会自动解锁或开启门禁，允许通过；若匹配失败，则门禁系统保持关闭状态。
7. 数据管理与安全：智能人脸识别门禁系统需要对采集到的人脸图像和识别结果进行管理和存储，同时保障数据的安全性和隐私保护。
三、智能人脸识别门禁系统的优势智能人脸识别门禁系统相较于传统门禁系统具有以下优势：1. 高安全性：人脸识别技术具有较高的准确性和可信度，大大减少了被冒用或丢失的风险。
基于人脸识别的门禁系统设计与实现
人脸检测与识别
人脸检测算法
包括Haar特征、 HOG特征等
人脸识别算法
包括Eigenfaces、 Fisherfaces、 LBPH等
人脸特征提取
主要的人脸特征提 取方法
LBP特征 HOG特征 PCA特征
特征提取在人脸识 别中的作用
用于提高识别准确率 减少计算复杂度 提高系统性能
人脸识别技术应用
问题2
系统是否支持多种人脸特征识别？
问题3
如何保证系统安全性？
后续工作安排
工作安排1
优化系统性能 完善用户体验
工作安排2
开展用户调研 分析用户需求
工作安排3
增加外部接口 提升系统扩展性
致辞
感谢各位专家学者、领导和同事的聆听和支持。 在门禁系统设计与实现的研究过程中，得到了 大家的帮助和鼓励，特此向大家表示衷心的感 谢。希望我们的研究成果能够为相关领域的发
各模块之间的通信机制 数据传输和处理流程
功能模块设计
用户管理模块
管理用户信息和权 限
记录查询模块
查询门禁记录和统 计分析
权限管理模块
设置用户权限级别 和门禁规则
硬件选型
在门禁系统设计中，选择合适的人脸识别设备 是至关重要的一环。同时，控制器和门禁读卡 器的选型也需根据系统需求和安全性考虑做出
合理选择。
数据库设计
数据库表结构设计
用户信息表 权限表 门禁记录表
数据库操作接口设 计
实现数据的增删改查功能 提供给其他模块调用的接口
总结
通过本章节的设计，可以确保门禁系统具备完善的功能 模块和稳定的硬件设备，ቤተ መጻሕፍቲ ባይዱ用户提供高效便捷的门禁服 务。同时，数据库设计的合理性也将为系统的数据管理
基于人脸识别技术的智能门禁系统设计
基于人脸识别技术的智能门禁系统设计智能门禁系统是当今社会安全管理的重要组成部分，而基于人脸识别技术的智能门禁系统以其高效、准确和安全的特点受到广泛关注和应用。
本文将针对基于人脸识别技术的智能门禁系统进行设计，并探讨其实现原理、特点以及应用前景。
智能门禁系统的设计旨在提高门禁系统的识别准确性和效率，对于大型企事业单位、住宅区、公共场所等场景有着重要作用。
基于人脸识别技术的智能门禁系统可以通过摄像头和人脸识别算法实现对人脸的采集和分析，从而确定身份并进行判断，使得门禁系统更为安全、便捷和智能。
首先，基于人脸识别技术的智能门禁系统的设计涉及到多个关键技术。
其中包括人脸检测、人脸特征提取和人脸识别算法等。
通过使用高性能的摄像头采集人脸图像，并使用人脸检测算法进行人脸的定位和提取。
接下来，采用人脸特征提取算法，对所得到的人脸图像进行特征提取，生成相应的人脸特征向量。
最后，通过人脸识别算法，将采集到的人脸特征向量与已有的特征库进行比对匹配，并进行身份判断。
在这一系列的过程中，需要借助机器学习和深度学习算法，并使用大数据和云计算技术，以提高系统的性能和准确性。
其次，基于人脸识别技术的智能门禁系统具有许多独特的特点。
首先，该系统具有高安全性。
每个人的人脸特征都是独一无二的，通过人脸识别技术可以有效地区分不同的个体。
其次，该系统具有便捷性。
用户只需站在门禁设备前，系统就能自动进行人脸识别，无需刷卡或输入密码，提高了用户的使用体验和便利性。
此外，该系统具有高效性。
人脸识别技术在辨别速度上呈现出出色的性能，可以实现实时识别和高速通行。
最后，该系统具有灵活性。
由于其基于软件和算法，可以方便地与其他设备进行集成，实现各种场景下的门禁管理。
基于人脸识别技术的智能门禁系统在各个领域都有广泛的应用前景。
在企业和机构中，它可以用于实现员工考勤管理、访客管理、进出记录等。
在住宅区和公共场所，可以用于实现安全管理、物业管理、停车场管理等。
基于人脸识别的智能门禁系统设计
基于人脸识别的智能门禁系统设计智能门禁系统是一种基于人脸识别技术的应用系统，它能够有效管理出入人员，提高安全性和便利性。
本文将介绍基于人脸识别的智能门禁系统的设计原理、功能特点以及应用前景。
一、设计原理基于人脸识别的智能门禁系统是利用计算机视觉技术，通过摄像头捕捉到的人脸图像进行预处理、特征提取和匹配识别等一系列算法操作，从而实现自动识别和判断人脸身份的系统。
其设计原理主要包括以下几个方面：1. 人脸采集：通过摄像头对进出的人脸进行采集，获取人脸图像数据。
2. 图像预处理：对采集到的人脸图像进行灰度化、直方图均衡化、人脸对齐等预处理操作，提高图像质量。
3. 人脸特征提取：利用人脸识别算法从预处理后的图像中提取人脸特征，例如主成分分析(PCA)、局部二值模式(LBP)等。
4. 特征匹配识别：将采集到的人脸特征与系统中已注册的人脸特征进行比对，利用相似度匹配算法判定身份是否合法。
5. 开门控制：如果人脸特征匹配成功，系统会自动控制门禁设备进行开门操作。
二、功能特点基于人脸识别的智能门禁系统具有以下几个功能特点：1. 高识别率：借助于先进的人脸识别算法和算法优化，系统能够有效识别出主体的真实身份，提高门禁系统的安全性。
2. 高速识别：基于人脸特征的比对速度相对较快，可以在几秒钟内完成识别判断，实现快速通行。
3. 适应性强：系统可适应不同光照、角度的环境，在一定程度上实现对人脸姿态的容忍。
4. 高可靠性：系统对于伪造的人脸图像、照片、面具等具有较高的抵抗能力，提高门禁系统的安全性。
5. 数据管理：智能门禁系统能够方便地管理用户的人脸信息，包括用户注册、删除、权限调整等操作。
三、应用前景基于人脸识别的智能门禁系统在各个领域都有广阔的应用前景：1. 企事业单位：可应用于企事业单位的门禁进出管理、考勤打卡等场景，提高管理的效率和准确性。
2. 公共场所：如机场、火车站、地铁等公共场所的出入口管理，可提高安全性，减少人工检票的工作量。
基于人脸识别的智能门禁系统设计于实现论文
基于人脸识别的智能门禁系统设计于实现论文智能门禁系统是当前智能化建筑领域的热点研究方向之一。
本文将基于人脸识别技术，设计一种高效可靠的智能门禁系统，并通过实现论文的方法和步骤，详细阐述其设计与实现过程。
首先，我们将介绍智能门禁系统的背景与意义。
随着社会发展和科技进步，传统门禁系统逐渐不能满足现代建筑安全管理的需求。
而基于人脸识别的智能门禁系统由于其高度安全性和便捷性，成为了当前研究的热点。
本系统的设计目的在于提供一种高效可靠的门禁管理方案，能够准确识别人脸，防止非法入侵事件的发生。
接下来，我们将详细阐述智能门禁系统的设计方案。
首先，该系统的核心是基于人脸识别技术的身份验证模块。
通过采集用户的人脸图像，并将其与已存储在系统中的人脸特征库进行比对和识别，来实现对用户身份的验证。
在人脸图像采集阶段，我们将采用高像素的摄像头，并结合光线补偿技术，确保图像质量的稳定和清晰度。
其次，为了提高系统的准确性和鲁棒性，我们将采用深度学习算法来实现人脸识别模块。
具体而言，我们将使用卷积神经网络（CNN）来对人脸图像进行特征提取和分析，然后将其与特征库中的人脸特征进行比对。
为了提高系统的鲁棒性，我们还将采用数据增强技术和多样式训练策略来增加系统对各种场景和遮挡的适应能力。
除了人脸识别模块外，我们还将设计并实现其他必要的功能模块，例如门禁控制模块和数据管理模块。
门禁控制模块将负责控制门禁设备的开关，只有在用户身份验证通过后才能开启门禁。
数据管理模块将负责存储和管理用户信息、人脸特征库以及门禁日志等数据，以便系统的后续分析和查询。
为了验证智能门禁系统的性能和有效性，在论文的实现过程中，我们将进行系统的实际部署和测试。
通过拍摄一组真实场景下的人脸图像，并构建一个包含多样式和多姿态情况的人脸特征库，我们将对系统的准确率、识别速度和鲁棒性等关键指标进行评估和分析。
同时，我们还将对系统进行安全性测试，模拟各种攻击和欺骗情况，并考察系统的应对能力。
基于人脸识别技术的智能门禁管理系统设计和实现
基于人脸识别技术的智能门禁管理系统设计和实现随着科技的不断进步和发展，智能门禁管理系统以及基于人脸识别技术的应用逐渐得到了广泛的应用。
本文将结合实际案例，探讨智能门禁管理系统设计和实现的过程，并重点介绍基于人脸识别技术的应用。
一、智能门禁管理系统设计初步智能门禁管理系统是基于现代信息技术开发的一种电子门禁系统，它使用智能化设备和软件工具实现对门禁的添加、删除、修改等操作，并可以自动记录门禁信息、人员进出时间等数据，以提高门禁管理效率。
其主要功能包括门禁控制、人员识别、数据存储与管理等。
首先，门禁管理系统需要建立门禁设备，如摄像头、读卡器等。
摄像头作为一个最基本和关键的设备，可以实现对门禁区域拍摄并进行人脸识别。
读卡器则可以使用磁条卡、IC卡、RFID卡等方式进行门禁控制。
除此之外，智能门禁管理系统还需要建立数据库系统，并进行账号权限控制。
门禁控制系统需要将人员信息、门禁区域信息、门禁设备信息、访问历史记录等信息存储起来。
账号权限控制系统可以指定哪些人员可以访问门禁设备的信息，以及哪些人员可以操作门禁控制系统。
二、基于人脸识别技术的应用在门禁管理系统中，人脸识别技术是一种广泛使用的技术，它使门禁控制更加智能，同时也减少了携带门禁卡等物品的负担。
人脸识别技术可以使用摄像头拍摄的人脸图像进行判断，从而确定门禁的开启。
使用人脸识别技术可以对不法分子进行有效的防范，减少不必要的损失。
在门禁管理系统中，针对不同的使用场景，可以进行相应的优化。
例如，对于室内门禁系统，可以通过摄像头的判断，自动开门，而对于室外门禁系统，则可以利用3D相机以及人脸识别技术组合，确定门禁开启和关闭。
另外，在人脸识别技术应用中，还可以使用深度学习算法进行训练和优化。
通过训练大量的人脸图片，人脸识别系统能够不断提升识别准确率和效率。
三、智能门禁管理系统的实际应用智能门禁管理系统具有广泛的应用场景，如学校、企业、机关、公共场所等。
在实际应用过程中，门禁管理系统建设需要深入考虑建设的需求和功能，定制化的门禁管理系统录入、维护以及数据管理的保证。
基于人脸识别技术的智能门锁系统设计与开发
基于人脸识别技术的智能门锁系统设计与开发智能门锁系统是近年来发展迅速的一种智能家居产品，它利用先进的人脸识别技术，提供便捷、安全的门禁管理方案。
本文将介绍基于人脸识别技术的智能门锁系统的设计与开发。
一、智能门锁系统的基本原理智能门锁系统基于人脸识别技术，主要包括以下几个模块：图像采集模块、人脸检测与识别模块、决策与控制模块。
其中，图像采集模块用于采集门外人员的图像；人脸检测与识别模块用于对采集到的图像进行处理，提取出人脸区域并进行识别；决策与控制模块根据人脸识别结果判断是否开锁。
二、系统的设计与开发步骤1. 硬件设计智能门锁系统的硬件设计需要考虑以下几个方面：摄像头选择、图像处理芯片、控制模块、显示模块等。
首先，需要选择一款高像素的摄像头，用于图像的采集。
其次，图像处理芯片负责对采集到的图像进行处理，提取人脸特征。
控制模块负责决策和控制门锁的开关。
最后，显示模块用于显示开锁状态、用户信息等。
2. 软件设计智能门锁系统的软件设计主要涉及图像处理算法和决策算法。
图像处理算法使用人脸检测和识别的技术，通过比对采集到的人脸特征与数据库中的特征进行匹配，以确定用户身份。
决策算法根据人脸识别结果，判断是否允许开锁。
3. 数据库设计智能门锁系统的数据库设计是系统开发的重要一步。
数据库中存储了用户的人脸特征数据，用于与采集到的人脸特征进行匹配。
同时，数据库还可以存储用户的开锁记录、权限等信息，方便后期的管理和查询。
4. 系统集成与测试完成硬件设计、软件设计和数据库设计后，需要进行系统集成与测试。
首先，将设计好的硬件模块连接起来，并编写软件程序进行测试。
测试过程中要检查人脸识别的准确性、开锁的及时性和系统的稳定性。
三、智能门锁系统的优势与应用场景1. 优势基于人脸识别技术的智能门锁系统具有以下优势：（1）方便快捷：通过人脸识别技术，用户无需携带任何物品，只需站在门前即可完成开锁操作。
（2）高安全性：人脸识别技术具有较高的识别准确性和可靠性，有效防止了身份冒用、密码泄露等问题。
基于人脸识别技术的闸机门禁系统设计
基于人脸识别技术的闸机门禁系统设计近年来，随着科技的不断进步，人脸识别技术的应用场景越来越广泛。
在各种门禁系统中，基于人脸识别技术的闸机门禁系统已成为一种高效、安全和便捷的方案。
本文将详细介绍基于人脸识别技术的闸机门禁系统的设计原理、技术要点以及优势。
首先，基于人脸识别技术的闸机门禁系统的设计原理基于人脸识别技术的最基本原理——通过对输入的人脸图像进行分析和比对，判断其是否与预存的人脸信息相匹配。
门禁系统通过安装摄像头进行人脸图像采集，然后将采集到的图像与数据库中已存储的人脸图像进行比对，以实现身份验证和门禁控制。
其次，基于人脸识别技术的闸机门禁系统的设计要点之一是合适的摄像头位置和角度。
为了获取清晰、准确的人脸图像，摄像头应设置在合适的位置和角度。
常见的安装位置有闸机上方、正对闸机和侧方等位置。
根据实际情况选择合适的位置和角度，以保证人脸图像采集的效果。
同时，门禁系统的识别速度和准确度也是设计中需要考虑的重要要点。
为了提高识别速度，系统可以采用快速人脸检测算法，利用人脸的特征点信息进行快速识别。
在提高准确度方面，可以采用深度学习算法，使系统对人脸的识别更加准确可靠。
此外，基于人脸识别技术的闸机门禁系统设计还需要考虑多种应对策略。
例如，系统需要能够应对不同光照条件、不同角度的人脸、戴眼镜或佩戴口罩等情况的识别。
为了解决这些问题，可以引入图像增强技术，如直方图均衡化、滤波算法等，以提高图像的质量和可识别性。
基于人脸识别技术的闸机门禁系统相比传统门禁系统有许多优势。
首先，它可以实现非接触式身份验证，免去了持卡人员刷卡的步骤，提高了通行效率。
其次，与传统的密码锁和刷卡方式相比，基于人脸识别的门禁系统更加安全可靠，防止了密码和卡片被盗用的风险。
另外，该系统对于残疾人士更加友好，他们无需携带卡片或输入密码，只需展示脸部即可实现通行。
然而，基于人脸识别技术的闸机门禁系统也存在一些潜在的问题和挑战。
首先，对于一些特定条件下的人脸，如低质量图像或戴眼镜或佩戴口罩的人脸，系统可能会出现较高的误识别率。
- 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)。
后台管理程序实时监控各个出入口的人员 进出情况 ,对捕获的人脸图像进行实时处理 。后 台管理程序发送提示或者报警信息以及人脸模 板数据信息给门禁控制器 ,同时 ,显示人脸图像 或文档信息等有关判别结果 。
人脸图像识别模块链接着基于贝叶斯估计 的分类识别方法 、基于 RBF网络和贝叶斯分类器 融合的人脸识别方法两个选项 。 3. 5. 1 贝叶斯估计识别模块的设计
人脸图像分块后 ,应用奇异值分解方法进行 数据压缩 ,对每个特征分块设计一个贝叶斯分类 器 ,最后将这些分类器进行融合 ,如图 3所示 。
图 3 算法框架图
第 k个输出节点的连接权值
测试时 ,利用贝叶斯估计的方法设置隐含层
函数
Pb
Δ( b)
<G
|Ωi
>和 输 出 层 函 数
S ( Ii ,
Ij )
=
L
∑ωb Pb
b =1
Δ( b)
<G
|Ωi
>。
3. 6 识别结果模块的设计
利用贝叶斯分类器估计测试样本与训练样
本之间的人脸图像相似度 ,满足阈值初始化设定
征空间的数据 ,供测试时与待测人脸图像对应的 特征空间进行对比识别 。
对 YALE人脸图像库中选定的图像进行训 练后 ,得到人脸图像矩阵 、整幅人脸图像的特征 脸空间 、子图像的特征脸空间等数据 ,存储在人 脸数据库中 ,以备实时调用 。加入新的人脸图像 的类别样本时 ,需要重新针对所有样本图像进行 训练 ,更新人脸数据库 。 3. 5 人脸图像识别模块的设计
读入的训练或者测试人脸图像经过几何尺 度与灰度的归一化处理 ,进行人脸图像矩阵的奇 异值分解 。本文采用双线性插值方法对图像进 行尺度归一化 ,几何归一后的图像再经灰度均衡 化处理 。人脸图像的直方图均衡化是实现图像 增强的一种有效途径 。 3. 3 人脸特征提取模块的设计
在训练或测试时 ,通过模块中功能设置的选 取 ,设定链接进行人脸子图像的特征提取 。
干门禁控制器和门禁服务器 ,是传输门禁日志数 据和其他重要数据信息的通信通道 。门禁安防 报警系统的特殊工种性质对其工作环境的安全 性和可靠性提出了极高的要求 。因此 ,在实际应 用中 ,门禁系统的局域网要和其他局域网相互分 隔 ,在封闭性的环境中单独使用 。门禁安防报警 系统的局域网采用总线式布局 ,易于安装和进行 日常维护 。
·楼宇自动化 ·
图 2 人脸图像识别系统的功能模块框图
在进行人脸图像识别方法的对比分析时 ,通 过人脸图像识别系统的文件操作按钮 ,可选择基 于整幅人脸图像的识别方法或者基于子图像的 识别方法进行人脸识别 。选择基于子图像的识别 方法后 ,进一步设定子图像的数目 、子图像的权 值等参数 。 3. 2 图像预处理模块的设计
吴成东 (1960 —) ,男 ,教授 ,研究方向为图像处理及应用技术 、无线传感器网络 、建筑智能化 、智能控制和多传感器融合 。 郑君刚 (1973 —) ,男 ,讲师 ,研究方向为智能建筑和无线传感器网络技术 。 3 基金项目 : 建设部科研基金项目 (2007 2K03 204 )
·1·
的安保措施 。 作为门禁系统的通信媒介 ,局域网连接着若
子图像所对应人脸的不同特征 ,在识别过程 中所起的作用是不相同的 。面部骨骼特征 、眼睛 的分布 、鼻子的形状等是鉴别人脸的主要依据 。 基于整幅人脸图像的向量求取特征空间时 ,计算 量非常大 。当样本空间很大或者人脸图像像素 较大时 ,对识别速度会有很大影响 。进行加权特 征处理 ,使人脸识别问题得到了很好的解决 。
<G
|Ωi
>是由
第 b个贝叶斯分类器计算出的类条件概率密度 ,
·3·
ω b
是第
b个贝叶斯分类器对应的权值 。
3. 5. 2 RB F神经网络识别模块的设计
RBF神经网络为三层结构 ,如图 4所示 。
·楼宇自动化 ·
图 5 情况 1的权值分配
图 4 RB F神经网络结构
训练时 ,输入层的维数 r与子图像的数目对
人脸图像的特征提取方法的实现流程如下 : (1) 从人脸库中选择人脸作为识别训练集 。 (2) 将被选入训练集的人脸图像几何归一 。 (3) 将被选入训练集的人脸图像灰度归一 。 (4) 将预处理过的人脸图像分为 n个子块 。 (5) 将每一幅图像变为一个列向量 (先分别 将每一个子块所有向量排成一列 ,再将 n个子块 按顺序排成一列 ) ,然后以子块为单位进行 。 (6) 计算全部人脸图像的均值 。 (7) 计算每一类人脸图像的平均脸 ,同时将 人脸图像列向量与类内平均脸进行“差 ”运算 。 利用训练学习过程获得的人脸图像数据库中的 整幅图像或子图像特征空间的数据 ,与测试人脸 图像进行计算 ,获得图像差 。 3. 4 人脸数据库模块的设计 人脸数据库模块的两个选项分别链接着人 脸图像库中整幅人脸图像特征空间和子图像特
b9 =1,权值分配情况如图 5所示 。满足阈值要求 的人脸图像输出情况和必要的文字说明如图 6 所示 。图中选择的人脸图像输出比例为 100% , 也可选择其他的人脸图像输出比例 。 (2) b1 = b3 =4, b5 =3, b8 =2, b2 = b4 = b6 = b7 =
·4·
图 6 100%的比例输出情况
·2·
·楼宇自动化 ·
脸图像和 ID 卡信息转换为能够继续处理的数字 信息 。去噪 、预滤波以及归一化等程序处理可由 数字信号处理器 (D igital Signal Processor, DSP)来 完成 ,输出为可直接进一步处理的数字信息 。
(3) 样本模式匹配 。该模块的功能是将经 预处理后的人脸图像进行奇异值特征提取 ,与 ID 卡信息相对应的子库中的人脸图像进行匹配处 理等 。
本文采取加权求和的方法 :
L
∑ S ( Ii , Ij ) =ω b NhomakorabeaPb
Δ( b)
<G
|
Ω i
>
(1)
b =1
其中 : S ( Ii , Ij ) 表示两幅图像 Ii 与 Ij 的相似度 , L
是贝叶斯分类器
(
FBBC
)
的
总
数
,
Δ( b) G
是
Ii 与
Ij
的第
b个特征块之间的差值 ,
Pb
Δ( b)
本文利用 MATLAB 仿真软件 ,在管理操作界 面的设计中 ,应用各种模块操作按钮将人脸图像 识别系统的各种处理和算法的实现程序进行链 接 ,用户可以非常方便地对人脸图像仿真识别系 统进行操作使用 , 使系统运行结果能直观地显 示。
1 智能门禁系统的结构
智能门禁系统的硬件组成如图 1 所示 。门 禁终端的电锁安装在各自所控制的门上 ,根据传 输的不同识别信号执行打开或关闭门的动作 ,也 能根据门的状态发出不同的提示或报警信号 。
2 智能门禁系统的工作过程
智能门禁系统包括人脸图像库 、人脸特征库 和文本信息库 。根据人员的编号 ,将人脸数据库 分成若干个子库 。为了保证系统的识别率和缩 短识别时间 ,将人脸识别与 ID 卡技术相结合 。
智能门禁系统功能的实现过程如下 : (1) 录入启动 。该模块的功能在判断有人 脸图像输入或者有人脸图像和 ID 卡信息同时输 入时 ,启动设备录入来访者图像和 ID 卡信息 ,作 为待识别的测试样本 ;否则 ,设备处于待机状态 。 (2) 预处理 。该模块的功能是将录入的人
智能建筑的控制终端若为无人看管的一般 通道 ,可以仅由 ID 卡信息判别通断 ;对于重要通 道 ,则采用人脸识别技术 ,与 ID 卡信息判别相配 合 ,每次提取的人脸图像都要与网上通缉人员的 样本库相比对 ,判断为同一人的 ,触发报警提示 , 以便安保人员采取进一步措施 。为了快速识别 , 本部人员在被提取人脸图像的同时录入 ID 卡信 息 ,被提取的人脸图像经处理后 ,直接与 ID 卡信 息编码所对应的样本图像比对 ,大大缩短了运算 时间 。若判断为身份属实 ,控制终端自动开锁 ; 若判断为身份不符 ,提示来访者按照规范条件重 新录入人脸图像 ,进行下一次识别 (设定识别次 数 n) 。对于系统无法识别身份的人员 ,通道控制 终端拒绝来访者进入或者向安保人员发出提示 信号 ,进行人工登记 ,验证身份 。
值的人脸图像和相关类别情况的文字说明显示
在相应界面内 。满足阈值要求的人脸图像可按
100%的比例输出 ,也可按照其他比例输出 。
4 仿真试验结果及分析
利用 Yale人脸图像库中的人脸图像 ,分以下 4种分块加权的情况进行试验 。
( 1) b1 = b3 = 4, b5 = b8 = 2, b2 = b4 = b6 = b7 =
电锁与门禁控制器相互连接 ,识别信号传输至门 禁控制器转换后为控制信号 ,驱动电锁 ,控制门 的开关 。门禁控制器接收电锁的回馈信号 ,分析 和判断电锁目前的工作状态 ,将判断信号传输至 安防报警系统 ,进一步驱动执行装置 。
图 1 智能门禁系统的结构
结合 ID 卡和人脸识别技术的门禁安防报警 系统 ,能够通过来访者的 ID 卡号和人脸图像信 息进行判断 ,有效地控制门禁通道开关和报警后
b9 = 1。
( 3) b1 = b3 = 4, b2 = b8 = 0, b2 = b4 = b6 = b7 = b9 = 1。
( 4) b1 = b3 =4, b5 = 3, b8 = 0, b2 = b4 = b6 = b7 = b9 = 1。 表 1、表 2给出了仿真试验结果 。结果表明 , 通过子图像权值的分配 ,突出人脸骨骼特征 ,识 别效果良好 。模拟人类识别人脸时主要依据人 脸骨骼等稳定特征 ,而对嘴部和皮肤皱纹等表情 变化部分特征给予弱化或剔除 。通过对人脸图像 进行分块 ,降低了图像维度 ,减小了计算量 。