基于人臉識別的商業(yè)智能系統(tǒng)分析設(shè)計

趙 偉

（燕山大學(xué)里仁學(xué)院 河北·秦皇島 066000)

0 前言

借助人臉識別技術(shù)成熟的大背景，該技術(shù)已經(jīng)在多個領(lǐng)域得到各類的推廣和應(yīng)用，例如人臉識別門禁、道路監(jiān)控、公司考勤等；該技術(shù)的優(yōu)點(diǎn)識別速度快、非接觸、非強(qiáng)制，真正實現(xiàn)無感識別。本文設(shè)計一套基于臉識別的商業(yè)系統(tǒng)，在商業(yè)領(lǐng)域?qū)⒂泻艽蟮膽?yīng)用。

1 人臉識別算法分析

1.1 局部二值模式

局部二值模式主要作用于特征提取，通過將各個像素同周圍像素進(jìn)行比較，并將結(jié)果保存為二進(jìn)制數(shù)。

（1）將檢測窗口劃分為N*N的小區(qū)域，如圖1所示；

（2）以該檢測窗口中間像素值為閾值，將與其相鄰的8個像素的灰度值進(jìn)行比較，若值大于閾值則為1，否則為0。如圖2所示；

（3）對上述已得到的二進(jìn)制數(shù)轉(zhuǎn)為十進(jìn)制，得到中心像素的LBP值，該檢測窗口的中心像素LBP值為124，并且該值不僅反饋自身一點(diǎn)的情況，還將周邊區(qū)域像素的紋理信息也反饋出來；

（4）將剩余8個點(diǎn)重復(fù)使用上述辦法計算出每一個小區(qū)域的LBP值，將所有值連接成一，即可得出整個檢測窗口的LBP紋理特征向量。

圖1：像素灰度值圖

圖2：閾值處理圖

1.2 主成分分析算法

主要用來對數(shù)據(jù)進(jìn)行降維操作。

（1）樣本集X的組成為M*N矩陣，N個樣例、M個特征維度，要將其降維到K個特征維度，其中K小于N，如式2-1所示；

（2）樣本集矩陣X的中心化，即求出樣本集X中M個維度的特征均值，其中特征均值為u(M)，如式2-2所示；

（3）樣本值減去當(dāng)前維度特征的均值，完成中心化的處理，如式2-3所示；

（4）對于樣本矩陣的協(xié)方差矩陣進(jìn)行計算；

（5）對樣本集矩陣X的協(xié)方差矩陣C的特征值和特征向量進(jìn)行計算；

（6）對特征值向量按對應(yīng)特征值大小進(jìn)行排序并按從上到下的順序排列成矩陣，取前K行組成矩陣P；

（7）對降維后的新樣本矩陣進(jìn)行計算。

2 系統(tǒng)總體模塊設(shè)計

該系統(tǒng)分為以下七個模塊：

（1）視頻圖像采集模塊：該模塊主要用來利用攝像頭將監(jiān)控區(qū)域的顧客進(jìn)行人臉檢測并進(jìn)行圖像采集。

（2）人臉識別模塊：該模塊利用圖像采集模塊保存的臨時顧客人臉信息，進(jìn)行圖像處理，并與會員信息庫的人臉信息進(jìn)行比對和相似度計算，用來區(qū)分是否為本店鋪會員。

（3）管理員信息管理模塊：本模塊主要用來負(fù)責(zé)管理員信息的登錄注冊。

（4）會員信息管理模塊：會員信息的注冊、會員信息的查詢、修改和刪除功能均有該模塊完成。

（5）店鋪信息管理模塊：本模塊可以添加店鋪的信息，如管理員用戶名、店鋪名稱、所在位置的信息。

（6）攝像頭管理模塊：本模塊由管理員對攝像頭信息進(jìn)行管理。

（7）顧客行為信息管理模塊：本模塊由系統(tǒng)來對到店顧客的頻次信息進(jìn)行處理。

3 數(shù)據(jù)庫設(shè)計

（1）管理員：管理員ID、用戶名、密碼；

（2）顧客：顧客ID、姓名、手機(jī)號、出生年月、用戶類型、性別、會員卡號、會員積分、會員等級、照片；

（3）店鋪信息：店鋪ID、管理員用戶名、管理員密碼、店鋪位置、店名、聯(lián)系電話、店長、申請碼；

（4）攝像頭：攝像頭ID、所在店鋪；

（5）顧客行為：攝像頭ID、顧客ID、記錄時間、圖片位置；

（6）顧客行為處理：顧客ID、到店次數(shù)；

（7）顧客行為分析：攝像頭ID、顧客ID、記錄時間；

（8）顧客全部行為記錄：攝像頭ID、顧客ID、記錄時間、圖片位置。

4 結(jié)束語

本文將人臉識別技術(shù)與商業(yè)應(yīng)用相結(jié)合，進(jìn)行了系統(tǒng)的分析與設(shè)計，通過該系統(tǒng)，可以有效的收據(jù)商業(yè)用戶的信息，通過對數(shù)據(jù)的進(jìn)一步分析，也可以獲取很多有價值的信息。