当今社会,电厂为社会的发展提供着持续的动力,电厂的安全保证了国家经济的高速增长。在大型电厂中,每个厂区机房都是安全防范的重点对象。通过在电厂中建立一个完善、可靠的门禁考勤系统,可以为生产、办公区的智能化、自动化管理的实现提供帮助。生物特征由于其与生俱来、独一无二、长期不变的特性,因而在进行身份验证和识别时,具有更好的可靠性、安全性和可用性。而人脸识别技术还具有非侵扰性,操作简单及采集成本低等优点,因此可以在传统的安防领域与原有技术实现紧密的结合,从而大大提升原有系统的智能化程度、安全性及易用性。本文以设计实现电厂门禁考勤系统为目标,主要研究工作与成果如下：本文首先对电厂门禁考勤系统进行了总体的设计。为满足系统独立性和可扩展性的需求,同时减小系统的复杂度,本文给出了系统的模块化设计方案,并提出了相应的性能指标。为满足门禁考勤系统对实时性的要求,在实时人脸检测模块中采用的是基于AdaBoost的人脸检测算法。在训练分类器时,本文分别使用了类Haar特征和局部二值模式(LBP)特征。通过测试,发现基于LBP特征的算法在检测速度上具有明显的优势。由于实时的人脸检测工作对计算机性能的要求非常高,且难以维持高帧率的检测,因此在模块中结合了人脸跟踪技术。为减小不必要的计算开销,在设计实时人脸检测模块时,加入了对运动物体的判断。针对人脸检测算法存在的误检情况,模块以时间为触发反复进行检测和跟踪。实验证明,本文设计的实时人脸检测模块是能满足系统性能要求的。接着实现了系统的人脸识别模块。该模块首先利用人脸中双眼的位置对图像进行几何规范化。为减小计算量,进一步对图像进行采样处理。由于Gabor小波对于亮度和人脸表情的变化不敏感,因此该模块首先使用Gabor滤波器与人脸图像进行卷积操作,将结果作为表示图像的特征向量。在识别匹配的过程中,首先使用主成分分析(PCA)算法进行降维操作,再使用线性判别分析(LDA)算法对各组人脸图像进行分类,并对特征向量进行二次降维映射,最后通过计算特征向量间的欧式距离找到最匹配的人脸图像。实验的结果表明,当用户人脸的朝向与正前方向偏差很小时,该模块能够满足计算速率和准确率的要求。然后实现了系统的门禁控制模块。在识别出用户的身份之后,该模块通过串口向单片机发送开门信号,通过控制继电器的断开进而打开电子门禁锁,随后单片机向步进电机发送驱动信号将门打开。在门完全打开后6秒后,再通过单片机控制门和门禁锁的闭合。最后本文实现并测试了完整的电厂门禁考勤系统。首先设计了系统考勤信息相关数据库表,然后建立起人脸特征库,并完成系统的构建。测试结果表明系统达到了既定的性能指标。