嵌入式人脸识别门禁系统设计与实现

和直方图均衡化方法。

　　2．2人脸检测定位

　　人脸检测是指对于任意一幅给定的静态图像或视频序列图像，采用一定的策略和方法对其进行搜索以确定其中是否含有人脸， 如果有则返回人脸的位置、大小和姿态。从图像序列中， 自动、准确和快速地检测人脸区域是实现系统功能的一项关键任务。

　　目前，人脸检测有两大类方法：一类是基于知识的人脸检测方法，一类是基于统计学习的人脸检测方法。统计学习的方法是目前人脸检测的主流方法，通过大量的人脸和非人脸样本进行训练，得到人脸图像和非人脸图像之间一些细微的差异。对于门禁系统而言，人脸检测目标区域背景相对比较简单，人脸数量和大小可以控制，大大降低了人脸检测的难度。首先， 对人脸特征搜索定位；其次，对人脸区域几何归一化处理，再次，对检测到的人脸进行特征提取。

　　2．3人脸识别设计与实现

　　人脸识别是一种高维数、小样本数据的识别问题。对于该类问题，其难点在于训练样本的数量很少，而以训练样本的协方差矩阵作为模式协方差矩阵的估计时，会产生以下两方面问题， 一个是会造成较大的偏差，另一个是会使类内协方差矩阵奇异。

　　为了解决类内协方差矩阵奇异使得该矩阵不可逆的问题， 国内外专家们提出了许多经典算法。本系统采用．基于结构化fisherface的人脸识别方法。它应用了PCA与LDA的人脸识别过程，先由PCA对高维数据进行降维处理，获得原样本的最优特征表示，并使样本的类内协方差矩阵非奇异，然后作线性判别分析。在采用线性鉴别分析之前，通过事先给定的线性变换来达到降低图像向量的维数，从而消除了类内协方差矩阵的奇异性。在很大程度上解决了外部光照干扰、面部表情变化等因素的影响，优点是在人脸图像有光照和表情变化的情况下， 比特征脸方法的鲁棒性强。在本系统中的人员信息采用SQlite数据库技术统一管理。在人脸识别的过程中需要从人员数据库中提取相应卡号和人脸特征数据。人员数据库中存放人员的基本信息、人脸照片和人脸特征数据。其中人脸特征数据是进行人脸识别的依据，而人脸照片只是作为显示识别结果之用，并不参与识别过程。

　　3 系统功能测试

　　人脸识别功能利用国际上常用的ORL的人脸数据库进行测试。ORL数据库包括40个人每人的10幅共400幅图像，具有不同的光照、表情和视点。从其中选择8人进行训练，进行识别测试。统计结果如表1所示。

　　实验证明该算法是一种稳定高效的算法，可以实现人脸识别技术进行门禁控制的功能。

　　4 结束语

　　嵌入式人脸识别门禁系统因其非接触式的数据采集、隐蔽性好、方便快捷、便于事后追踪及可交互性强等优势，在当前科研及实际工程应用中成为最热门的研究主题之一。本系统就是作为鹤壁市科技局科研课题而开发实现的。基于ARM技术的嵌入式人脸识别门禁系统的实用性和应用前景非常广阔。