基于嵌入式人脸识别门禁系统的研究

司凤玲+程建政

摘要：随着智能时代的到来，科学技术已越来越先进化，人们的要求也越来越高，传统的机械锁、指纹锁等已无法满足人们日益增长的需求，由此提出一种基于嵌入式人脸识别的门禁系统，其中S3C2440B芯片作为核心控制器，其自身携带多个外接端口，用户可以根据自己的需求，外接其他设备，同时可结合多种技术，提高整体性能。

关键词：Linux；人脸识别；主成分分析；S3C2440B

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）34-0178-02

假如ATM取款机上安装了嵌入式人脸识别系统，无须带银行卡，即可通过人脸识别开启存取款服务，进而进行各种现金、网上交易，那么安全系数将极大提高。过去人们往往将门禁系统和PC端结合起来，但这样使用不方便，容易受PC端控制，而且成本高，本文通过嵌入式和门禁系统相结合，同时用Linux 作为软件操作系统平台，以迭代、主成分分析等算法[1]，开发出嵌入式人脸识别门禁系统，成功实现门禁系统中人脸识别技术的控制入口[2]。

1 嵌入式系统与人脸识别概念

1.1 嵌入式系统概述

嵌入式系统是一种“完全嵌入受控器件内部，为特定应用而设计的专用计算机系统”，是目前最常用的系统，其执行的是带有特定要求的预先定义的任务，能实现软硬件的裁剪，同时也能结合多种优化技术，降低系统成本[3]。

1.2 人脸识别技术

人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。传统的人脸技术是基于可见光图像的人脸识别，因其对光照的极强依耐性，逐渐被替代。针对这一现象，人们研究出解决光照的两种方法，即三维图像人脸识别和热成像人脸识别，但由于这两种技术尚不完善，还有待研究开发。目前迅速发展起来的一种解决光照的技术是基于主动近红外图像的多光源人脸识别技术，因其能克服光照的影响，使人脸识别技术走向实用化。

2 门禁系统中关于人脸识别的算法研究

2.1 灰度化进行图像预处理

采集一帧图像时，由于周围环境光照等问题的影响，摄像头采集的图像可能因为各种噪声失真，为了后续的操作处理，需要对图像进行预处理，常用方法有人脸图像灰度化、二值化、几何校正等操作，这里详细介绍灰度化。

摄像头采集的图像有彩色和灰色之分，彩色图像的像素点由R、G、B三种基色组成，R、G、B的含量不同，所组成的颜色也不同。在RGB模型中，R=G=B的值叫灰度值，灰度范围为0～255，一般有四种方法对彩色图像进行灰度化处理，分别是：分量法、最大值法、平均值法和加权平均值。本文采用的是加权平均值法，其原理是根据重要性及其他重要指标，将R、G、B三个分量以不同的权值进行加权平均，采用的公式为：Gray=0.3R+0.59G+0.11B。

2.2 Adaboost人脸检测法

Adaboost 是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器），它可以进行人脸检测，但由于人脸检测时待检测的窗口比较多，这时一般要采取“先重后轻”的分级分类器的思想[4]。首先利用强分类器对非人脸窗口进行排除，随着非人脸窗口的减少，特征重要性也会逐渐降低，剩下的分类器也越来越多，但待检测的窗口也越来越少，从而达到较好的分类效果。

2.3 PCA 算法进行人脸识别

完成人脸检测后，需要对人脸进行特征提取，目前用得最多的是PCA算法，它是一种掌握事物主要矛盾的统计分析方法，从多元事物中找出主要影响因素，再通过降维的方法，从而简化复杂的问题。PCA算法主要通过K-L变换来提取人脸中的主要特征，比如人眼、鼻子、嘴巴等主要器官，故PCA算法也叫“特征脸”法。当进行识别时，将获取到的图片投影到此空间，便可以得到一组投影系数，此组投影系数即为特征向量，然后将此特征向量与人脸库中的特征特征向量进行一一比对，即可完成人脸识别。

PCA算法过程如下：

（1） 假设存在一个矩阵[A=m×n]，对该矩阵进行减去平均值的调整；

（2） 通过协方差公式，求得该矩阵的协方差矩阵，用Z表示，即[Z=i=1n（Xi-X）（Yi-Y）/n-1]，其中Xi、Yi分别表示X、Y的第i个分量；

（3） 计算矩阵Z的特征值D和特征向量V；

（4） 确定降维系数进行降维，若数据由m维降到K维，则在D中按顺序挑选k个最大的特征值，同时在V中挑选相对应的k个特征向量，即组成新的矩阵N，N中的每一列即为A的主成分；

（5） 计算A*N即生成特征矩阵C。

3 系统硬件设计

本系统采用分模块结构，整个系统分为主控模块和多个分模块结构，主控模块和分模块之间相互独立，互不干扰，用户可以通过实际情况进行其他功能模块的添加，这样极大提高了系统的灵活性和功能性。该系统主要由以下几个模块组成：嵌入式S3C2440B主控模块、摄像头采集模块、网络通信模块、电锁控制模块和存儲器扩展模块，硬件结构图如图1所示。

同时系统采用的硬件平台是三星公司生产的S3C2440B芯片[5]，它是一种16/32位RISC微处理器，采用最新的AMBA架构，而S3C2440B作为ARM920T核心，具有功耗低、简单且全静态设计的特点，降低了系统的整体设计成本，同时还提高了系统的整体性能。S3C2440B芯片由各种内部核心器件组成，其主要组成电路如图2所示。

4 系统软件设计

系统上电后，先要进行初始化设置，检查系统是否正常，若正常，当有人进入时，系统即进行人脸检测与定位，采集图像，和人脸库中的图像进行一一比对，即人脸识别，若系统中存在该人脸特征数据，即识别成功，门锁打开；若不存在该人脸图像数据，则系统发出报警信号，同时自动记录其信息并保存在人脸库中，等待管理人员进行相关信息的处理，由此设计出系统软件结构图，如图3所示。endprint

5 系统功能测试

人脸门禁系统的测试主要是测试人脸识别算法的识别率和准确率，人脸库的组成可以通过网上资源获取或者通过用户自行添加。本次测试从网上资源抽取10个人，每个人采取20张不同的人脸图像，其中10张放进人脸库中作为人脸样本，10张用来系统功能测试；同时用户添加的人脸有两个，每个人分别是20张不同的人脸图像，同样将10张人脸图像放进人脸库，进行注册，以“cj”命名放进文件夹中，其他人脸图像用来进行测试。當有人脸经过时，系统开启摄像头进行人脸捕捉，将捕捉到的人脸与人脸库中的人脸样本进行比对，如果通过人脸识别算法，没有找到匹配的人脸样本，系统显示屏出现“nobody”字样；若通过人脸识别算法，找到人脸库中以“cj”命名的文件夹，则门锁控制系统自动开门。经测试，该人脸识别门禁系统准确率高，识别速度快，但受周围环境影响较大，后期需要针对这一现象进行更深入的研究。

6 结束语

人脸识别技术是如今比较先进的生物识别技术，与其他识别技术相比，其具有不可复制性，精度高，快捷便利，不仅适用于家庭用户，更加适用于一些安全系数较高的场所。但人脸识别技术也有其局限性，比如，随着岁月的增长，人脸会逐渐衰老，相关特征也会发生变化，或者整容之后的人脸，而此时则需要修改相关图像库中的人脸样本[6]。同时人脸相似性的情况也存在，比如双胞胎，所以人脸识别技术也有其不确定性，需结合其他相关技术进行最优化处理。

参考文献：

[1] 杨鸣鸣. 基于嵌入式系统的人脸识别算法研究及其优化[J]. 微型机与应用，2016，35（19）：50-52.

[2] 虞闯，魏新华，张明. 人脸识别技术在门禁系统中的应用[J]. 电脑开发与应用，2010，23（8）：27-28.

[3] 张晋晖.人脸识别系统在嵌入式门禁系统中的研究及应用[J]. 科研，2015（28）：224-224.

[4] 陈健，周利莉，史红刚，等. 一种基于Haar波变换的彩色图像人脸检测方法[J]. 微计算机信息，2005，21（10）：157-159.

[5] S3C2440B微处理器芯片用户手册[S]. 三星电子有限公司，2007.

[6] 于本成，曹天杰. 人脸识别与指纹识别系统接口的设计与实现[J]. 微电子学与计算机，2012，29（11）：87-91.endprint