论文部分内容阅读
随着时代的发展,融合了人体生物特征的智能门锁越来越受到人们的青睐。相比于其它生物特征,人脸特征具有直观、简单、准确、无接触等良好特性,因此逐渐成为门禁系统的主流识别特征。现有的人脸识别技术门禁系统的通用性与性价比无法达到民用市场的要求,迫切需要提高在不理想光照条件和人脸不同转向情况下的识别率。本文以机器学习算法为基础,结合Android手机端身份验证和嵌入式开发技术,针对小型办公场所的应用场景,设计出一个低成本且能高效进行人脸检测和身份识别的门禁系统。主要涉及的工作内容如下:针对门禁摄像头拍摄时人脸易受光照影响,门禁系统需要快速检测人脸,和同时检测多人脸的要求,训练基于多尺度块LBP特征的Adaboost级联分类器。多尺度块LBP特征基于每个子区域的灰度平均值,比LBP特征鲁棒性更高。在自建的数据库上实验,证明了基于多尺度块LBP特征的多叉树桩弱分类器在上述条件下具有较高的检测率,且能准确标定出人脸的位置。比传统Haar特征使用的设定阂值方法构造的弱分类器检测率更高,且速度更快。针对门禁摄像头拍摄的人脸图像数据冗余问题,使用主成分分析(PCA)算法对人脸图像进行降维,用特征脸子空间的投影向量在低维空间表述人脸样本。针对传统BP网络收敛速度慢,容易陷入局部最小点的问题,改进了权值调整方法。训练改进的BP网络对样本进行分类,大大缩短了训练时间,显著提高了BP网络的性能。本算法中,为了降低误检率、提高人脸识别率,添加人脸不变特征用于二次验证。在重组的人脸数据库上实验,本文改进的人脸识别算法识别率为97.5%。门禁系统硬件设计方面,采用Firefly-RK3288开发板作为门禁系统的服务器;华为荣耀V10作为手机客户端;SKT-SL1200C-1306BB-V1彩色工业相机作为摄像头,其具有低成本、低功耗的优点;具有1200万像素3840×2880高分辨率图像传感器。本文在Android平台开发了基于人脸识别的门禁系统,在手机客户端实现用户注册、用户登录、执行开关门指令、查询执行日志等功能;操作方便简单,适合小型办公场所。服务器端移植入人脸识别算法,能对摄像头拍摄的人脸图像进行快速和正确地检测、识别。数据传输,选择自定义传输协议,并使用高级加密标准(AES)对称加密算法对数据进行加密,从而提高系统的安全性。此外,还对系统的功能和性能进行了全面的测试,测试结果表明本系统可以满足门禁系统的需求。