摘要：笔者主要人脸识别的智能门禁系统设计出发，分别概述了人脸识别过程、以及人脸识别技术的智能门禁系统，旨在与广大同行共同探讨学习。
关键词：人脸识别、智能门禁系统；设计
一、人脸识别的智能门禁系统设计
基于人脸识别的门禁系统主要由四个部分组成：人脸图像采集、人脸检测与巧别、门禁系统控制、远程网络请求。其中涉及到Linux操作系统、ARM平台软件开发、QT应用程序开发、图像处理、运动检测、模式识别、计算机视觉、嵌入式驱动、继电器控制电路、智能终端软件开发等多方面知识。在进行需求分析、系统框架设计、硬件分析、软件需求分析后设计一套合理的解决方案，使人脸识别系统能实时、准确、高效。
1.系统整体框架设计
基于人脸识别的门禁系统主要功能是将摄像头采集到的图像进行识别，如果通过身份鉴定就打开门锁，如果鉴定失败访客依然要打开门禁则报警。系统的整体框架结构图如2-1所示：
图1-1 系统框架结构
本文设计了完整的门禁系统，其中采集模块配合ARM系统完成用户信息录入，图像采集模块是整个系统的眼睛，由于课题中要求图像实时性要求图像至少24顿每巧，对于嵌入式设备而言会占用较多系统资源，可针对设计需求选择CCD或者CMOS摄像头。摄像头接口可采用ARM开发板自带的摄像头接口和外围可扩展USB摄像头两种，本文后续章节将详细介绍它们之间的差异并选择最优方案。
控制模块是整个系统的核也部分，其中硬件部分包括ARM处理器S3C2440芯片，存储巧片，网卡，显示器，串口，USB接口等组成。软件部分主要有bootLoader，内核，文件系统和人脸识别算法，硬件驱动程序等推动系统运行。
远程网络请求部分包含了智能终端设计，本设计针对的Android设备开发交互APP，带有固定IP地址的PC主机，搭建Apanche、MySql、Java等应用交互环境，使得嵌入式设备和手机之间可以互相通信，并由手机控制门禁的开闭。
2.系统设计目标
本文的设计主要是针对家庭，小区等出入人数较少的场合，使用传统的PC进行人脸识别较为浪费资源，所以使用当今较为主流的嵌入式设备来完成整个系统功能的控制。同时由于嵌入式设备体积小，耗电量低等特点有利于安装于口上，也有利于推广，批量生产后的设各成本为较多普通用户可接受。在完成系统硬件设计及软件设计后需要系统完成以下功能：
（1）使用者可以正确输入管理员密码后进行前期头像录入，通过几次采集人脸后生成主人头像模板库，并匹配使用者姓名。
（2）完成头像录入后即可开始图像采集，在无人的情况下采集到背景，为节省系统资源，对视频图像使用可变背景的差分运算，实现实时运动目标检测，如果有人进入视野，即进行图像处理。
（3）如果匿名访客无法通过人脸识别鉴定，但是为主人朋友，可以通过对话窗口推送及时消息给主人，并截取当前摄像头采集到图像发给远程终端，由远程决定是否开启门禁。
系统在识别基本功能的同时尽可能提高人脸识别的准确度，同时缩短人脸识别的时间，在硬件方案选择时要注意选通用，易于拓展的外围模块。
二、人脸识别过程
本文所设计的人脸识别过程主要由人脸检测、预处理、特征提取以及分类识别构成，人脸识别门禁系统的人脸检测通过摄像头实现。
1.预处理
由于人脸图像信息会受到噪声、光照以及头发等诸多因素的影响，所以在通过摄像头记录人脸图像进行特征提取的过程中，首先需要对人像信息进行预处理，还需要通过对有效信息加强的方式来减少影响因素对于人脸信息退化程度。为了避免光照因素对于人像信息提取影响，需要对样本进行照度梯度修正，也就是通过人脸图像的灰度值对于校正平面进行拟合，然后剔除这个平面。
除此之外，为了保障人脸模式的一致性，还可以对人脸图像的统计特征进行进一步的归一化处理，这种归一化的处理主要包括两个方面内容，即几何归一化以及灰度归一化。几何归一化一般通过广义变化法来实现，通过几何归一化来保障人脸图像的特征点位置的一致性，灰度统一化能够尽可能减弱光照因素对于人脸图像的影响，一般通过光线补偿的方式来处理人脸图像。
2.人脸特征提取
人脸作为一个柔性体，能够从人脸图像中提取很多的特征，因此表征人脸的原始特征对应高维空间中的数据。假如直接地处理这些高维的数据，实际的计算量是非常庞大的。简单来讲，特征提取的目标就是尽可能在降低特征空间维数的基础上，来对识别信息进行保留进而实现有效的分类。
常用的特征提取算法有主成分分析（PrincipalComponent Analysis，PCA）和线性判别分析（LinearDiscriminant Analysis，LDA）等，但是这两种算法在对人脸图像进行处理的过程中，需要将二维的图像矩阵进行转换，转换为一维列向量，通过这样的转换会使得图像的位数过大，导致际特征提取的速度较低，对于人脸识别门禁系统的时间效率造成一定的影响。并且PCA算法在实际运用的过程中也没有对样本的鉴别信息进行考虑，造成识别率相对较低的情况。LDA算法虽然对样本的差异性进行了充分的考虑，能够达到较高的识别率，但是在具体的应用过程中，因为训练样本的数量比样本的维数小很多，所以小样本问题就很容易出现。对着以上方法存在的缺陷，相关的研究者开始尝试使用二维主成分分析（2D Principal Component Analysis，2DPCA）算法，但是2DPCA算法并没有对样本之间的鉴别信息进行考虑，所以具体的识别效果并不是理想。
3.身份识别
在人脸识别时，通过特征对模块进行提取之后，分类器按照模块提取的特征向量实现分类，通过这样的方式确定来访者的身份。具体来讲，人脸识别是建立在特征提取的基础上的，通过一定的分类策略，将来访者的人脸特征和数据库中的人脸信息进行对比识别，进而对来访者的身份信息进行判断。
三、人脸识别技术的智能门禁系统
在安全控制和人机交互等领域内，自动人脸识别技术有着广泛的应用。早期的人脸识别算法有基于几何特征的人脸识别（利用面部特征点的大小、位置、距离和形状等几何参数为特征进行识别）和基于模板匹配法（利用相关匹配比较待识别图像和标准模板）。
图3-1 人脸识别技术的智能门禁系统
经过多年研究，形成了人脸识别的几个主流研究方向：基于主元分析的特征脸方法是一种比较成功的人脸识别技术，掀起了人脸识别研究的第二次高潮；Fisher脸方法在特征脸的基础上，引入类内共性和类间差异的分类信息，使得投影子空间适用于分类问题；弹性图匹配法是一种解决多姿态变化问题的基于局部信息的人脸识别方法；局部特征分析法考虑了面部局部特征的信息和它们之间的拓扑关系。这些主流技术在近期得到了更为细致的研究和探索。在分类器设计方面，许多研究采用了基于神经网络的方法、基于支持向量机的方法和基于多分类器的方法。除了上述静态图像人脸识别的研究，三维图像识别研究和动态脸像识别也是人脸识别研究的重要组成部分。
结语
人脸识别门禁系统是一种全新的多功能系统，它克服了密码识别系统的局限，解决了传统密码识别系统容易被破解的缺陷，提高了系统的安全性、可靠性，本系统把人脸识别和录像监控技术有效地结合起来，功能更为完善，更具有商业价值。这种新兴的多媒体监控系统将逐步渗透到安全、生产、生活的方方面面。随着网络技术、通信技术及计算机技术的发展，它将得到更广泛的应用。
参考文献：
[1]章远杰.人脸识别系统在嵌入式门禁系统中的研究与设计[D].太原理工大学，2018
[2]黄翔昊.基于人脸识别的门禁系统研究[D].西南交通大学，2016
论文作者:周锐棠
论文发表刊物:《基层建设》2019年第22期
论文发表时间:2019/11/1
标签：特征论文; 图像论文; 的人论文; 门禁系统论文; 系统论文; 算法论文; 信息论文; 《基层建设》2019年第22期论文;