论文部分内容阅读
摘 要：针对基于ARM的人脸识别技术在门禁系统中的具体应用进行研究，并对人脸识别技术进行简要的分析和综述。提出相关理论，阐述AdaBoost算法和PCA算法的基本原理，分析人脸识别技术的主要过程，结合在ARM平台下的实验过程进行大致分析，得出相应的实验结果。
关键词：人脸识别;人脸监测;门禁系统
0.引言
随着人们的生活质量逐渐提高，生物特征识别技术已在人们的生活中得到广泛应用，尤其是人脸识别技术，其发展已逐渐成熟，并且广泛应用于门禁系统。在生活中，传统的门禁系统不能对我们进行足够大的保障。因此，本文为了弥补传统技术的不足，阐述了基于ARM的人脸识别技术在门禁系统中的应用，分析了人脸识别算法，通过分析实验现象及结果，得出相应的结论。
1.人脸识别技术过程及相关理论
人脸识别系统虽然复杂，但是可以简化为五个部分，即图像获取、人脸检测定位、图像预处理、特征提取与匹配、识别结果。人脸识别技术过程如图所示：
由于人脸与人脸之间有着相当高的相似度，因此如何正确的将人脸识别，仍是目前学者们深入研究的主要课题。目前，人脸识别技术可分为三类：基于几何特征的方法、基于模板的方法、和基于模型的方法。
1.1. 基于幾何特征的方法
基于几何特征的方法是最传统的方法。通过研究人的眼睛、嘴巴、下巴、鼻子和其他部位的形状和结构之间的关系可以用几何特征进一步描述，可以将其提取为面部识别的重要特征。
1.2. 基于模板的方法
特征脸方法是基于模板的方法种最简单高效的一种方法，也被称为基于主成分分析（principal component analysis，简称PCA）的面部识别方法。通过确定人们的眼睛、鼻子、嘴巴等轮廓的大小、位置和距离等基本要素，构成面部样本集协方差矩阵的特征向量，可以用来近似象征人脸图像。
1.3. 基于模型的方法
基于模型的方法可分为基于隐马尔柯夫模型、主动形状模型和主动外观模型的方法等。
2.搭建系统平台
2.1. 总体方案设计
在本系统中，可以把它硬件和软件两个平台。其中，硬件平台主要包含摄像头和嵌入式 ARM 板的选择;而软件平台则包含软件的开发，以及如何对嵌入式操作系统进行选取等工作。该系统的结构图如下：
2.2. 硬件平台构建
TQ2440 开发板
对在该嵌入式系统中，起到主导的作用的处理器，影响着系统各个部分的正常运行。在本系统中，将采用 ARM 处理器和 TQ2440 开发板，并且该 ARM 板选用的是 ARM920T 内核和 S3C2440型号芯片。
摄像头
本系统采用一般常用的 USB 摄像头，选用韩国现代（HYUNDAI）V26 摄像头进行采集，其具有 1200 万像素，拥有1280*1024的最高分辨率，可以自动补光，并且支持 360 度自由旋转。
2.3. 软件平台的构建
搭建开发环境
在几种常用的嵌入式系统中，嵌入式Linux 有着非常显著的优势：它易于开发和定制，并且具有很强的互操作性，支持多种硬件平台和超过 30 种的 CPU ，成本低廉，实用性好，所以本实验的操作系统选择嵌入式 Linux 操作系统。
操作系统的定制和移植
运行嵌入式系统，必须要引导加载程序（ Bootloader ）。在Bootloader 中，选择具有高稳定性和高可靠性并且具有灵活功能的 U-Boot ，再依据相关手册进行安装。根据本实验的要求，配置 Linux 内核，并编译镜像，生成文件，写入到开发板当中。
3.人脸检测与识别系统的算法研究
3.1. 基于改进的直方图均衡化的图像预处理
在图像采集期间，图像质量很可能会因为外界因素受到影响，因此，图像需要进行预处理操作。如果对图像进行直方图均衡化方法的处理，可以将彩色图像转变为灰度图像，这样就可以大大减少影响。流程图如下所示：
3.2. 基于 Haar 特征的 AdaBoost 算法的人脸检测
AdaBoost（Adaptive Boosting）算法，是 1996 年由 Yoav Freund 等提出的一种自适应的增强分类器 Boosting 算法。而Haar-like 特征矩形，可以将人脸的在各个方面的特点分别表示出来。
AdaBoost作为一种迭代算法，在每一轮中加入一个新的分类器，直到达到某个预定的足够小的错误率。它的自适应在于：前一个基本分类器分错的样本会得到加强，加权后的全体样本再次被用来训练下一个基本分类器。同时，在每一轮中加入一个新的弱分类器，直到达到某个预定的足够小的错误率或达到预先指定的最大迭代次数。
3.3. 基于改进的 PCA 算法的人脸识别
PCA 算法，又称作主成分分析算法，以 K-L （Karhunen-Loeve）变换为数学基础，使用方法简便，并且识别率高、速度快，适于本实验的研究。
对于PCA算法的实现，首先要对数据进行归一化处理，计算归一化后的数据集的协方差矩阵和协方差矩阵的特征值及特征向量，再保留最重要的k个特征（通常k要小于n），通过找出k个特征值相应的特征向量，将m * n的数据集乘以k个n维的特征向量的特征向量（n * k），得到最后降维的数据。
4.基于 ARM 的人脸识别智能门禁系统的实现
对程序进行开发，本系统可分为四个功能模块，下面逐一对其进行讨论。
4.1. 图像采集模块
该系统需要在 Linux 下使用 USB 摄像头设备来采集图像，需要进行编程，包括摄像头驱动程序和应用程序。 4.2. 图形用户界面模块
GUI（图形用户界面）是计算机系统的重要组成部分。GUI 接口的功能就是对用户的动作做出响应。需要把事件和相关代码联系起来，从而对用户的事件做出正确的响应。图形用户界面的开发流程如下图所示。
4.3. 人脸检测模块
检测 USB 摄像头采集的图片是该模块的主要作用，并且需要对图片进行分析并定位人脸。检测和定位的流程是：首先对采集的图片进行光照补偿，再进行色彩空间的转换，之后对肤色进行建模，筛选去掉非人类区域，就实现了对人脸区域定位的功能。
4.4. 人脸识别模块
在嵌入式人脸识别系统中，提取特征值和特征向量是人脸识别算法的重点和难点。可以将该系统分成训练阶段和识别阶段两个部分，具体流程图如下。
5.实验结果
当启动系统软件后，先使用摄像头人脸图像进行采集并顯示。通过对采集的图像进行人脸检测，调用人脸识别程序对图像进行识别，判断人脸是否与人脸库中的人脸匹配，发出识别信号，实现智能门禁。为了验证实验结果，选择了10个人，每个人进行了10次识别，其中9个人是从人脸数据库中收集的，而1个人没有。 具体的实验结果如下表所示。
经过大量测试能够发现，人脸图像的质量决定了系统的识别率。随着识别次数增加，识别成功率也越好。但是仍有很多外界不利因素影响图像的质量，比如背景和光照等等。而且，识别率和数据库大小也有关系，可信度值随着数据库中人数的增多不断增加，识别成功率也会因此增加。
对于未来人脸识别技术在门禁系统中的应用，需要在不影响图像质量的前提下，提高识别效率，使其能够更好的在不同情况下应用在多种领域。
参考文献
[1] 施勇 冯华丽 《人脸识别技术在门禁系统中的研究与应用》烟台职业学院学报2012，（04）：89 -93
[2]潘小霞 《人脸识别技术研究》 中国优秀博硕士学位论文全文数据库 （硕士） 2005，（09）
[3]赵文琦《基于ARM的嵌入式人脸识别系统研究实现》 中国优秀硕士学位论文全文数据库 2011，（02）
[4]刘京京 《基于ARM的人脸识别在智能门禁中的应用研究》 中国优秀硕士学位论文全文数据库 黑龙江大学2015，（03）
[5]王磊 《人脸识别的智能门禁系统的研究与设计》中国优秀硕士学位论文全文数据库
关键词：人脸识别;人脸监测;门禁系统
0.引言
随着人们的生活质量逐渐提高，生物特征识别技术已在人们的生活中得到广泛应用，尤其是人脸识别技术，其发展已逐渐成熟，并且广泛应用于门禁系统。在生活中，传统的门禁系统不能对我们进行足够大的保障。因此，本文为了弥补传统技术的不足，阐述了基于ARM的人脸识别技术在门禁系统中的应用，分析了人脸识别算法，通过分析实验现象及结果，得出相应的结论。
1.人脸识别技术过程及相关理论
人脸识别系统虽然复杂，但是可以简化为五个部分，即图像获取、人脸检测定位、图像预处理、特征提取与匹配、识别结果。人脸识别技术过程如图所示：
由于人脸与人脸之间有着相当高的相似度，因此如何正确的将人脸识别，仍是目前学者们深入研究的主要课题。目前，人脸识别技术可分为三类：基于几何特征的方法、基于模板的方法、和基于模型的方法。
1.1. 基于幾何特征的方法
基于几何特征的方法是最传统的方法。通过研究人的眼睛、嘴巴、下巴、鼻子和其他部位的形状和结构之间的关系可以用几何特征进一步描述，可以将其提取为面部识别的重要特征。
1.2. 基于模板的方法
特征脸方法是基于模板的方法种最简单高效的一种方法，也被称为基于主成分分析（principal component analysis，简称PCA）的面部识别方法。通过确定人们的眼睛、鼻子、嘴巴等轮廓的大小、位置和距离等基本要素，构成面部样本集协方差矩阵的特征向量，可以用来近似象征人脸图像。
1.3. 基于模型的方法
基于模型的方法可分为基于隐马尔柯夫模型、主动形状模型和主动外观模型的方法等。
2.搭建系统平台
2.1. 总体方案设计
在本系统中，可以把它硬件和软件两个平台。其中，硬件平台主要包含摄像头和嵌入式 ARM 板的选择;而软件平台则包含软件的开发，以及如何对嵌入式操作系统进行选取等工作。该系统的结构图如下：
2.2. 硬件平台构建
TQ2440 开发板
对在该嵌入式系统中，起到主导的作用的处理器，影响着系统各个部分的正常运行。在本系统中，将采用 ARM 处理器和 TQ2440 开发板，并且该 ARM 板选用的是 ARM920T 内核和 S3C2440型号芯片。
摄像头
本系统采用一般常用的 USB 摄像头，选用韩国现代（HYUNDAI）V26 摄像头进行采集，其具有 1200 万像素，拥有1280*1024的最高分辨率，可以自动补光，并且支持 360 度自由旋转。
2.3. 软件平台的构建
搭建开发环境
在几种常用的嵌入式系统中，嵌入式Linux 有着非常显著的优势：它易于开发和定制，并且具有很强的互操作性，支持多种硬件平台和超过 30 种的 CPU ，成本低廉，实用性好，所以本实验的操作系统选择嵌入式 Linux 操作系统。
操作系统的定制和移植
运行嵌入式系统，必须要引导加载程序（ Bootloader ）。在Bootloader 中，选择具有高稳定性和高可靠性并且具有灵活功能的 U-Boot ，再依据相关手册进行安装。根据本实验的要求，配置 Linux 内核，并编译镜像，生成文件，写入到开发板当中。
3.人脸检测与识别系统的算法研究
3.1. 基于改进的直方图均衡化的图像预处理
在图像采集期间，图像质量很可能会因为外界因素受到影响，因此，图像需要进行预处理操作。如果对图像进行直方图均衡化方法的处理，可以将彩色图像转变为灰度图像，这样就可以大大减少影响。流程图如下所示：
3.2. 基于 Haar 特征的 AdaBoost 算法的人脸检测
AdaBoost（Adaptive Boosting）算法，是 1996 年由 Yoav Freund 等提出的一种自适应的增强分类器 Boosting 算法。而Haar-like 特征矩形，可以将人脸的在各个方面的特点分别表示出来。
AdaBoost作为一种迭代算法，在每一轮中加入一个新的分类器，直到达到某个预定的足够小的错误率。它的自适应在于：前一个基本分类器分错的样本会得到加强，加权后的全体样本再次被用来训练下一个基本分类器。同时，在每一轮中加入一个新的弱分类器，直到达到某个预定的足够小的错误率或达到预先指定的最大迭代次数。
3.3. 基于改进的 PCA 算法的人脸识别
PCA 算法，又称作主成分分析算法，以 K-L （Karhunen-Loeve）变换为数学基础，使用方法简便，并且识别率高、速度快，适于本实验的研究。
对于PCA算法的实现，首先要对数据进行归一化处理，计算归一化后的数据集的协方差矩阵和协方差矩阵的特征值及特征向量，再保留最重要的k个特征（通常k要小于n），通过找出k个特征值相应的特征向量，将m * n的数据集乘以k个n维的特征向量的特征向量（n * k），得到最后降维的数据。
4.基于 ARM 的人脸识别智能门禁系统的实现
对程序进行开发，本系统可分为四个功能模块，下面逐一对其进行讨论。
4.1. 图像采集模块
该系统需要在 Linux 下使用 USB 摄像头设备来采集图像，需要进行编程，包括摄像头驱动程序和应用程序。 4.2. 图形用户界面模块
GUI（图形用户界面）是计算机系统的重要组成部分。GUI 接口的功能就是对用户的动作做出响应。需要把事件和相关代码联系起来，从而对用户的事件做出正确的响应。图形用户界面的开发流程如下图所示。
4.3. 人脸检测模块
检测 USB 摄像头采集的图片是该模块的主要作用，并且需要对图片进行分析并定位人脸。检测和定位的流程是：首先对采集的图片进行光照补偿，再进行色彩空间的转换，之后对肤色进行建模，筛选去掉非人类区域，就实现了对人脸区域定位的功能。
4.4. 人脸识别模块
在嵌入式人脸识别系统中，提取特征值和特征向量是人脸识别算法的重点和难点。可以将该系统分成训练阶段和识别阶段两个部分，具体流程图如下。
5.实验结果
当启动系统软件后，先使用摄像头人脸图像进行采集并顯示。通过对采集的图像进行人脸检测，调用人脸识别程序对图像进行识别，判断人脸是否与人脸库中的人脸匹配，发出识别信号，实现智能门禁。为了验证实验结果，选择了10个人，每个人进行了10次识别，其中9个人是从人脸数据库中收集的，而1个人没有。 具体的实验结果如下表所示。
经过大量测试能够发现，人脸图像的质量决定了系统的识别率。随着识别次数增加，识别成功率也越好。但是仍有很多外界不利因素影响图像的质量，比如背景和光照等等。而且，识别率和数据库大小也有关系，可信度值随着数据库中人数的增多不断增加，识别成功率也会因此增加。
对于未来人脸识别技术在门禁系统中的应用，需要在不影响图像质量的前提下，提高识别效率，使其能够更好的在不同情况下应用在多种领域。
参考文献
[1] 施勇 冯华丽 《人脸识别技术在门禁系统中的研究与应用》烟台职业学院学报2012，（04）：89 -93
[2]潘小霞 《人脸识别技术研究》 中国优秀博硕士学位论文全文数据库 （硕士） 2005，（09）
[3]赵文琦《基于ARM的嵌入式人脸识别系统研究实现》 中国优秀硕士学位论文全文数据库 2011，（02）
[4]刘京京 《基于ARM的人脸识别在智能门禁中的应用研究》 中国优秀硕士学位论文全文数据库 黑龙江大学2015，（03）
[5]王磊 《人脸识别的智能门禁系统的研究与设计》中国优秀硕士学位论文全文数据库