基于嵌入式的人脸识别智能门禁系统研究与设计

发布时间：2021-12-22 14:22

　　近年来,随着信息技术的飞速发展,人脸识别作为一种方便、安全的生物特征识别技术在门禁系统中得到了越来越多的应用。但目前基于人脸识别的门禁系统常以PC机作为载体且需要建立服务器,成本较高,同时使用受到网络的限制。因此,对基于嵌入式的人脸识别门禁系统的研究具有重要的意义。但其仍存在人脸检测速度慢、较少样本下识别率较低、无活体检测功能等问题。针对上述问题,本文在树莓派的嵌入式系统下,对人脸识别门禁系统进行了深入的研究与优化。首先,对Ada Boost人脸检测算法进行了研究,针对Haar-like特征描述方法计算量较大的缺点,使用改进了的LBPH特征描述方法对其进行代替,并通过实验验证了其检测时间约缩减了90%。其次,对基于PCA的人脸识别算法进行了研究,并根据其损失了结构信息这一缺点,对合法人脸数据通过透视变换模拟抬头、低头、转头的姿态进行人脸增强,使其能够在单人人脸样本较少的情况下,识别率约提升了10%,并优于其他改进算法。然后,对人脸活体检测算法进行了研究。卷积神经网络可以根据数据样本自动提取真实人脸与伪造人脸的差异特征且准确率较高,但卷积神经网络计算量大且参数量多,不适合在嵌入式设备中运... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

013-2018年中国人脸识别市场规模以往人脸识别技术常用PC机作为系统运行平台，这就会造成门禁系统成本较高、设备较笨重、体积较大、安装较繁琐等缺点

坏谌??ü?掷嗥鹘?信斜鹗欠裎?肆场Ｈ肆臣觳獾恼?个过程就是重复执行上述的三个步骤，直到遍历完整个图像。若所有候选区域中都没检测到人脸则认为该图像中不包含人脸，若有多个观察窗口检测到人脸则选择置信度最高的窗口作为检测到的人脸的位置（对人脸识别门禁系统而言，每次只对单人进行识别）。2.1.1选定人脸候选区域由于人脸出现在图像中的位置是未知的，因此需对图像中的每一块区域判断是否为人脸。在图像中选定候选区域通常使用滑动窗口法，即让区域窗口在图像中从左向右、自上而下的滑动选取图像的每一块区域，如图2.1所示。图2.1区域窗口滑动过程但这样利用区域窗口遍历图像只能检测到固定大小的人脸，而通常图像中出现的人脸大小也是未知的，所以要检测不同大小的人脸通常有两种方法：第一种方法，保持窗口大小不变，将图像按照一定比例缩小，然后在缩小后的图像中选取候选区域，如图2.2所示。第二种方法，保持图像大小不变，将区域窗口按照一定比例放大，然后利用放大后的窗口在图像中滑动选取候选区域，如图2.3所示。第一种方法的优点是计算量较小，但是图像缩小会造

浙江省硕士学位论文6成像素损失，从而使得检测精度降低。第二种方法，由于要放大区域窗口，会使得计算量较大，但是图像不会损失像素，因此检测精度较高。另一方面，整体的计算量还与候选区域的多少有关，当窗口滑动时纵向和横向的步长较大，则候选区域较少，计算量较少，但是检测人脸的位置可能不会很准确，还可能出现漏检的情况；反之，当窗口滑动时纵向和横向的步长较小，则候选区域较多，计算量较大，但是检测人脸的位置较为准确。窗口滑动的步长可以由使用场景和设备的计算能力来决定。图2.2固定滑动窗口大小选取候选区域图2.3滑动窗口缩放选取候选区域2.1.2人脸检测常用算法选定候选区域后，需在此区域图像中提取特征并通过分类器判别，实现这一过程的人脸检测算法有很多种，包括基于肤色的人脸检测算法、基于模板匹配的人脸检测算法和基于统计模型的人脸检测算法。下面对这几种人脸检测算法做简要介绍：（1）基于肤色的人脸检测算法该方法的原理是基于人脸肤色与背景颜色有较大差别的特点。主要流程为先选择色彩空间，由于在YCbCr色彩空间中，人脸肤色和非肤色重合较少，相对独立，能较好的区分人脸肤色和背景颜色，因此将RGB图像映射至YCbCr色彩空间中[12]。然后建立以简单色度空间、高斯等的肤色模型。最后通过肤色区域分割和人脸区域筛选得到人脸图像。但当肤色与背景颜色相近时，该方法检测效果较差。（2）基于模板匹配的人脸检测算法该方法通过对多个人脸样本特征提取，知识总结得到一个标准人脸模板，再用图像与此

【参考文献】：
期刊论文
[1]基于改进透视变换的结构光图像校正[J]. 王颖,李锋.  计算机与数字工程. 2019(05)
[2]指纹识别技术发展现状[J]. 顾陈磊,刘宇航,聂泽东,李景振,王磊.  中国生物医学工程学报. 2017(04)
[3]边缘计算:万物互联时代新型计算模型[J]. 施巍松,孙辉,曹杰,张权,刘伟.  计算机研究与发展. 2017(05)
[4]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[5]基于稀疏保持拉普拉斯判别分析的特征提取算法[J]. 任迎春,王志成,赵卫东,彭磊.  同济大学学报(自然科学版). 2016(04)
[6]基于交互式随机动作的人脸活体检测[J]. 黄叶珏.  软件导刊. 2015(12)
[7]基于全局和局部特征集成的人脸识别[J]. 苏煜,山世光,陈熙霖,高文.  软件学报. 2010(08)
[8]虹膜识别综述[J]. 田启川,刘正光.  计算机应用研究. 2008(05)

硕士论文
[1]基于互联网的手机控制门禁系统的研究[D]. 完东.哈尔滨理工大学 2018
[2]基于ARM9的嵌入式人脸识别系统设计[D]. 桂斌.安徽理工大学 2017
[3]基于人脸识别技术的教室考勤系统的设计和实现[D]. 刘洋.西南交通大学 2016
[4]基于嵌入式的人脸识别系统设计与实现[D]. 刘光超.西安科技大学 2016
[5]基于人工神经网络的人脸识别技术研究及应用[D]. 王垚.西安石油大学 2015
[6]基于ARM的人脸识别在智能门禁中的应用研究[D]. 刘京京.黑龙江大学 2015
[7]基于特征融合的人脸识别算法研究[D]. 张瑜.华中科技大学 2011



本文编号：3546543