本发明涉及一种门禁系统的人脸识别方法。
背景技术:
在日常生活中,人们无处不在的必须使用各种各样的门禁锁具,从门禁锁具的控制方式来说,主要有钥匙、密码、磁卡和ic卡。随着人们生活水平的提高,门禁锁具这个不可缺少的必需用具也给生活带来了很多烦恼。从目前已有的门禁锁具的控制方式来看,存在着一定的安全隐患,钥匙、密码和磁卡容易复制、窃取;ic卡的安全性较高,但也容易丢失。早期的技术是基于个人密码,而密码被破解或偷窥的概率越来越高。后来出现了智能ic卡,但这种方式同样存在被复制或者偷盗的安全隐患。生物识别将成为今后几年门禁产业的重要变革。生物特征是通过计算机利用人体固有的生理特征或行为特征鉴别个人身份。生物识别技术具有不易遗忘和丢失,不易伪造和被盗,可以“随身携带”,随时随地使用等优点,已经被全世界所关注,并应用于身份、出入口管理,安防监控,电子商务、电子政务等各个领域。
与传统钥匙门锁相比,门禁系统在携带,遗失等情况时的处理更加方便,无须更换大量门锁和钥匙,仅需要在软件中做出相应的操作即可。与监控、报警等安防方式相比,门禁系统化被动为主动,将安全隐患直接排除在管制通道之外。
技术实现要素:
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种门禁系统的人脸识别方法。
为解决上述技术问题,本发明提供一种门禁系统的人脸识别方法,其特征是,包括:系统加电以后首先进行初始化,当有人通过门时,利用硬件中断向系统提出请求,系统得到请求后屏蔽中断,向图像传感器发出捕获人像指令,采集图像结束后,图像传感器通过中断方式通知arm9采集完毕,系统开始对人像进行处理和识别,最后通过硬件中断输出识别结果。
进一步地,具体包括以下步骤:
(1)加电后,系统完成初始化,存储在flash中的程序和数据被加载到sdram中;
(2)图像获取部分直接由ccd采集完成,捕获的图像信息存放在变量fdata中,获取的人脸图像做处理;
(3)对人脸图像进行检测定位,判断图像中是否有人脸,如果有人脸则做出准确的定位;
(4)定位完毕后进行人脸特征值的提取;
(5)识别时采用计算输入图像矩阵与人脸模板灰度矩阵之间的欧氏距离作用判据;
(6)如果特征匹配,门禁系统开门,并进行尾随检测,如果有尾随则报警;如果特征不匹配,重新获取图像。
进一步地,上述步骤(1)中,从文件pm﹑mean﹑facetpl﹑eyetpl中读出数据,分别存在变量pm﹑mean﹑facet﹑eyet中,供以后特征提取用,这些数据是预先在pc上训练完毕后烧写到flash中。
进一步地,上述步骤(2)中,获取的人脸图像做大小和灰度的归一化处理。
进一步地,上述步骤(3)中,程序对人脸各部分定位的顺序是头部定位﹑脸部定位﹑眼睛定位﹑瞳孔定位。
进一步地,上述步骤(3)中,系统的检测、定位部分采用的是基于静态灰度图像,简单背景、光照均匀、正面人脸图像的传统的模板匹配方法。
进一步地,上述步骤(4)中,首先将人脸定位后的数据减去平均脸mean得到一个数组,该数组在特征脸矩阵pm中投影后得到人脸特征值,对特征提取和选择采用pca方法。
本发明所达到的有益效果:采用了在arm9控制下cmos图像传感器进行图像采集,并利用改进的pca算法对人脸图像识别,提高了识别效率和正确度,提高了系统的实用性。人脸的识别时间可以在一秒内完成,系统的识别率为98.5%,其中误识别率为1.25%。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
一种门禁系统的人脸识别方法,包括:系统加电以后首先进行初始化,当有人通过门时,利用硬件中断向系统提出请求,系统得到请求后屏蔽中断,向图像传感器发出捕获人像指令,采集图像结束后,图像传感器通过中断方式通知arm9采集完毕,系统开始对人像进行处理和识别,最后通过硬件中断输出识别结果。
具体包括以下步骤:
(1)加电后,系统完成初始化,存储在flash中的程序和数据被加载到sdram中;
(2)图像获取部分直接由ccd采集完成,捕获的图像信息存放在变量fdata中,获取的人脸图像做处理;
(3)对人脸图像进行检测定位,判断图像中是否有人脸,如果有人脸则做出准确的定位;
(4)定位完毕后进行人脸特征值的提取;
(5)识别时采用计算输入图像矩阵与人脸模板灰度矩阵之间的欧氏距离作用判据;
(6)如果特征匹配,门禁系统开门,并进行尾随检测,如果有尾随则报警;如果特征不匹配,重新获取图像。
上述步骤(1)中,从文件pm﹑mean﹑facetpl﹑eyetpl中读出数据,分别存在变量pm﹑mean﹑facet﹑eyet中,供以后特征提取用,这些数据是预先在pc上训练完毕后烧写到flash中。
上述步骤(2)中,获取的人脸图像做大小和灰度的归一化处理。
上述步骤(3)中,程序对人脸各部分定位的顺序是头部定位﹑脸部定位﹑眼睛定位﹑瞳孔定位。
上述步骤(3)中,系统的检测、定位部分采用的是基于静态灰度图像,简单背景、光照均匀、正面人脸图像的传统的模板匹配方法。
上述步骤(4)中,首先将人脸定位后的数据减去平均脸mean得到一个数组,该数组在特征脸矩阵pm中投影后得到人脸特征值,对特征提取和选择采用pca方法。
本发明采用了在arm9控制下cmos图像传感器进行图像采集,并利用改进的pca算法对人脸图像识别,提高了识别效率和正确度,提高了系统的实用性。人脸的识别时间可以在一秒内完成,系统的识别率为98.5%,其中误识别率为1.25%。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。