基于線性判別分析的門禁系統(tǒng)的設計與實現(xiàn)

吳朝霞+郭強

摘要：隨著人臉識別、計算機網(wǎng)絡信息技術以及嵌入式等技術的提高與發(fā)展，人們逐漸體會到科技給生活帶來了很多便利和益處。本論文所提出的系統(tǒng)設計是通過攝像頭采集人臉圖像，在后臺應用系統(tǒng)完成人臉圖像判別，然后將判別結果發(fā)給單片機發(fā)送命令來控制門禁。軟件上首先利用主成成分分析做相應的預處理，然后線性判別分析提取特征向量，利用所求得的特征矩陣對于參與訓練的人臉圖像和需要測試的人臉圖像進行處理，最后采用最近鄰分類器進行識別。

關鍵詞：線性判別分析；主成成分分析；門禁系統(tǒng)

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）01-0198-02

1整體架構

因為單片機承載能力問題，而且一般情況下門禁系統(tǒng)會在單個局域網(wǎng)環(huán)境下部署，所以本文采用了客戶/服務器模式。這樣不僅可以方便的使得管理員進行用戶信息管理，而且可以使得整個系統(tǒng)的信息安全性更高。

本系統(tǒng)部署在需要使用門禁系統(tǒng)單位的服務器，其中包括人臉識別的運算。并且由于該系統(tǒng)設計為單位內多個門禁使用，所以所要處理數(shù)據(jù)包括視頻，圖像等數(shù)據(jù)很大，所以系統(tǒng)服務器設計為多臺服務器所構成的服務器組，并安排其中一臺做其他服務器的管理工作，將要處理的識別事務分配給相應的服務器進行處理。最后將識別結果發(fā)送到終端，由終端控制門禁是否開啟。

另外該設計提供了為了達到系統(tǒng)運行過程的可控，該設計提供了實時監(jiān)控等功能，中心系統(tǒng)控制模塊連接遠程計算機，和電子門鎖等硬件。在系統(tǒng)中為了提高系統(tǒng)穩(wěn)定性和識別率，硬件上選用高清的攝像頭獲取人臉樣本，在算法上通過不斷實驗選取較好的參數(shù)使得算法具有較高的識別率。

該系統(tǒng)主要由圖像采集、圖像預處理、主控模塊、后臺服務器、電子門鎖等模塊構成。

圖像采集模塊所用的設備主要是攝像頭。因為CMOS感光技術的攝像頭在采集圖像信息時輸出時直接將模擬信號轉換為數(shù)字信號，可以直接利用所得到的數(shù)據(jù)進行數(shù)字處理，這樣使得該設計的實現(xiàn)相對簡單。

系統(tǒng)的整體架構如圖1所示。

圖像預處理模塊主要是進行人臉的檢測、截取、和圖像傳送工作。點下按鈕后攝像頭不斷檢測視頻片段，用戶校準完畢，再次點擊按鈕后，會將視頻中關鍵部分剪切，然后關鍵圖像進行壓縮，比如壓縮到64*64維，最后將該處理結果通過網(wǎng)絡發(fā)送到PC服務器，對用戶身份進行識別和驗證。

主控模塊主要是為其他各個模塊提供交互功能，目的是將獲取的人臉圖像傳到服務器，由服務器組調用合適的判別算法進行身份判別，然后服務器將判別結果發(fā)回到主控模塊，然后主控模塊將根據(jù)得到的結果開啟門禁，或者將判別結果發(fā)送到電子門鎖的顯示器上。

PC服務器模塊和管理員模塊是系統(tǒng)的核心部分，管理員可以利用PC遠程的管理員控制系統(tǒng)進行實施監(jiān)控，也可以在PC服務器中添加或者刪除門禁系統(tǒng)人員信息，改變門禁系統(tǒng)用戶信息，調整人臉識別系統(tǒng)的參數(shù)。

整個過程即為系統(tǒng)首先通過終端攝像頭獲取圖像，將圖像預處理模塊的輸出傳送到控制系統(tǒng)，控制系統(tǒng)將圖像發(fā)送到后臺服務器，服務器調用人臉識別算法對人臉樣本進行身份判別，主控模塊最后依照驗證結果控制電子門鎖的開關。

2實現(xiàn)過程中主要解決的問題

人臉檢測方法基本已經(jīng)成熟，基本包括基于知識的方法，特征不變方法，模板匹配方法，基于外觀的方法等。本設計利用了外觀分割方法，該方法雖然對光照比較敏感，而且在復雜背景下會很大的影響檢測結果，但是由于終端攝像頭視野內背景一般比較單一，并且該方法的優(yōu)點在于對人臉旋轉，偏移不敏感的優(yōu)點，所以基于外觀的方法在門禁系統(tǒng)中是可行的。

門禁系統(tǒng)中我們用到的特征提取方法有兩種，特征提取也稱為降維。目的在于提取到原始圖像在有用信息，提高了運算的速度，去噪的同時，也提升了識別率。主成分分析（PCA）和線性判別分析（LDA），PCA 為人臉識別領域最為經(jīng)典的算法，算法通過正交變得到一組互相無關的特征，然后根據(jù)特征值選取帶有更多信息的特征向量。即將原始圖像降維到低維子空間，所得子空間也被稱為特征臉，所以PCA特征提取方法也被稱為特征臉方法。

實施過程如下：

1）對原始圖像進行處理，將之前獲取的樣本圖像構成矩陣

2）計算協(xié)方差矩陣；

3）計算協(xié)方差矩陣的特征向量和特征值；

4）找到訓練圖像和測試圖像在特征子空間中的投影；

5） 使用最近鄰分類器進行評估，判定測試圖像所屬人是否在可通過門禁；

線性判別分析是另外經(jīng)典并且相對更好的特征提取方法，該方法查找特征矩陣是通過目標函數(shù)使得類間區(qū)分度最大化，類內區(qū)分度最小化，來得到能夠使得原始數(shù)據(jù)映射后同一類的樣本距離更小，不同類的樣本距離更大。

類間和類內差別通過相應的散布矩陣表示和，然后最大化比率，具體目標函數(shù)如下：

具體實施方法如這PCA，區(qū)別在于特征方程式的不同。

3主要設計實施過程

我們采用兩種方法相結合的方式對原始數(shù)據(jù)進行訓練。即首先用PCA對訓練樣本做預處理，然后利用LDA得到最終的結果，這樣對于避免小樣本事件的發(fā)生起到了一定的作用。

設參加訓練的人臉圖像來自c個人，一共N張圖片，按以下步驟對給定的人臉進行訓練：

整體系統(tǒng)實施過程如下：

圖片預處理：

將采集到的m張p*q維的人臉圖像矩陣一一拉成n維向量，此處n=p*q，并將M個向量構成m*n的矩陣M，并且將該矩陣歸一化。

編寫代碼：

1）求協(xié)方差：①求出均值每一行減去均值；②對于處理過的矩陣求協(xié)方差。

2）利用主成分分析求特征值和特征向量。

3）選取攜帶較多信息的特征向量，構成矩陣TEMP。

4）利用線性判別分析方法將TEMP作為原始數(shù)據(jù)求特征向量。

5）把特征值從大到小排列，并且將前t個較大特征值對應的特征向量構成n*t矩陣Feature，即投影矩陣。

6）將該投影矩陣與M相乘，得到特征臉。

7）對新輸入的樣本進行處理，并利用分類器對處理好的樣本判別。

4 結論

本設計可以對單位內多個門禁進行統(tǒng)一管理；同時在樣本訓練過程中采用了先使用主成成分分析進行預處理，然后利用線性判別分析求取最終的主要特征，使得最后的識別具有更高的識別率；而且利用CMOS 圖像傳感器進行圖像采集，綜上可以使得系統(tǒng)實現(xiàn)構建簡單、方便，識別速度快且準確率較高。

參考文獻：

[1] 王婷，楊國勝，薛長松.若干人臉識別算法的比較研究[J].河南大學學報，2007.

[2] 楊淑瑩.VC++圖像處理程序設計[M].北京：清華大學出版社，2003.

[3] Mardia K V， Kent J T，Bibby J M. Multivariate Analysis， Academic Press1980.

[4] Fukunaga K. Introduction to Statistical Pattern Recognition. Academic Press， 1990.

[5] Intelligent Control and Automation[C]， Jinan， China， 2010：6295-6300.