文章编号
:
1672
-
058X
(
)
04
-
0390
-
04
基于人脸识别的门禁系统设计与实现
朱
超
平
(
重庆工商大学
计算机科学与信息工程学院
,
重庆
400067
)
收稿日期
:
-
12
-
19
;
修回日期
:
-
02
-
23.
作者简介
:
朱超平
(
1977
-
)
,
男
,
四川邻水人
,
讲师
,
从事组件技术和嵌入式系统研究
.
摘
要
:
人脸识别技术是生物技术和计算机技术的复合应用
,
市场对门禁的安全性和可靠性的要求也
越来越高
;
提出了一种基于
ARM9
处理器的快速人脸检测门禁系统设计方案
;
首先选择实用有效特征
,
简要
介绍人脸检测和人脸识别算法的基本原理
,
针对该算法实现原理详细阐述硬件系统设计方案
;
最后在设计
的硬件系统上进行算法移植
,
并开发门禁系统控制软件
,
实现了嵌入式快速人脸识别门禁系统的研制
。
通
过分析测试结果
,
系统可靠运行高
、
速度快
,
能够实现门禁系统的功能
。
关键词
:
人脸识别
;
PCA
;
ARM9
;
门禁系统
中图分类号
:
TP216
文献标志码
:
A
1
算法简介
人脸检测算法是人脸识别算法的基础
,
算法选取几个特征矩形训练模板
,
得到人脸检测最合适的矩形
特征
。
1.
1
PCA
特征选取
主元分析
(
Principal
Components
Analysis
,
PCA
)
的思想源于
K
-
L
变换
,
其目标是将某个高维向量
,
通过
一个特殊的特征向量矩阵
,
也称为
K
-
L
变换矩阵
,
投影到一个低维的向量空间中
,
从而将高维向量降为低
维向量
,
这些低维向量表示了样本点空间中方差最大的方向
,
代表样本原来的主要信息
,
具有很强的区分能
力
。
主元分析法在模式识别领域应用非常广泛
,
本文将其用于人脸识别
,
通过求样本矩阵的协方差矩阵
,
然
后计算协方差矩阵的特征向量
,
这些特征向量就可以构成这个投影矩阵
[
1
]
。
特征向量的选择取决于协方差
矩阵的特征值的大小
。
1.
2
PCA
训练算法
设训练样本集中有个样本
,
其中
,
样本
i
的像素灰度值组成的向量称为
x
i
,
其维数为样本图像的像素总
数
。
由个样本的向量构成一个样本向量集合
:
{
x
1
,
x
2
,
…
,
x
n
}
,
则该样本向量集的平均向量可以利用式
(
1
)
来
定义
,
各个样本的偏差定义为式
(
2
)
。
通过样本的偏差矩阵
D
定义为式
(
3
)
,