基于人脸识别的门禁系统设计

张 杰

（四川数聚智造科技有限公司，四川 成都 610000）

0 引 言

人脸识别门禁系统将人脸作为一个人的身份代表，通过对人脸进行判断识别，根据识别算法的相关设置输出识别结果并反馈给控制器，控制器根据识别结果发出相应的指令给门禁执行模块，执行模块进行开启门锁或振铃等操作[1-4]。大部分决策由门禁系统自身判决执行，基本实现了智能检测、智能识别以及智能控制等功能[5]。生活中人们在使用人脸门禁系统时会因为开门时的站立姿态与采集摄像头产生角度变化，不同时间段开门的光照强度不同，每次开门时人的表情、发型、面部遮挡等都存在差异，为了尽量降低这些因素对门禁人脸识别的影响，本文提出了融合多特征的神经网络识别算法。利用局部方向模式（Local Derivative Pattern，LDP）、离散小波转换（Discrete Wavelet Transformation，DWT）的特征优势和神经网络强大的联想、容错、自适应力，提升门禁识别系统的识别率和鲁棒性。

1 设计方案

门禁系统设计的基础是对拥有访问权、管理权的人员完成人脸数据库的建立，将有权利进入门禁系统的全部人员的人脸信息采集存储到人脸数据库中，其中拥有管理权的人员能够删除或修改数据库。当某一个人对门禁系统进行访问时，人脸识别系统会先通过摄像头获取人脸信息，然后将信息传输到处理器中进行人脸识别。这个过程需要系统对来访者的人脸信息进行预处理，避免表情、光照以及输入设备的不良影响[6-8]。将经过预处理的人脸进行特征提取，将提取的信息与存储的人脸图像进行识别对比并记录识别结果，将判断结果传输到处理器，再发出相应执行指令。否则，处理器不会发出开门指令，门禁系统也不会打开。与此同时，记录存储访问者的人脸信息，方便后续监督。

2 整体模块设计

人脸识别门禁系统主要由以ARM11处理器为主的控制电路模块、摄像头模块、图像处理模块、人脸识别及眨眼模块以及门禁执行模块组成。其中人脸识别是系统的核心模块，通过对人脸识别系统的算法设计实现人脸门禁控制。在人脸识别门禁系统中，人脸特征的提取、识别、匹配是整个系统的关键，而人脸图像的预处理则是整个系统的基础，处理结果的好坏直接影响到整个系统的安全性和可靠性[9]。

（1）控制模块。该模块是整个系统的核心，根据每个模块的反馈结果发送相应的操作指令，指挥整个门禁系统按照步骤运行。

（2）图像采集模块。人脸图像的获取由摄像头与ARM11处理器组合实现，来访者要进入时按下开门按钮启动图像获取模块，处理器控制摄像头对人脸进行拍照保存，并送至图像处理模块进行特征提取。

（3）人脸图像处理模块。对采集模块获取的人脸图像进行预处理及特征提取，预处理阶段对获取的人脸图片实现归一化处理。选择多种特征融合提取，特征分别选择LDP、DWT特征，将2种特征图像分别送入识别模块。

（4）人脸识别及眨眼模块。识别模块是整个门禁系统的核心，其识别结果直接控制着门禁的执行。人脸识别的核心算法为卷积神经网络，在应用到门禁系统之前需要先对人脸识别卷积网络训练集学习，训练好的识别系统才可以投入使用。将处理好的人脸图像的2种特征图分别输入到训练好的双层卷积网络的第一个卷积层，卷积网络会对这些特征再学习，在全连接层非线性变化后输出1维特征向量。将得到的人脸特征与人脸数据库得到的特征向量进行对比，按照设定的判定阈值输出结果[10]。若判断结果符合，则进入到眨眼检测模块。为防止照片识人事件的发生，系统会提示来访者执行左、右眨眼睛操作并拍照，提取特征值再次识别，以此验证是否为真人。若判断结果不符合，会有弹框提示返回重新拍照，并将采集的照片保存到处理器的特定文件夹。

（5）门禁执行模块。该模块是门禁控制系统的执行模块，根据最终的判决结果输入到处理器，由处理器给门禁系统发送指令，执行开门操作。识别不通过时，会提示来访者是否需要再次识别。如果3次均不通过，则会提示是否需要通过手机端输入密码进入。手机端密码不正确时，会触发警铃。

（6）算法模块。项目采用融合多特征的神经网络实现人脸分类，对预处理过的人脸图像进行多特征提取，提取的2种特征为LDP、DWT。将这2种特征图以双通道的形式输入卷积神经网络进行自适应融合，提取的DWT特征图为32×32像素，提取的LDP特征图为64×64像素。为了在后续的算法中对2种特征进行融合，对LDP特征采用2×2平均采样的方式降维，最终得到2张大小相同特征图，以双层的形式输入到卷积神经网络进行自适应融合。

（7）数据模块。将该人脸库的400张照片按照采集对象分为40个目标文件夹，每个文件夹有10张不同姿态下的人脸图像，训练集和测试集的分配比例为7∶3。整个ORL库训练集和测试集的人脸样本数分别为280个和120个，对每个人脸图像提取LDP特征图、DWT特征图，并归一化处理，将其分别作为双卷积层卷积块的输入图像[11-13]。

3 硬件设计

（1）控制电路模块。以ARM11为中央处理器，其含有很多处理指令可以实现对图像的快速处理。ARM11的新型储存器进一步提高了操作系统性能，还提供新指令来加速实时性能和中断响应。

（2）摄像头。对来访人员进行人脸的图像采集，后续图像处理识别模块将对其调用处理。考虑到人脸采集的便捷性与门禁系统的集成简易度，参考当前市面上的门禁安装位置，保证图像采集的范围尽可能大。

（3）人脸图像处理识别。对摄像头采集的人脸图像提取人脸的特征值，并将提取后的特征值保存到ARM11中。通过软件算法调用得到人脸特征值，将其与数据库人脸模板对比，输出是否有权限进入，再将结果传输给控制电路。人脸识别通过后，还需要再通过附属的眨眼识别系统再次采集图像并处理，判断是否为真人，并将结果输出给处理器。

（4）门禁控制器。根据识别系统的输出由控制电路传输相应的指令，控制门是否打开。如果人脸识别异常，则记录来访者照片，以备后期查询；如果人脸识别通过，则控制门禁打开，允许进入。

4 软件设计

不同人脸特征对不同影响因素的敏感度不同，利用不同特征对光照等因素的不敏感性优势，将互补的多个特征结合提高整个系统的识别率。与此同时，利用神经网络强大的联想、容错、自适应力来提升识别系统的识别率和鲁棒性。

软件设计的核心是人脸识别算法，基于卷积神经网络算法进行多特征融合取人脸识别。首先针对人脸采集模块获取的人脸建立数据库，对这些图像进行检测定位，获得人脸数据后对其预处理，实现尺寸归一化；其次对预处理后的图像进行特征提取，获得每幅图像的LDP、DWT特征图，将特征图输入神经网络模型训练再学习；最后将实时采集到的人脸图像特征图输入训练好的网络，逐一与数据库模板数据进行对比实现人脸识别。人脸识别算法流程如图1所示。

图1 人脸识别算法流程

基于人脸识别的门禁系统整体流程如图2所示。

图2 基于人脸识别的门禁系统整体流程

人脸识别系统通过摄像头获取人脸图像信息，图像处理模块对获取到的图像进行特征提取，而后将特征值输入到采用神经网络算法训练好的识别系统中，对数据进行识别分类，判断其是否有权限进入。识别成功后，附加眨眼检测，防止照片识人事件的发生。第一次识别不成功后，会提示再次识别，如果识别3次均不过，会保存人脸图像并提示手机端验证。手机端输入密码可以执行开锁，手机端密码错误的话会触发振铃。

5 结 论

整个门禁系统的硬件模块主要包括控制电路模块、电源管理模块、图像处理识别模块、摄像机以及门禁控制器等，各模块之间根据控制电路的指令协同合作。软件设计方面主要是整个门禁系统识别的实现步骤，包括系统启动、人脸采集、人脸特征提取、人脸识别、眨眼验证以及手机端验证等。通过以上分析，设计实现了基于人脸识别的门禁系统，实际应用效果较好，值得参考。