高校智能门禁系统在校园安全保卫工作中的作用

2018-12-22马季军九州职业技术学院

数码世界 2018年3期

马季军九州职业技术学院

前言

在当代世界上对人工智能安防领域的研究，已取得了极大程度上的进展与突破。现阶段，人们也进一步强化了校园安全意识，智能门禁已逐渐取代了传统的门锁；同时，有关科学技术的进一步发展，推动了智能门禁进行发展，以从起初的防御作用演变到主动人脸识别作用、实时监控作用、及时预警作用等，且智能门禁类别也越来越多样化，不在时以往的单一模式，而对不同类别具有不同的应用方式

1 智能门禁系统类型

1.1 人脸识别系统

人脸识别属于一种最普遍使用的生物特征识别方式，但由于外界环境（表情、光线及姿态等）会在极大程度上影响识别的条件，在生物认证方面仍处于发展较慢的初始阶段，随着各项技术的不断成熟，可以借助多种算法对存在的这一问题加以有效解决。

1.2 指纹识别系统

目前，指纹识别属于一种十分重要的生物识别技术。人的指纹一生都不会变，且每个人的指纹都是不同的，指纹识别门禁系统的优点为：普遍性、永久性、唯一性、可采集性等。借助指纹所具有的独特的生物辨识特性，那么人们自己的手指就可作为门的钥匙。

1.3 AdaBoost检测算法

AdaBoost算法指借助一种“积分图像”的图像加以表示，其可对弱分类器快速用到的特征加以快速计算出，并将这些弱分类器进行集合，从而强分类器加以构成，这就能够对类人脸加以检测出。

1.4 肤色检测

对人脸识别系统识别率影响比较关键的因素为光线，借助Adaboost对类人脸区域内大部分还是有非人脸存在加以检测出，但仅形状上与人脸酷似，在色彩空间中的肤色聚类较为稳定，较容易和其他色彩进行区分，彩色图像中人脸最为显著的一个特征是肤色，肤色分布统计的映射空间可采用YCbCr，这一空间的优点为：把色度与亮度进行分开，然而单独处理, 这就较为彻底的分离了亮度与色度的分量，可对肤色分布区域加以较好限制，能让肤色点形成较好聚类，这就以便在图像中将肤色区域加以分离出，再加以Adaboost检测，最终便可人脸位置加以确定。

1.5 隐马尔可夫模型

我们通常将人脸模式分成一个序列，即前额、眼睛、鼻子、嘴巴和下巴，这样能够更好的使用人脸模式有序的检测并识别这些区域，对识别人脸观察的向量序列加以提取，再对这一人脸的相似或然率加以计算，其中相似或然率可对口待识人脸观察向量序列和数据库中人脸隐马尔可夫模型的类似程度加以反映，在HMM 中若值最大，则表明是同待识人脸最为接近人脸隐马尔可夫模型，这就使得识别较好的完成。