一种基于神经计算棒的人脸识别智能门禁系统的制作方法

本实用新型涉及门禁系统技术领域，具体来说，涉及一种基于神经计算棒的人脸识别智能门禁系统。

背景技术：

随着社会的日益进步，人们的生活水平迅速地提高，私有财产日益富足，信息的安全性、隐蔽性越来越重要，人们对安全防范系统也提出越来越高的要求。如何科学有效、简单方便地做好安全防范措施，已经成为当今时代安防系统研究的热点和重点。门禁系统在安防系统中安居重要位置，从居民住宅、小区门禁到公司考勤，甚至奥运会入场等等。传统门禁系统中的身份验证和识别方法包括：身份证、工作证、智能卡、密码、口令等存在着携带不便、容易遗失、不可读和密码易被破解等诸多问题，因此，传统的门禁系统的身份验证和识别技术面临着严峻的挑战，越来越无法满足人们对于信息安全性的需求。

目前，很多生物识别技术的产品进入人们的事业并逐渐进入消费者的生活领域。生物特征识别技术具有便携性，非遗失性，不会被遗忘、不会被盗用或者借用等特点。人体的生物特征具有唯一性，生物识别技术通过个体特有的生理和行为特征来进行身份识别和个体体验，涵盖了模式识别、生物学、机器视觉等多个领域。目前已有较多生物特征被应用于生物识别的案例，例如指纹识别、虹膜识别和人脸识别。在长时间内指纹、虹膜和人脸特征都不会改变，但是指纹和虹膜识别样本在获取时被识别者必须和设备之间保持较近的距离，指纹识别甚至要求直接接触，在日常生活中很容易留下自己的指纹。虽然，人脸识别容易受到光照强度、采集角度等诸多因素影响，但是它具有非接触式，可以在人们毫无察觉的情况下进行图像采集并且人脸识别不易被仿造，识别率较高，具有广泛的应用价值和市场前景。

传统的人脸识别技术主要是建立在PC平台上，因为PC机处理能力较强，同时具有丰富的外围扩展接口。其适用于海量样本采集的场合，例如社区安防，办公楼人员权限鉴定，大型会议身份鉴定等场合。但是在访问量较小的情况下，例如居室门禁和小型办公区使用一台PC会长期空闲，只有人员访问时才工作显得格外浪费。

技术实现要素：

本实用新型的目的在于提出一种基于神经计算棒的人脸识别智能门禁系统，以克服现有技术中存在的上述不足。

为实现上述技术目的，本实用新型的技术方案是这样实现的：

一种基于神经计算棒的人脸识别智能门禁系统，包括中央处理器与所述中央处理器连接的人脸图像采集单元，所述中央处理器包括人脸识别单元、门禁控制单元和远程网络请求单元；所述人脸识别单元采用神经计算棒作为加速器，所述人脸图像采集单元与人脸识别单元连接，所述人脸识别单元与门禁控制单元连接，所述门禁控制单元与远程网络请求单元连接。

进一步的，所述中央处理器还包括图像预处理单元，所述图像预处理单元分别与人脸图像采集单元和人脸识别单元相连。

进一步的，所述图像预处理单元包括依次连接的平衡化处理模块、滤波处理模块和椭圆遮罩处理模块。

进一步的，所述的人脸图像采集单元连接有人机交互单元。

进一步的，所述人机交互单元采用LCD触摸式显示屏。

进一步的，所述中央处理器采用ARM处理器。

本实用新型的有益效果：本实用新型可以实时、准确的从摄像头中提取出目标图像并在神经计算棒中进行识别，大大加快人脸识别的识别速度，提高了图像匹配的准确率，快速而方便的控制门禁开关模式，管理人员进出。

附图说明

图1是本实用新型所述的智能门禁系统的功能模块结构示意图。

图2是本实用新型所述的人脸识别单元的工作流程图。

图中所示：

1-人脸图像采集单元；2-人脸识别单元；3-门禁控制单元；4-远程网络请求单元；5-图像预处理单元；6-中央处理器。

具体实施方式

下面结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述。

如图1所示，根据本实用新型的实施例所述的一种基于神经计算棒的人脸识别智能门禁系统，包括中央处理器6与所述中央处理器6连接的人脸图像采集单元1，优选的，所述中央处理器6采用ARM处理器，如三星公司型号为S3C2440的ARM芯片，所述中央处理器6包括人脸识别单元2、门禁控制单元3和远程网络请求单元4；所述人脸识别单元2采用神经计算棒作为加速器，所述人脸图像采集单元1与人脸识别单元2连接，所述人脸识别单元 2与门禁控制单元3连接，所述门禁控制单元3与远程网络请求单元4连接。

具体的，所述人脸图像采集单元1采用摄像头，人脸图像采集单元1将摄像头获取的用户信息进行录入和获取当前目标人脸图像。管理员图像模板库包括每个管理员的头像录入信息，用户名信息以及用户密码信息；人脸图像信息均可从人脸图像采集单元1中直接提取，并结合远程网络请求单元4，对每个管理员的身份进行注册(注册时添加用户名信息以及密码信息)，并将人脸图像信息与用户名信息、密码信息进行匹配，录入数据库中，供人脸识别单元提取信息。人脸图像采集单元1对当前人脸图像进行采集，由人脸识别单元2与管理员图像模板库中已存在的图像进行匹配。

人脸识别单元2将人脸图像采集单元1得到的图像结合已有的管理员图像资料库输入到BP神经网络模型中进行计算，将结果用欧式距离进行判定，得到识别结果，并将识别的结果输入门禁控制系统，如果匹配成功，则自动开启；如果匹配失败，则将图像传输到远程网络请求单元4，请求远程操作用户进行识别；所述的BP神经网络模型是通过额外的硬件进行实现，其主要利用大量的数据对神经网络进行训练，从而得到特定的权值。神经网络中每个神经单元是一个单独的感知器，感知器可以将一个实数值向量作为输入，计算这些输入的线性组合，如果结果大于某个阈值就输出1，否则输出-1；所述的感知器采用sigmoid压缩函数，输入向量经过sigmoid函数计算后进行输出，可以压缩输出值，使得整个神经网络可以较快的收敛；整个神经网络采用反向传播算法，通过反向传播的误差值不断调整网络中每个神经单元的权重，最终得到整个神经网络的稳定收敛权值，完成训练。

门禁控制单元3作为智能门禁系统的执行机构，主要是从远程网络请求单元4或者直接从人脸识别单元2得到是否启动门禁的指令，控制门禁的开关模式。所采用的全自动式电磁门锁利用法拉利电磁感性原理，当线圈通电时将电场转化成磁场从而牢固的粘住铁块，断电后磁性消失门禁自动打开。

远程网络请求单元4将以太网卡介入Internet网路，QT配置network库便于访问PC端网络服务器，实现图像采集上传功能，消息发送功能以及远程门禁授权申请等功能。PC端搭建Mysql数据库存储访问记录，通过PC本地磁盘存放访客裁图，PHP服务器实现客户端网络请求响应。

进一步的，所述中央处理器6还包括图像预处理单元5，所述图像预处理单元5分别与人脸图像采集单元1和人脸识别单元2相连。

图像预处理单元5用于对人脸图像采集单元1中的目标图像进行预处理，削弱背景以及光照条件对识别率的影响。基于模板匹配方法确定图像中是否存在人脸，根据分析结果判断人脸的位置、大小等状态信息；所述的模板匹配方法即存储几种标准的人脸模式，用以分别描述整个人脸和面部特征，计算输入图像和存储的模式间的相互关系并用于检测。由于人脸图像信息数据量巨大，在提取人脸特征的同时，需要对原始图像的数据压缩和向量降维，即用尽可能少的数据表示尽可能多的信息，得到该图像中能够表征人脸特征的低维度数据。具体的，首先对人脸图像采集单元1中的给定图像进行直方图平衡化处理，处理后的图像有更高的对比度，拓展了图像灰度值的动态范围，使得图像更加清晰；然后对图像进行滤波处理，减少图像的噪点；最后对图像做椭圆遮罩处理，在原有图像中屏蔽掉背景。

进一步的，所述人脸图像采集单元1连接有人机交互单元7，优选的，所述人机交互单元7采用LCD触摸式显示屏。所述智能门禁系统通过人机交互单元7获取当前目标图像，在无目标的情况下采集到背景，为节省系统资源，对视频图像使用可变背景的查分运算，实现实时运动目标检测，如果有人进入视野，进行图像采集和匹配处理，同时向远程网络请求单元4发送匹配结果和请求信息，由PC端对请求信息进行处理并返回指令控制门禁开关。

以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的保护范围之内。