基于人脸识别的门禁系统设计与实现

基于人脸识别的门禁系统设计与实现TheStudyofFaceRecognitionandApplicationsintheVenuesAccessControlSystem摘要伴随着世界经济的飞速发展，在现代社会当中，对于企业相关知识产权的保护一直是企业关注的重点。但是，由于在日常的经济活动当中，企业内部常常有非内部人员进入到企业当中，因此，如何通过一定的方法限定其活动区域就成为企业保护自身核心竞争力安全的重要方法。而随着现代生物技术产业的飞速发展以及其与计算机领域联系的日益紧密，通过生物学与计算机相结合的方法成为许多门禁系统研究的热门方向。作为一种特殊的生物识别方法,人脸识别系统相比于其他的识别系统而言具有特异性强、识别误差小、使用方便以及普适性优良等特点在许多行业当中得到了广泛的研究与应用。自从上世纪六十年代Chan&Bledsoe提出利用人脸特征进行身份识别与鉴定以来,人脸识别技术得到了长足的发展,并出现了一些典型算法与系统。但是，在实际的应用过程当中，由于实验的条件与现实环境当中的条件存在较大的差异，因此，实验中所取得的数据在现实生活当中并不能完全的重复出来，因此，有多的测试性能良好的识别方式在实际的应用过程当中的效果并不明显。相关的研究表明，早诸多影响因素当中，对于人脸识别影响最为显著的因素主要有采集以及识别过程当中的光线强度、识别对象的表情以及年龄等、信息采集与应用过程当中采集对象的姿态等。因此要研究出实用的、大众可接受的人脸识别系统还有很多工作要做。本文是在现有人脸识别技术的基础上,重点探讨了影响人脸识别性能的几个方面。本论文的主要工作如下:(1)研究了人脸特征点的精确定位方法,介绍了常用的人眼定位方法,指出了这些方法的不足,并提出了一种联合的人眼睛精确定位算法,并测试、分析了该算法定位效果。(2)总结了人脸识别中现有的光照问题解决方法,利用小波技术分析了光照、表情等变化对人脸图像低频信息的影响。提出了一种基于小波重建的人脸去光照方法,并分析和比较了该算法处理受光照、表情影响人脸图像的识别效果。(3)分析了现阶段比较典型的人脸图像的特征提取方法,指出了各个算法的优点和不足之处,提出了一种新提取人脸图像中有利于识别的全局信息和局部结构信息的独立源特征的方法。并在公开数据库上进行了测试比较与分析。(4)设计并实现了一个模块化的人脸识别算法仿真与开发平台,并详细地介绍了各个模块应用的算法与工作流程。结合人脸识别技术在大型场馆门禁系统中的应用,给出了一种基于集群计算机工作模式的门禁系统,并引入了Intel的MMX\SSE技术的系统并行加速算法。(5)介绍了人脸识别门禁系统在2008年好运北京测试赛以及29届北京奥运会场馆门禁系统中的应用,给出了系统测试性能,并进行了分析。本论文的研究成果不但在鲁棒人脸识别技术上有一定的参考意义,而且对系统的高速实时运行有一定的借鉴意义,所提出的算法部分已成功地应用在2008年好运北京测试赛、29届北京奥运会以及残奥会场馆门禁系统中。关键词:人脸识别;人脸检测;特征点精确定位;特征提取;门禁系统;并行加速处理第一章绪论1.1研究背景与意义门禁系统从字面上理解，就是对于出入口通道权限的管理或者是限制，是从传统的机械锁上逐渐发展而来的。安全管理是企业的生存之本，出入口的安全及管理问题对于每个企业来说更是重中之重。在日常工作中，安全管控最常使用的方法就是对于员工及来访人员的监管，随着企业的做大做强，员工的数量增多，来访人流的加剧，或者说企业内部对于员工的限制，某些区域需要特定的身份才可以进入，某些区域或许就不让员工进入，如何解决这些方面的问题，就成了企业急需解决的问题。门禁系统是解决以上问题的主要办法，现在市场上的门禁系统基本是上使用密码、接触式IC卡，非接触的射频卡或者指纹认证来解决。但是密码被遗忘、卡被盗、指纹被盗的案例屡见不鲜，同时随着人员的增多，这种可以离开人这个本体的物理特征，对于安全管理来说本身就是一个巨大的漏洞。生物识别的出现能够很好的解决物理特征脱离个体而存在的问题。随着快速生活的到来，社会各方面都在致力于研究各种办法来解决快速识别个人身份的问题。如同目前已被广泛使用的指纹、DNA、虹膜、气味及声纹等生物特征，人脸识别是一种新兴的，同时又是一种最为古老的识别方式，因为人与生俱来就具有人脸识别的能力，自上个世纪六十年代起，人们开始对使用机械进行人脸识别进行了研究，作为生物特征比对方式的一种，人脸特征具有唯一性。然而相较于其他的身份鉴定方式，人脸识别具有更友好的采集方式，更快速的对比效率，更低廉的使用成本。目前，人脸识别技术已经被广泛的应用到各个行业内，如公安追踪，海关边检及社会重点区域监控等，接下来人脸识别将走进商业，慢慢的改变我们的生活模式。人脸是相对于其他比对手段来说，是随身携带，长久不变的，人脸的采集具有隐蔽性、非接触性相比其他的身份认证具有很好的友好性，同时人脸识别又是可以避免因使用照片、蜡像等手段骗取密码获取权限的有效手段。目前，国内安防监控技术已经遍布各处，但大多应用在大型公共场合，例如火车站、码头、机场。2008北京奥运会和上海世博会也用到了相应的人脸识别技术。随着科技的兴起，物联网的日益发达，我国家庭安防也步入起步阶段，日后也将会成为网络智能家庭业务的组成部分。1.2人脸识别的门禁系统研究现状人脸识别系统的开发可以追述到二十世纪初Galton在《Nature》杂志发表的两篇关于利用人脸进行身份识别的文章,其标志着人脸识别系统开始被人们所意识到，这为后来人脸识别系统额应用开创了方向。自从人脸识别系统被人们意识到之后，其自身显著的优势逐渐引起许多相关学者研究的极大兴趣，在这当中尤以六十年代作为分水岭，从那时起，许多研究人员将大量的经历投入到人脸识别系统的研究与开发当中，也正是在这个时期，人脸识别系统得到了第一次的飞跃式发展。通过对于相关文献的研读，目前，在人脸识别系统的研究领域，将人脸识别的发展历程大体上分为三个主要的发展阶段:第一阶段(1964年一1990年),这一阶段主要是人脸识别系统研究的起步阶段，其主要的研究方向是将人脸识别作为一个一般性的模式识别问题来研究,所采用的主要技术方案是基于人脸几何结构特征(Geometri。featurebased)的方法,这集中体现在人们对于剪影(Profile)的研究上,人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究,人工神经网络也一度被研究人员用于人脸识别的问题中。总体而言,这一阶段是人脸识别研究的初级阶段,因此，其主要的贡献在于对于后续的人脸识别系统的发展奠定一定的基础并积累一定的理论以及实践的经验，所以在这一时期非常重要的成果不是很多,也基本没有获得实际应用。第二阶段(1991年一1997年),尽管从时间跨度上来看，这一阶段仅仅只有7年的时间，相对于第一阶段而言时间较为短暂，但是，其所取得的的成果却是非常丰硕的：在这一时期，相关的理论工作取得了巨大的成绩，有许多人脸识别的算法的一出现，并且得以在实际的生活当中得以应用，二者其中最为著名的就是美国军方的FERET(FacEREcognitionteehn010Test)，其对当时公认的较有前途的相关算法进行了一系列的测试并取得了巨大的成功；在商业化运作方面，第二阶段时期出现了许多与人脸识别系统相关的公司，这当中最为著名的就是VisionicS(现为Identix)的Facelt系统等，其在测试当中以优异的表现给当时的人们留下来深刻的印象，同时也是的当时的研究者以及相关商业公司对于人脸识别的广阔研究领域以及商业市场产生量强烈的渴求。在技术上,麻省理工学院媒体实验室的Turk和Pentland提出的“Eigenface”方法无疑是这一时期内最负盛名的人脸识别方法，由于这一算法对人脸识别系统的研究具有极高的理论价值一次，其被许多后续的人脸识别系统以及相关的算法采用甚至复制。在这之后，麻省理工学院Al实验室的Bruneili和Poggi对于当时备受关注的两种识别系统亦或者说是识别算法即基于结构特征的方法与基于模板匹配方法进行了详细的比对与研究，并对其某些性能进行了详细的比对，结果发现:在诸多评判标准当中，模板匹配的方法均优于基于结构特征的方法。而这一结论在很大程度上对当时的研究方向进行了重新的规划与引导，也就是在此时，先前基于纯粹的基于结构特征的人脸识别方法研究被大多数人所抛弃,而模板匹配的方法受到许多研究人员的追捧，这在很大程度上促进了基于表观(Appearance一based)的线性子空间建模和基于统计模式识别技术的人脸识别方法的发展。现在Eigenface已经成为人脸识别的性能测试基准算法之一。这一时期的另一个重要技术是由Belhumeur等提出的Fisherface人脸识别方法。这一方法的主要特点在于，其第一次将主成分分析(prineipalCo，onentalysis,PeA,Eigenface)应用于人脸识别的研究当中，并对热脸识别过程中的图像表观特征进行降维然后再通过线性判别分析(LinearDiscriminantAnalysis,LDA)的方法变换降维后的主成分以期获得“尽量大的类间散度和尽量小的类内散度”,由于该技术对于人脸识别系统具有较强的人别功能，因此在后续的研究当中，许多相关的研究学者对其进行了细致的研究与改进最终使得该技术成为当时甚至是目前均较为流行的主流的人脸识别技术之一。随着相关计算机技术的飞速发展，目前有许多新的人脸识别技术得已产生，例如近年来产生的零空间法子空间判别模型,增强判别模型,直接的LDA判别方法,以及近期的一些基于核学习的改进方法等等，这些相关的人脸识别技术以及相关的算法为人脸识别的现实应用提供了强大的技术以及理论支持。后来Mrr以及Moghaddam则在Eigenface的基础上,通过对Eigenface的分析与研究，具有针对性的提出了一种新的人脸识别技术与算法及贝叶斯概率估计的人脸识别方法。其具体的试验程序为，通过特定的方法即“作差法”将待测对象与采取图片的近似比较程度转换成为一种分类比较的简单问题，也就是将两幅图片进行一种相似性比对,而相互比对的比较主要通过类内差与类间差进行评判，在实际的比较过程当中，类内差和类间差数据都要首先通过主成分分析(PCA)技术进行降维,计算两个类别的类条件概率密度,最后通过贝叶斯决策(最大似然或者最大后验概率)的方法来进行人脸识别。在后续广泛应用的弹性图匹配技术(ElasticGraPhMatching,EGM)也是在这一时期被提出来的，其主要的研究以及应用思路就是通过不同的属性来对识别对象进行准确的分类与评判：在实际的采集仪以及应用过程送给您当中，相关属性图片当中的顶点上的关键部位意味着识别对面那个的最为重要的特征部位,其属性为相应特征点处的多分辨率、多方向局部特征—Gabor[6s,82胭变换特征,称为介才;边的属性则为不同特征点之间的几何关系。在实际的应用过程当中，对于采集到的相关实验对象的脸部图像，系统会更具预设的不同人脸面部区分程度较为明显的特征部位进行识别与区分，也就是说可以通过弹性图匹配对某些预先定义人脸识别过程当中的某些关键特征点进行预先识别,同时提取它们的介才特征,得到输入图像的属性图。最后通过计算其与己知人脸属性图的相似度来完成识别过程。相比去其他的人脸识别系统以计算法而言，这种识别方法的优点是将以前的局部识别与现有的全部识别相互融合，即具有了局部识别精确度高的特点，也同时具有了全部识别准确定强不易遗漏的特性，因此其被大多数的人脸识别算法所采用。随着相关技术的不断发展与更行，近几年来有许多相关的新技术对该算法以及程序进行了更新与提升，使其的识别性本能更加强大与准确。二十世纪初，洛克菲勒大学(助ckefelleruniversity)的Atiek等人通过对以前的人脸识别技术的优缺点的研究提出了一种新的人脸识别技术，即局部特征分析方法(LocalFeatureAnalysis,LFA)。相比于以前的人脸识别技术而言，该方法在本质上是一种基于统计的低维对象描述方