基于嵌入式人臉識別門禁系統的研究

司鳳玲+程建政

摘要：隨著智能時代的到來，科學技術已越來越先進化，人們的要求也越來越高，傳統的機械鎖、指紋鎖等已無法滿足人們日益增長的需求，由此提出一種基于嵌入式人臉識別的門禁系統，其中S3C2440B芯片作為核心控制器，其自身攜帶多個外接端口，用戶可以根據自己的需求，外接其他設備，同時可結合多種技術，提高整體性能。

關鍵詞：Linux；人臉識別；主成分分析；S3C2440B

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2017）34-0178-02

假如ATM取款機上安裝了嵌入式人臉識別系統，無須帶銀行卡，即可通過人臉識別開啟存取款服務，進而進行各種現金、網上交易，那么安全系數將極大提高。過去人們往往將門禁系統和PC端結合起來，但這樣使用不方便，容易受PC端控制，而且成本高，本文通過嵌入式和門禁系統相結合，同時用Linux 作為軟件操作系統平臺，以迭代、主成分分析等算法[1]，開發出嵌入式人臉識別門禁系統，成功實現門禁系統中人臉識別技術的控制入口[2]。

1 嵌入式系統與人臉識別概念

1.1 嵌入式系統概述

嵌入式系統是一種“完全嵌入受控器件內部，為特定應用而設計的專用計算機系統”，是目前最常用的系統，其執行的是帶有特定要求的預先定義的任務，能實現軟硬件的裁剪，同時也能結合多種優化技術，降低系統成本[3]。

1.2 人臉識別技術

人臉識別技術是基于人的臉部特征信息進行身份識別的一種生物識別技術。傳統的人臉技術是基于可見光圖像的人臉識別，因其對光照的極強依耐性，逐漸被替代。針對這一現象，人們研究出解決光照的兩種方法，即三維圖像人臉識別和熱成像人臉識別，但由于這兩種技術尚不完善，還有待研究開發。目前迅速發展起來的一種解決光照的技術是基于主動近紅外圖像的多光源人臉識別技術，因其能克服光照的影響，使人臉識別技術走向實用化。

2 門禁系統中關于人臉識別的算法研究

2.1 灰度化進行圖像預處理

采集一幀圖像時，由于周圍環境光照等問題的影響，攝像頭采集的圖像可能因為各種噪聲失真，為了后續的操作處理，需要對圖像進行預處理，常用方法有人臉圖像灰度化、二值化、幾何校正等操作，這里詳細介紹灰度化。

攝像頭采集的圖像有彩色和灰色之分，彩色圖像的像素點由R、G、B三種基色組成，R、G、B的含量不同，所組成的顏色也不同。在RGB模型中，R=G=B的值叫灰度值，灰度范圍為0～255，一般有四種方法對彩色圖像進行灰度化處理，分別是：分量法、最大值法、平均值法和加權平均值。本文采用的是加權平均值法，其原理是根據重要性及其他重要指標，將R、G、B三個分量以不同的權值進行加權平均，采用的公式為：Gray=0.3R+0.59G+0.11B。

2.2 Adaboost人臉檢測法

Adaboost 是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的分類器（弱分類器），然后把這些弱分類器集合起來，構成一個更強的最終分類器（強分類器），它可以進行人臉檢測，但由于人臉檢測時待檢測的窗口比較多，這時一般要采取“先重后輕”的分級分類器的思想[4]。首先利用強分類器對非人臉窗口進行排除，隨著非人臉窗口的減少，特征重要性也會逐漸降低，剩下的分類器也越來越多，但待檢測的窗口也越來越少，從而達到較好的分類效果。

2.3 PCA 算法進行人臉識別

完成人臉檢測后，需要對人臉進行特征提取，目前用得最多的是PCA算法，它是一種掌握事物主要矛盾的統計分析方法，從多元事物中找出主要影響因素，再通過降維的方法，從而簡化復雜的問題。PCA算法主要通過K-L變換來提取人臉中的主要特征，比如人眼、鼻子、嘴巴等主要器官，故PCA算法也叫“特征臉”法。當進行識別時，將獲取到的圖片投影到此空間，便可以得到一組投影系數，此組投影系數即為特征向量，然后將此特征向量與人臉庫中的特征特征向量進行一一比對，即可完成人臉識別。

PCA算法過程如下：

（1） 假設存在一個矩陣[A=m×n]，對該矩陣進行減去平均值的調整；

（2） 通過協方差公式，求得該矩陣的協方差矩陣，用Z表示，即[Z=i=1n（Xi-X）（Yi-Y）/n-1]，其中Xi、Yi分別表示X、Y的第i個分量；

（3） 計算矩陣Z的特征值D和特征向量V；

（4） 確定降維系數進行降維，若數據由m維降到K維，則在D中按順序挑選k個最大的特征值，同時在V中挑選相對應的k個特征向量，即組成新的矩陣N，N中的每一列即為A的主成分；

（5） 計算A*N即生成特征矩陣C。

3 系統硬件設計

本系統采用分模塊結構，整個系統分為主控模塊和多個分模塊結構，主控模塊和分模塊之間相互獨立，互不干擾，用戶可以通過實際情況進行其他功能模塊的添加，這樣極大提高了系統的靈活性和功能性。該系統主要由以下幾個模塊組成：嵌入式S3C2440B主控模塊、攝像頭采集模塊、網絡通信模塊、電鎖控制模塊和存儲器擴展模塊，硬件結構圖如圖1所示。

同時系統采用的硬件平臺是三星公司生產的S3C2440B芯片[5]，它是一種16/32位RISC微處理器，采用最新的AMBA架構，而S3C2440B作為ARM920T核心，具有功耗低、簡單且全靜態設計的特點，降低了系統的整體設計成本，同時還提高了系統的整體性能。S3C2440B芯片由各種內部核心器件組成，其主要組成電路如圖2所示。

4 系統軟件設計

系統上電后，先要進行初始化設置，檢查系統是否正常，若正常，當有人進入時，系統即進行人臉檢測與定位，采集圖像，和人臉庫中的圖像進行一一比對，即人臉識別，若系統中存在該人臉特征數據，即識別成功，門鎖打開；若不存在該人臉圖像數據，則系統發出報警信號，同時自動記錄其信息并保存在人臉庫中，等待管理人員進行相關信息的處理，由此設計出系統軟件結構圖，如圖3所示。endprint

5 系統功能測試

人臉門禁系統的測試主要是測試人臉識別算法的識別率和準確率，人臉庫的組成可以通過網上資源獲取或者通過用戶自行添加。本次測試從網上資源抽取10個人，每個人采取20張不同的人臉圖像，其中10張放進人臉庫中作為人臉樣本，10張用來系統功能測試；同時用戶添加的人臉有兩個，每個人分別是20張不同的人臉圖像，同樣將10張人臉圖像放進人臉庫，進行注冊，以“cj”命名放進文件夾中，其他人臉圖像用來進行測試。當有人臉經過時，系統開啟攝像頭進行人臉捕捉，將捕捉到的人臉與人臉庫中的人臉樣本進行比對，如果通過人臉識別算法，沒有找到匹配的人臉樣本，系統顯示屏出現“nobody”字樣；若通過人臉識別算法，找到人臉庫中以“cj”命名的文件夾，則門鎖控制系統自動開門。經測試，該人臉識別門禁系統準確率高，識別速度快，但受周圍環境影響較大，后期需要針對這一現象進行更深入的研究。

6 結束語

人臉識別技術是如今比較先進的生物識別技術，與其他識別技術相比，其具有不可復制性，精度高，快捷便利，不僅適用于家庭用戶，更加適用于一些安全系數較高的場所。但人臉識別技術也有其局限性，比如，隨著歲月的增長，人臉會逐漸衰老，相關特征也會發生變化，或者整容之后的人臉，而此時則需要修改相關圖像庫中的人臉樣本[6]。同時人臉相似性的情況也存在，比如雙胞胎，所以人臉識別技術也有其不確定性，需結合其他相關技術進行最優化處理。

參考文獻：

[1] 楊鳴鳴. 基于嵌入式系統的人臉識別算法研究及其優化[J]. 微型機與應用，2016，35（19）：50-52.

[2] 虞闖，魏新華，張明. 人臉識別技術在門禁系統中的應用[J]. 電腦開發與應用，2010，23（8）：27-28.

[3] 張晉暉.人臉識別系統在嵌入式門禁系統中的研究及應用[J]. 科研，2015（28）：224-224.

[4] 陳健，周利莉，史紅剛，等. 一種基于Haar波變換的彩色圖像人臉檢測方法[J]. 微計算機信息，2005，21（10）：157-159.

[5] S3C2440B微處理器芯片用戶手冊[S]. 三星電子有限公司，2007.

[6] 于本成，曹天杰. 人臉識別與指紋識別系統接口的設計與實現[J]. 微電子學與計算機，2012，29（11）：87-91.endprint