随着信息化社会的飞速发展,人民的生活水平得到了不断提高的同时,群众对自身的安全也更加重视起来。作为日常工作生活的重要组成部分,越来越多的人们开始关注门禁系统的安全性能。目前,智能门禁系统受到人们的广泛关注,应用较多的包括密码解锁、识别卡解锁等,但这些解锁方式都有致命的缺点:解锁密码容易被窃取盗用,识别卡容易遗失和被复制。因其与人体不可分离性与唯一性的特性,人体生物特征成为门禁解锁的方式已经成为人们关注的焦点,并且可进一步提升门禁系统的安全性可靠性,消除传统们您给人们工作和生活带来的不便。本文设计的新型门禁系统是将手势识别和人脸识别的结果通过信息融合在一起,以此完成身份的验证。对于手势识别系统,提出了一种改进的Mean Shift算法进行手势跟踪,然后使用HSV和YCbCr色彩空间相结合的方法对手势图像进行分割,并与两种颜色空间单独作用的分割效果进行了比较,接着将分割的手部图像进行特征提取,在手势的特征提取部分,提出了结合Hu矩特征、指尖数目以及凸性和紧性的特征提取方法,最后通过模板匹配算法,完成了手势识别。对于人脸识别系统,本文采用基于Haar特征的方法对人脸进行检测,通过人眼的位置对人脸进行定位,然后提出一种改进的LBP描述子对人脸特征进行提取,最后通过PCA算法的特性提出了基于改进的LBP算法与PCA的人脸识别算法。该方法通过PCA对提取的LBP描述子进行降维,从而得到有效的人脸识别。对于两个子系统的融合,通过对门禁系统的综合考虑,本文在手势识别与人脸识别子系统中选择决策模板匹配进行判决,然后根据需要,选择了与规则的加权投票法进行最终的融合,从而输出判决结果对门禁系统的门锁进行控制。目前,对于单一生物特征的门禁系统较多,但识别率往往不尽人意,通过对人体多生物特征进行融合完成识别,不仅大大提高了门禁系统的安全性,同时也提高了系统的识别率,使门禁系统更加可靠和安全。本文与传统的手势识别系统进行比较,实验结果表明本文的系统可以获得更好的识别率,通过在复杂背景与光照改变的条件下的实际演示实验中,该系统能较好的识别各种数字手势,识别率高达94%。对于本文提出的人脸识别系统,通过FERET与ORL人脸库对本文方法以及其他人脸识别方法进行比较实验,通过实验结果表明,本文提出的人脸识别算法具有更好的稳定性,训练时间更短,识别率更高。因此,本文提出的手势识别系统和人脸识别系统能较好的适用于门禁系统的设计。