基于人脸识别技术的智能门禁系统设计

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
本文采取加权求和的方法 :
L
∑ S ( Ii , Ij ) =
ω b
Pb
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)
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
·楼宇自动化 ·
基于人脸识别技术的智能 门禁系统设计 3
陈 彪 , 吴成东 , 郑君刚 (沈阳建筑大学 , 辽宁 沈阳 110168)
摘 要 : 设计了基于人脸识别技术的智能门禁系统 。该人脸图像识别系统通过
系统各种链接功能的设置 ,将人脸图像的特征提取 、分类识别及识别结果的输出 等仿真试验过程进行直观的操作 。仿真试验数据表明 ,该系统在人脸图像识别准 确率和减少计算时间方面具有实用价值 ,基于 MATLAB 的人脸图像识别系统能够 方便用户进行识别测试操作 。
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 。
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 。
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
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
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
<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
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 。
关键词 : 智能建筑 ; 门禁系统 ; 人脸识别 ; 模块操作 ; 仿真应用
中图分类号 : TU 855 文献标志码 : A 文章编号 : 167428417 (2010) 0420001205
陈 彪 (1971 —) ,男 , 讲师 , 研究方向为智 能人脸识别 。
0 引 言
人脸识别技术目前在智能建筑的出入口控 制 、视频控制 、安防报警方面有着广泛的应用 。 人脸识别具有方便 、友好的特点 ,防欺骗性和安 全性高 ,是人工智能和建筑智能化领域的研究热 点之一 。
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 =
数据库服务器负责存储和检索门禁进出日 志 、相关人脸图像等门禁安防报警系统中大量的 数据信息 ,要求性能稳定 、可靠 。每个门禁控制 器对应控制一个门禁终端的电锁 ,门禁报警控制 器 、门禁报警服务器和门禁报警后台程序相互连 接于局域网中 ,并与门禁报警系统的数据库服务 器相连接 ,构成整个智能门禁报警系统的硬件部 分。
·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
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 。
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 。
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
人脸识别技术结合 ID 技术应用于智能建筑 的门禁安防报警系统 ,使门禁系统更安全 、可靠 , 具有良好的防伪 、防欺诈性能 。
3 人脸图像仿真系统的设计
计算机仿真系统的功能模块框图如图 2 所 示 。按照人脸图像识别的流程 ,人脸图像识别系 统主要包括以下几个模块 。 3. 1 文件模块的设计
文件模块操作按钮链接着基于整幅图像的 人脸识别方法和基于子图像的人脸识别方法两 个选项 。
门禁控制器传输的有关通行人员进出日志 或者其他重要的门禁状态信息数据 ,由门禁报警 服务器负责准确 、可靠地接收 。门禁报警服务器 对接收到的门禁状态信息数据进行实时解析 ,将 判断信号发送至控制系统 ,驱动门禁及安防报警 执行装置 ,同时将有关工作信息存入数据库服务 器中 ,以备日后查询 。
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 。
·2·
Baidu Nhomakorabea
·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 。
应 ;隐含层选用高斯核函数实现聚类算法 ,即
Ri ( x)
= exp
-
‖xj - ci ‖2 σ2
(2)
i
式中 σi ———隐含层第 i个神经元的宽度
输出层类别 k的输出值为
u
∑ yk ( sj ) = Ri ( xj )ω ( k, i)
(3)
i =1
式中 ω ( k, i) ———隐含层第 i个节点与输出层
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 。