劉輝+葛昊

摘 要：近幾年，作為生物特征識(shí)別技術(shù)中非常重要的一項(xiàng)，人臉識(shí)別技術(shù)具有獨(dú)特的發(fā)展優(yōu)勢，逐漸成為人工智能以及模式識(shí)別的一項(xiàng)焦點(diǎn)，受到了很多研究者以及機(jī)構(gòu)的關(guān)注。人臉識(shí)別技術(shù)具有方便、直接以及友好的優(yōu)勢，因此在很多領(lǐng)域得到了廣泛的應(yīng)用。文章將人臉識(shí)別技術(shù)應(yīng)用于門禁系統(tǒng)，制定出一種設(shè)計(jì)方案有效提升人臉識(shí)別門禁系統(tǒng)的識(shí)別效率，在系統(tǒng)設(shè)計(jì)的過程中采用了較新的特征提取算法，即2DLDA算法來實(shí)現(xiàn)人臉特征的識(shí)別，最后使用鄰分類器來實(shí)現(xiàn)分類識(shí)別的功能。

關(guān)鍵詞：人臉識(shí)別技術(shù)；門禁系統(tǒng)；生物特征

近幾年，隨著生物特征識(shí)別技術(shù)的不斷發(fā)展成熟，生物特征識(shí)別技術(shù)在門禁系統(tǒng)中的應(yīng)用逐漸變成主流。具體來講，生物特征識(shí)別技術(shù)應(yīng)用于門禁系統(tǒng)中就是按照人的特征為識(shí)別條件的門禁系統(tǒng)，生物特征識(shí)別技術(shù)包括人臉、虹膜、指紋、手形以及語音識(shí)別等。相對(duì)于其他的識(shí)別技術(shù)來說，人臉識(shí)別技術(shù)在利用的過程中具有獨(dú)特的優(yōu)勢，比如，在圖像信息采集的過程中相對(duì)比較方便，不需要專門的儀器，所以成本相對(duì)而言較低，使得人臉識(shí)別技術(shù)逐漸成為生物特征識(shí)別技術(shù)中最為直接以及自然的一種，已經(jīng)成為目前人工智能以及模式識(shí)別的焦點(diǎn)，受到了很多研究者以及機(jī)構(gòu)的關(guān)注，應(yīng)用前景十分廣闊，在很多高校管理的過程中門禁系統(tǒng)得到了廣泛的應(yīng)用。

1 門禁系統(tǒng)設(shè)計(jì)方案

首先需要建立一個(gè)人臉數(shù)據(jù)庫，把允許訪問門禁系統(tǒng)的全部人員的人臉信息進(jìn)行采集以及存儲(chǔ)在人臉數(shù)據(jù)庫中[1]。由于ACCESS數(shù)據(jù)庫的工作效率是非常高的，所以該門禁系統(tǒng)使用這項(xiàng)數(shù)據(jù)庫來對(duì)人臉圖像信息進(jìn)行存儲(chǔ)。當(dāng)某一個(gè)人對(duì)門禁系統(tǒng)進(jìn)行訪問時(shí)，人臉識(shí)別門禁系統(tǒng)會(huì)首先通過攝像頭來獲取人像信息，然后將采集的人像信息輸進(jìn)普通的電腦中，最后再進(jìn)行人臉識(shí)別[2]。這個(gè)過程需要系統(tǒng)對(duì)來訪者的人像信息進(jìn)行預(yù)處理，避免表情、光照以及輸入設(shè)備對(duì)結(jié)果的影響，將經(jīng)過預(yù)處理的人像進(jìn)行特征提取，將提取的信息與數(shù)據(jù)庫中的人臉信息進(jìn)行識(shí)別與對(duì)比，將識(shí)別的結(jié)果進(jìn)行記錄，一旦在數(shù)據(jù)庫中識(shí)別出能夠?qū)Ρ瘸晒Φ娜四樞畔ⅲT禁系統(tǒng)就會(huì)接收到計(jì)算機(jī)的開門指令，通過門禁系統(tǒng)的硬件部分來實(shí)現(xiàn)行為，允許來訪者進(jìn)入，否則，計(jì)算機(jī)不會(huì)發(fā)出開門的指令，門禁系統(tǒng)也不會(huì)打開，還會(huì)將訪問者的人臉信息進(jìn)行記錄，方便以后的監(jiān)督。人臉識(shí)別門禁系統(tǒng)的結(jié)構(gòu)如圖1所示。

為了對(duì)控制成本，在對(duì)人臉圖像信息進(jìn)行采集的過程中，盡可能地保證可以檢測到需要的人臉信息。所以人們可以采用攝像頭來對(duì)人的面部特征進(jìn)行追蹤，在實(shí)際采集人臉圖像的過程中，保證采訪者的面部在畫面的中央，能夠?qū)崿F(xiàn)自動(dòng)放大或者縮小，以這樣的方式去適合窗口大小。同時(shí)，在人臉識(shí)別門禁系統(tǒng)中門鎖控制器選用單片機(jī)。系統(tǒng)軟件流程如圖2所示。

根據(jù)上述系統(tǒng)軟件流程圖能夠看出，人臉識(shí)別門禁系統(tǒng)具有方便、簡單、成本低以及可移植性強(qiáng)等優(yōu)勢。

2 人臉識(shí)別過程

本文所設(shè)計(jì)的人臉識(shí)別過程主要由人臉檢測、預(yù)處理、特征提取以及分類識(shí)別構(gòu)成，人臉識(shí)別門禁系統(tǒng)的人臉檢測通過攝像頭實(shí)現(xiàn)。

2.1 預(yù)處理

由于人臉圖像信息會(huì)受到噪聲、光照以及頭發(fā)等諸多因素的影響，所以在通過攝像頭記錄人臉圖像進(jìn)行特征提取的過程中，首先需要對(duì)人像信息進(jìn)行預(yù)處理，還需要通過對(duì)有效信息加強(qiáng)的方式來減少影響因素對(duì)于人臉信息退化程度。為了避免光照因素對(duì)于人像信息提取影響，需要對(duì)樣本進(jìn)行照度梯度修正，也就是通過人臉圖像的灰度值對(duì)于校正平面進(jìn)行擬合，然后剔除這個(gè)平面。

除此之外，為了保障人臉模式的一致性，還可以對(duì)人臉圖像的統(tǒng)計(jì)特征進(jìn)行進(jìn)一步的歸一化處理，這種歸一化的處理主要包括兩個(gè)方面內(nèi)容，即幾何歸一化以及灰度歸一化。幾何歸一化一般通過廣義變化法來實(shí)現(xiàn)，通過幾何歸一化來保障人臉圖像的特征點(diǎn)位置的一致性，灰度統(tǒng)一化能夠盡可能減弱光照因素對(duì)于人臉圖像的影響，一般通過光線補(bǔ)償?shù)姆绞絹硖幚砣四槇D像[3]。

2.2 人臉特征提取

人臉作為一個(gè)柔性體，能夠從人臉圖像中提取很多的特征，因此表征人臉的原始特征對(duì)應(yīng)高維空間中的數(shù)據(jù)。假如直接地處理這些高維的數(shù)據(jù)，實(shí)際的計(jì)算量是非常龐大的，所以在進(jìn)行人臉識(shí)別活動(dòng)之前，在人臉特征提取過程中進(jìn)行降維，也就是通過將高維圖像投影到低維空間內(nèi)，同時(shí)這個(gè)低維空間的信息已經(jīng)能夠?qū)崿F(xiàn)人臉特征的識(shí)別以及分類工作。簡單來講，特征提取的目標(biāo)就是盡可能在降低特征空間維數(shù)的基礎(chǔ)上，來對(duì)識(shí)別信息進(jìn)行保留進(jìn)而實(shí)現(xiàn)有效的分類。

常用的特征提取算法有主成分分析（Principal Component Analysis，PCA）和線性判別分析（Linear Discriminant Analysis，LDA）等，但是這兩種算法在對(duì)人臉圖像進(jìn)行處理的過程中，需要將二維的圖像矩陣進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換為一維列向量，通過這樣的轉(zhuǎn)換會(huì)使得圖像的位數(shù)過大，導(dǎo)致際特征提取的速度較低，對(duì)于人臉識(shí)別門禁系統(tǒng)的時(shí)間效率造成一定的影響。并且PCA算法在實(shí)際運(yùn)用的過程中也沒有對(duì)樣本的鑒別信息進(jìn)行考慮，造成識(shí)別率相對(duì)較低的情況。LDA算法雖然對(duì)樣本的差異性進(jìn)行了充分的考慮，能夠達(dá)到較高的識(shí)別率，但是在具體的應(yīng)用過程中，因?yàn)橛?xùn)練樣本的數(shù)量比樣本的維數(shù)小很多，所以小樣本問題就很容易出現(xiàn)。對(duì)著以上方法存在的缺陷，相關(guān)的研究者開始嘗試使用二維主成分分析（2D Principal Component Analysis，2DPCA）算法，但是2DPCA算法并沒有對(duì)樣本之間的鑒別信息進(jìn)行考慮，所以具體的識(shí)別效果并不是理想。

2.3 身份識(shí)別

在人臉識(shí)別時(shí)，通過特征對(duì)模塊進(jìn)行提取之后，分類器按照模塊提取的特征向量實(shí)現(xiàn)分類，通過這樣的方式確定來訪者的身份。具體來講，人臉識(shí)別是建立在特征提取的基礎(chǔ)上的，通過一定的分類策略，將來訪者的人臉特征和數(shù)據(jù)庫中的人臉信息進(jìn)行對(duì)比識(shí)別，進(jìn)而對(duì)來訪者的身份信息進(jìn)行判斷[4]。

3 實(shí)驗(yàn)結(jié)果與分析endprint

本文采用ORL人臉數(shù)據(jù)庫作為實(shí)驗(yàn)數(shù)據(jù)來對(duì)所設(shè)計(jì)的人臉識(shí)別門禁系統(tǒng)的具體性能進(jìn)行驗(yàn)證，其中英國劍橋大學(xué)的實(shí)驗(yàn)室構(gòu)建了ORL人臉數(shù)據(jù)庫，這個(gè)人臉數(shù)據(jù)庫中包括40人的400幅人臉圖像，其中每一幅人臉圖像的大小都是92×112，圖像的灰度等級(jí)為256。這40人中每人都有10幅人臉圖像，這10幅人臉圖像是在不同的姿態(tài)、面部飾物以及表情下收集的。ORL人臉數(shù)據(jù)庫中的某些人臉圖像如圖3所示，能夠充分反映同一個(gè)人在不同的情況下人臉圖像發(fā)生的一些變化以及差異。在實(shí)驗(yàn)過程中，將ORL人臉數(shù)據(jù)庫中的人臉圖像進(jìn)行劃分，具體劃分為訓(xùn)練樣本以及測試樣本兩類，然后從中任意進(jìn)行人臉圖像的選取，將其作為訓(xùn)練樣本集，剩下的作為測試樣本集[5]。

其中Ti表示每一個(gè)人被選取作為訓(xùn)練樣本的不同姿態(tài)數(shù)。如表1所示，相對(duì)于PCA以及2DPCA來說，在特征提取過程中使用二維線性判別分析（2D Linear Discriminant Analysis，2DLDA）算法得到的識(shí)別率相對(duì)比較高。除此之外，2DLDA算法還對(duì)樣本的差異性進(jìn)行了考慮，使得提取的特征空間具有更加有效的信息數(shù)據(jù)，即使訓(xùn)練樣本較少，這種算法的實(shí)際識(shí)別率也能夠大于90%，所以2DLDA算法在人臉識(shí)別門禁系統(tǒng)中的應(yīng)用具有非常大的優(yōu)勢，能夠保障門禁系統(tǒng)識(shí)別的準(zhǔn)確性[4]。

4 結(jié)語

綜上所述，本系統(tǒng)使用的2DLDA算法不僅減少了算法的計(jì)算量以及復(fù)雜度，還有效提升了人臉識(shí)別門禁系統(tǒng)的識(shí)別效率以及正確度，進(jìn)一步完善了人臉識(shí)別門禁系統(tǒng)的功能，具有更好的商業(yè)價(jià)值。

[參考文獻(xiàn)]

[1]虞闖，魏新華，張明揚(yáng).人臉識(shí)別技術(shù)在門禁系統(tǒng)中的應(yīng)用[J].電腦開發(fā)與應(yīng)用，2010（8）：27-28.

[2]洪洋.基于人臉識(shí)別技術(shù)的門禁系統(tǒng)及其嵌入式實(shí)現(xiàn)[D].大連：大連海事大學(xué)，2012.

[3]金苗，尹業(yè)安，謝順義.基于PCA的人臉識(shí)別系統(tǒng)在綜合門禁系統(tǒng)中的研究[J].電腦知識(shí)與技術(shù)，2011（25）：6171-6172.

[4]趙福梅.人臉識(shí)別系統(tǒng)在嵌入式門禁系統(tǒng)中的研究與設(shè)計(jì)[D].太原：太原理工大學(xué)，2013.

[5]薛曉利.基于人臉識(shí)別的門禁系統(tǒng)研究[D].成都：西南交通大學(xué)，2011.

Abstract：In recent years， as a very important one in biometrics， with a unique development advantage， face recognition technology has gradually become a focus of artificial intelligence and pattern recognition， and has attracted much attention of researchers and organizations. Face recognition technology is convenient， direct and friendly， so it has been widely used in many areas. In this paper， the face recognition technology is applied to the access control system， and a design scheme is proposed to effectively improve the recognition efficiency of the face recognition access control system. In the process of system design， a new feature extraction algorithm is adopted to achieve face recognition， which is 2DLDA algorithm. Finally， adjacent classifier is used to achieve the function of classification and identification.

Key words：face recognition technology； access control system； biological characteristicsendprint