人臉識別在門禁系統中的應用探討

闕非

摘 要：近幾年來，隨著生物特征技術的不斷發展，人臉識別技術作為其中的杰出代表，其發展勢頭可謂突飛猛進，也受到許多科學家和企業家的密切關注。人臉識別技術具有方便快捷、安全可靠的優點，在許多領域應用廣泛。本文將人臉識別技術應用于門禁系統，并設計了一種有效提升人臉識別門禁系統的識別率，在設計過程中采用較新的特征提取技術，即PCA和支持向量機相結合的方法，可以快速實現人臉面部識別。

關鍵詞：人臉識別技術；門禁系統；特征提取技術

一、人臉識別門禁系統設計方案

人臉識別的過程主要由人臉檢測、人臉特征提取和人臉對比組成。要想使人臉門禁系統有效的使用，必須先建立一個人臉存儲信息庫，將允許訪問的人員面部信息進行采集，并存儲在人臉信息數據庫中。當有訪問者來訪時，人臉識別系統獲取訪問者的面部信息是利用攝像頭來完成的，并將收集到的信息輸入計算機中，和儲存在數據庫中的人臉信息進行比對，符合要求時，門禁自動開啟，允許訪問者進入，整個過程非常短暫。為了避免信息比對失敗，系統必須在人像信息與數據庫人像比對前進行一些處理，防止表情、光照等因素對采集信息的干擾，在處理過后，通過對人像信息特征進行提取、識別比對，如果比對成功，計算機下達開門指令，門禁系統會開啟，如果不成功，門禁系統不僅不會將門打開，還會將來訪者的人臉信息記錄在案，方便以后的快速處理。人臉識別門禁系統的簡單結構示意圖如圖1所示。為了確保人臉信息數據庫內記錄的人員能夠有其他方式開啟門禁系統，可以實現用戶使用ID卡刷卡進入，通過對卡片上的用戶照片進行人臉識別比對來驗證用戶身份是否屬實，其原理與直接使用人臉識別相同。為了節省成本，在進行信息采集的過程中，應盡量使人臉位置處于畫面的中央或者通過手動輸入允許訪問者的近期生活照片，這樣在后期用戶訪問門禁系統時能提高效率和節省計算機處理時間。人臉識別門禁系統在檢測到用戶通過后迅速關閉閘口，防止有不良分子趁機尾隨進入，人臉識別門禁系統中的對門鎖的控制是選用的單片機。

二、人臉識別過程

本文所介紹的人臉識別過程主要包括：人臉檢測、預處理、特征提取和分類識別。

（一）預處理

由于來訪者的人像采集可能會受到如來訪者的面部表情、噪聲、光照、頭發等因素的干擾，可能會對后期與數據庫中的人像比對產生不良影響，造成計算機的誤處理，將應該進入的來訪者拒之門外。因此，在通過攝像機對人像進行人臉特征提取過程之前，要對人像信息進行預處理，通過對有效信息的強化來減少其他影響因素對人臉信息的干擾。在處理光照對人像信息的影響時，需要對樣本進行照度、梯度處理，降低曝光率。預處理的方法采取的是人臉歸一化，有兩個方面的內容，一個是灰度歸一化，一個是幾何歸一化。灰度歸一化是對圖像進行光線的補償，來克服光照對其的影響。幾何歸一化是通過對人臉圖像的縮放、旋轉等，令面部的各項特征在圖像上的位置具有一致性。換句話說，這種方法是采用廣義對稱變換的方法來檢測眼睛所處的位置，并以眼睛的位置為基準，對人臉圖像在平面內進行旋轉，將雙眼的位置調整到同一水平線上，再對圖像進行放大、縮小，最終調整到合適位置。

（二）人臉特征提取

不同的人，其面部具有很多不同的特征，人臉的高度唯一性使得數據處理量龐大。因此表征人臉的原始特征對應于高維空間的數據，如果不加以處理，計算量大，計算速度緩慢，降低了處理速度，制約人臉識別的進一步發展。因此，在進行人臉識別之前，必須進行降維，就是處理的數據應盡可能在較低維數的空間中對識別的信息進行有效的處理。常用的特征提取算法有兩種：主成分分析、線性判別分析。但這兩種算法必須經二維的圖像矩陣轉化為一維的列向量，這樣會造成圖像的位數過大，提取信息的速度較慢，會使人臉門禁系統的反應時間變長。兩種人臉特征提取技術：一是基于奇異值分解的人臉特征提取技術，二是基于模型的人臉識別技術?；谄娈愔捣纸獾娜四樚卣魈崛∈且环N從高維到低維的數據變換技術，已經運用于數據壓縮、信號處理和模式分析等方面，并取得不錯的效果。基于奇異值分解的人臉識別技術是一種基于人臉整體特征的提取方法。基于模型的人臉識別技術是目前人臉識別技術的重要發展方向，它還有幾個分支，其核心思想是在某種局部點的模型匹配上，采用統計模型對來訪者的人臉形狀進行約束，從而變成一個優化問題，并得到最優解的過程。這種方法的識別準確性高，但識別效率相比前者較低，應用范圍較窄。

（三）身份識別

進行人臉識別時，特征對模塊進行提取后，分類是采用分類器通過模塊提取的特征向量實現的，并最終確定來訪者的身份信息。人臉識別的最終目的就是通過對特征的提取、分類，將來訪者的人臉特征與數據庫中的人臉信息進行比對，判斷來訪者能否進入門禁之中。

三、實驗結果與分析

本文采用的是ORL人臉數據庫作為實驗數據來對本文描述的人臉識別門禁系統的具體性能進行驗證。數據庫中共有40個人，共400幅，不同姿勢，不同表情以及不同光照條件的人臉圖像。實驗采取的是用每個人前五幅圖像作為模板，后五幅進行測試，得到的實驗結果如表1所示。

表1 各種識別方法的識別率

從表中可以清楚的看出PCA和SVD結合支持向量機的人臉識別算法的辨別率較高。對支持向量機進行進一步的識別過程發現，PCA和支持向量機的結合，對圖像處理和識別方法具有較高的識別率，并對圖像的表情、旋轉、位移和尺寸變換具有一定的魯棒性，但在面部有較明顯表情變化的圖像中識別率較低，因此，要求來訪者不能有較大的面部表情變化。

四、結語

總之，門禁系統在對個人和單位的人身和財產安全保障方面具有重要的作用，但在人臉識別和身份認證方面還有較大的研究空間，人臉識別技術在不可仿造性、方便性、安全性等方面的突出優點，讓它在生物特征識別領域大發展非常迅猛，隨著企業對人臉識別技術的大力研發，其智能化水平越來越高，成本也在逐漸降低，應用范圍也在不斷擴大。

參考文獻：

[1]張晉銘.人臉識別在門禁系統中的應用[J].電子制作，2019（06）：51-53+98.

[2]朱盛萍，寧江.人臉識別技術門禁系統在高校公寓管理中的應用[J].科技創新與應用，2018（18）：195-196.

[3]劉輝，葛昊.人臉識別技術在門禁系統中的應用研究[J].無線互聯科技，2017（24）：132-133+138.

[4]王堂旺. 嵌入式人臉識別技術在門禁系統中的應用[D].江蘇科技大學，2016.