智能人脸识别门禁系统研究

第 1 章 绪论

1.1 研究的目的及意义

当今社会，随着计算机、信息、网络等技术的不断发展，伴随而来诸多不安全的因素，例如运用高技术手段进行偷窃、抢劫等事件越来越多，一些高安全等级场所的安全要求越来越高，传统门禁系统利用密码、磁卡等验证身份，这些验证方式因具有与用户可分离、容易丢失、破译和盗用等缺点，已经不能满足现代安防需求。因而建立一个具有更安全、更可靠、更便捷的身份识别功能的门禁系统，来解决日益严重的安全问题就显得尤为重要。由于人体的生物特征具有较高的稳定性、唯一性，而且不存在丢失忘记等缺点，若将其作为门禁系统验证方式，将可以弥补传统门禁的不足[1]。

...............

1.2 人脸识别技术的国内外研究现状分析

在 1888 年和 1910 年 Calton 在《Nature》上发表两篇关于人脸识别的文章，，标志人们开始人脸识别研究，但是没有涉及到自动人脸识别的研究[11]。1965 年 Chan 和 Bledsoe 在 Panoramic Research Inc 上发表一篇学术报告开启了对自动人脸识别系统的研究[12]，至今 50 多年间涌现出许多著名的人脸识别算法，尤其是从 90 年代开始，人脸识别技术逐渐作为一门独立的学科出现，很多著名的高校、研究所、公司等开始从事人脸识别研究，从而推动了人脸识别技术的快速发展。

...............

第 2 章 人脸图像预处理及检测研究

2.1 人脸图像预处理

在现实环境下采集图像，由于图像受到光线明暗不同、脸部表情变化、阴影遮挡等众多外在因素的干扰，导致采集图像质量不理想，那就需要先对采集到的图像预处理，如果图像预处理不好,将会严重影响后续的人脸检测与识别。用到的图像预处理手段包括：灰度调整、图像尺寸归一化、噪声消除等[30,31]。

...............

2.2 基于 AdaBoost 算法的人脸检测研究

AdaBoost 算法是由 Viola 等提出的改进 Boosting 算法, 具体来说通过多次的弱学习训练成为强学习的一种算法，其通过改变数据分布实现算法，它通过每次训练中每个样本的分类正确率，和前一次的样本集整体分类准确率，确定每一个样本的权值，将新权值样本集作为下层分类器的输入进行训练，多次训练后将得到的多个弱分类器级联成强分类器。

...............

第 3 章 基于 SIFT 特征匹配的人脸识别算法研究...............24

3.1 SIFT 特征提取算法...............24

3.2 SIFT 特征点提取算法的改进..............32

第 4 章 智能人脸识别系统的设计与实现...............36

4.1 所用系统概述................ 36

4.2 开发平台选择................ 39

第 4 章 智能人脸识别系统的设计与实现

4.1 所用系统概述

Android 是一种移动智能设备(手机、平板电脑等)操作系统，是建立在Linux 开源系统基础之上，是完全为开发移动端系统而存在的软件。Android操作系统目前市场占有率达到 80%以上，处于绝对的首位。

...............

4.2 开发平台选择

服务器：东芝 L-700 型笔记本，处理器为酷睿 i3、主频为 2.2Hz，6GB 内存，操作系统为 Win7 家庭普通版。本文所有的图像处理及实验仿真和软件开发都在其上完成。

...............

结论

本文设计了一种智能人脸识别三重门禁系统，为一些高安全等级场所提供安全保证方案。本系统由移动手机端、嵌入式门禁端和后台服务器端组成，移动手机端采用 Android 系统，主要作用是验证申请入门人员身份；嵌入式门禁端主要作用为采集人脸图片，上传后台确认身份，控制门禁的开闭；后台服务器端主要进行图像的人脸匹配识别，以及与数据库中权限人身份进行匹配，成功后给嵌入式门禁端确权放行。

参考文献（略）