论文部分内容阅读
[摘 要]人脸识别作为一种“以貌取人”的生物智能识别技术，与其它生物识别技术相比，具有易获取、易识别，准确率高，直观性好等优点。现今，人脸识别技术已广泛应用于国内外各个领域，尤其是在安防方面。在生活中，人们较常见的安防系统就是门禁，而传统的门禁因其非智能化无法有效的保障人身、财产安全。因此，鉴于人脸识别的优势以及传统门禁的不足，本文设计并开发出一种基于嵌入式技术的人脸识别智能门禁系统
[关键词]基于图像处理；人脸识别；智能门禁中；应用
中图分类号：TE467 文献标识码：A 文章编号：1009-914X（2017）34-0307-01
一、前言
人脸识别需要大量的人脸样本，本文的人脸识别用于智能门禁中。因此，需建立用于门禁的人脸数据库，而建立数据库的前提是对所需人脸进行采集。人脸图像采集是人脸检测及人脸识别最基础的研究内容，利用摄像头作为采集工具来获取图像，并对图像信息进行相应的模数转换，使采集的图像转化为有用的图像数据。人脸识别数据库就是把图像数据进行相应的处理从而存储起来。图像采集的过程中由于采集设备的性能及不同的拍攝环境，会对图像质量有很大的影响。此外，拍摄角度和距离也会有很大的影响。如何使系统实现实时性好、识别率高等要求，需要选择合适的解决办法，包含设备、处理器及芯片的选择，和适合的相关算法等。图像采集决定了后续的实验过程。
二、图像预处理
在图像采集的过程中，图像质量容易受到设备性能、拍摄环境等因素的影响，使采集的图像带有噪声或对比度不够等，进而影响后续人脸识别的速度及精度。此时，需要对采集图像进行预处理，消除影响因素。目前，图像预处理技术主要有以下四种：几何归一化、图像灰度化、直方图均衡化、中值滤波。
（一）几何归一化
图像采集时，拍摄角度和距离等的影响，会使图像中采集到的人脸大小不同、位置不定。要想建立人脸数据库，需要统一人脸图像的标准，使人脸大小一致，面部特征明显。要想使图像达到统一标准，这就需要把图像先进行几何归一化运算，对人脸图像的瞳孔进行定位，旋转、裁剪、缩放图像。
（二）图像灰度化
采集的图像为彩色图像，但复杂的背景容易影响彩色图像中颜色信息，且彩色图像很难被识别，处理速度慢。综合各种因素，需要进行图像灰度化，即把彩色图像转换成灰度图像。彩色图像的像素点是由R（红）、G（绿）、B（蓝）三原色构成的，不同RGB基色分量组合的像素点会组成不同的颜色。灰度图像不包含色彩信息，只包含亮度信息，每个像素点包含一个亮度值，该亮度值分为256（0-255）个等级，亮度由浅入深，其中0代表黑色，255代表白色。彩色图像转化为灰度图像的经典公式为：
R、G、B分别代表彩色图像中同一像素点的三原色分量，gray为转化后该点的灰度值。
（三）直方图均衡化
采集的图像由于受到外界环境（光照强度、阴影）的影响，会存在使转化后的灰度图像的部分区域的灰度过高或过低。假若这些区域出现人脸的特征关键点，对后续的处理有很大影响。因此，需要对这些区域进行处理，可采用变换像素亮度进行校正，但在图像中要校正的区域的分布并不规律。由此，提出一种在整个灰度级范围内图像具有相同分布的方法——直方图均衡化。直方图是统计度量一幅图像中每个像素灰度值出现频率的一种直观表示方法，在图像的直方图中以像素值的级别为横坐标，灰度值的个数为纵坐标进行表示。直方图可反映出图像的对比度、亮度信息、图像的概貌（目标的种类、背景的分布）等特征信息。
三、图像采集模块
本文通过USB摄像头采集图像，使用V4L2（video4linux2）编程框架。V4L2提供统一的API的接口函数[59-60]，用于图像采集，相比于V4L，V4L2作了很大改动，灵活性和扩展性更好，可支持更多硬件设备，自定义设备驱动缓存数量，被广泛用于Linux2.6的内核中。在Linux中，所有外接设备都可看成像普通文件一样可进行读写的“设备文件”，把使用V4L2驱动的USB摄像头当作设备文件，一般记为/dev/video0。V4L2支持三种图像采集方式：用户指针方式、直接读取设备文件方式、内存映射方式。
四、图像预处理模块
本实验的图像预处理主要是对采集的人脸图像进行处理，将人脸图像经改进的直方图均衡化方法，转变成灰度图像，形成用于人脸识别中的人脸数据库。这是整个实验十分重要的环节，图像处理的结果将影响识别的准确度。本实验以實验室现有9人为例，每人采集15张不同姿态和表情的人脸图像构造人脸数据库，每张采集的人脸都经过图像预处理，处理后的人脸建立的数据库。
五、人脸检测模块
人脸检测模块的主要功能是对USB摄像头采集的图像进行人脸定位，本文采用基于Haar特征的AdaBoost方法进行人脸检测，调用OpenCV中自带的一个XML文件执行检测。本文安装的是OpenCV2.0.0，也是同时在Ubuntu12.04上安装PC平台和ARM平台的，安装配置不同。安装成功后，在PC平台使用命令：
#./facedetect--cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml"--scale=1.5lena.jpg
想实现动态实时人脸检测，可调用OpenCV中的.xml文件。
六、人脸识别模块
训练阶段：采集不同人的人脸图像进行存储，构造成人脸数据库，如图5-9，对人脸数据库进行训练。通过改进的PCA算法构造特征脸空间，把人脸数据库中的人脸转变成平均脸和特征脸，平均人脸显示的是一个普通人的平滑脸部结构，排在最前的一些特征脸显示了一些主要的脸部特征。
结论
由于传统的门禁因其非智能化无法有效的保障人身、财产安全，本文利用新兴的生物识别技术中的人脸识别的特点，构造智能门禁系统。智能门禁以人脸识别技术为核心，具有唯一性、非接触性、稳定性、易使用等优点，但在PC机上开发使用无法用于门禁中，由此，采用嵌入式系统进行开发。嵌入式系统解决了PC机的体积大、功耗高、便携性差等问题，比较各种嵌入式平台的优缺点，选用成本低的ARM平台进行开发。首先概要介绍了相关理论的方法，然后从硬件和软件两方面设计和构建系统，根据构建的基础系统选择适合此系统的最佳方案，详细阐述了所选方法的理论，在理论的基础上进行实验，把系统分为五个模块实现。
基金项目
项目来源：黑河学院校级课题，课题名称是：基于图像处理的人脸识别在小区智能门禁中研究与应用，课题编号：KJY201407。
[关键词]基于图像处理；人脸识别；智能门禁中；应用
中图分类号：TE467 文献标识码：A 文章编号：1009-914X（2017）34-0307-01
一、前言
人脸识别需要大量的人脸样本，本文的人脸识别用于智能门禁中。因此，需建立用于门禁的人脸数据库，而建立数据库的前提是对所需人脸进行采集。人脸图像采集是人脸检测及人脸识别最基础的研究内容，利用摄像头作为采集工具来获取图像，并对图像信息进行相应的模数转换，使采集的图像转化为有用的图像数据。人脸识别数据库就是把图像数据进行相应的处理从而存储起来。图像采集的过程中由于采集设备的性能及不同的拍攝环境，会对图像质量有很大的影响。此外，拍摄角度和距离也会有很大的影响。如何使系统实现实时性好、识别率高等要求，需要选择合适的解决办法，包含设备、处理器及芯片的选择，和适合的相关算法等。图像采集决定了后续的实验过程。
二、图像预处理
在图像采集的过程中，图像质量容易受到设备性能、拍摄环境等因素的影响，使采集的图像带有噪声或对比度不够等，进而影响后续人脸识别的速度及精度。此时，需要对采集图像进行预处理，消除影响因素。目前，图像预处理技术主要有以下四种：几何归一化、图像灰度化、直方图均衡化、中值滤波。
（一）几何归一化
图像采集时，拍摄角度和距离等的影响，会使图像中采集到的人脸大小不同、位置不定。要想建立人脸数据库，需要统一人脸图像的标准，使人脸大小一致，面部特征明显。要想使图像达到统一标准，这就需要把图像先进行几何归一化运算，对人脸图像的瞳孔进行定位，旋转、裁剪、缩放图像。
（二）图像灰度化
采集的图像为彩色图像，但复杂的背景容易影响彩色图像中颜色信息，且彩色图像很难被识别，处理速度慢。综合各种因素，需要进行图像灰度化，即把彩色图像转换成灰度图像。彩色图像的像素点是由R（红）、G（绿）、B（蓝）三原色构成的，不同RGB基色分量组合的像素点会组成不同的颜色。灰度图像不包含色彩信息，只包含亮度信息，每个像素点包含一个亮度值，该亮度值分为256（0-255）个等级，亮度由浅入深，其中0代表黑色，255代表白色。彩色图像转化为灰度图像的经典公式为：
R、G、B分别代表彩色图像中同一像素点的三原色分量，gray为转化后该点的灰度值。
（三）直方图均衡化
采集的图像由于受到外界环境（光照强度、阴影）的影响，会存在使转化后的灰度图像的部分区域的灰度过高或过低。假若这些区域出现人脸的特征关键点，对后续的处理有很大影响。因此，需要对这些区域进行处理，可采用变换像素亮度进行校正，但在图像中要校正的区域的分布并不规律。由此，提出一种在整个灰度级范围内图像具有相同分布的方法——直方图均衡化。直方图是统计度量一幅图像中每个像素灰度值出现频率的一种直观表示方法，在图像的直方图中以像素值的级别为横坐标，灰度值的个数为纵坐标进行表示。直方图可反映出图像的对比度、亮度信息、图像的概貌（目标的种类、背景的分布）等特征信息。
三、图像采集模块
本文通过USB摄像头采集图像，使用V4L2（video4linux2）编程框架。V4L2提供统一的API的接口函数[59-60]，用于图像采集，相比于V4L，V4L2作了很大改动，灵活性和扩展性更好，可支持更多硬件设备，自定义设备驱动缓存数量，被广泛用于Linux2.6的内核中。在Linux中，所有外接设备都可看成像普通文件一样可进行读写的“设备文件”，把使用V4L2驱动的USB摄像头当作设备文件，一般记为/dev/video0。V4L2支持三种图像采集方式：用户指针方式、直接读取设备文件方式、内存映射方式。
四、图像预处理模块
本实验的图像预处理主要是对采集的人脸图像进行处理，将人脸图像经改进的直方图均衡化方法，转变成灰度图像，形成用于人脸识别中的人脸数据库。这是整个实验十分重要的环节，图像处理的结果将影响识别的准确度。本实验以實验室现有9人为例，每人采集15张不同姿态和表情的人脸图像构造人脸数据库，每张采集的人脸都经过图像预处理，处理后的人脸建立的数据库。
五、人脸检测模块
人脸检测模块的主要功能是对USB摄像头采集的图像进行人脸定位，本文采用基于Haar特征的AdaBoost方法进行人脸检测，调用OpenCV中自带的一个XML文件执行检测。本文安装的是OpenCV2.0.0，也是同时在Ubuntu12.04上安装PC平台和ARM平台的，安装配置不同。安装成功后，在PC平台使用命令：
#./facedetect--cascade="/usr/local/share/OpenCV/haarcascades/haarcascade_frontalface_alt.xml"--scale=1.5lena.jpg
想实现动态实时人脸检测，可调用OpenCV中的.xml文件。
六、人脸识别模块
训练阶段：采集不同人的人脸图像进行存储，构造成人脸数据库，如图5-9，对人脸数据库进行训练。通过改进的PCA算法构造特征脸空间，把人脸数据库中的人脸转变成平均脸和特征脸，平均人脸显示的是一个普通人的平滑脸部结构，排在最前的一些特征脸显示了一些主要的脸部特征。
结论
由于传统的门禁因其非智能化无法有效的保障人身、财产安全，本文利用新兴的生物识别技术中的人脸识别的特点，构造智能门禁系统。智能门禁以人脸识别技术为核心，具有唯一性、非接触性、稳定性、易使用等优点，但在PC机上开发使用无法用于门禁中，由此，采用嵌入式系统进行开发。嵌入式系统解决了PC机的体积大、功耗高、便携性差等问题，比较各种嵌入式平台的优缺点，选用成本低的ARM平台进行开发。首先概要介绍了相关理论的方法，然后从硬件和软件两方面设计和构建系统，根据构建的基础系统选择适合此系统的最佳方案，详细阐述了所选方法的理论，在理论的基础上进行实验，把系统分为五个模块实现。
基金项目
项目来源：黑河学院校级课题，课题名称是：基于图像处理的人脸识别在小区智能门禁中研究与应用，课题编号：KJY201407。