基于人脸识别的监控系统

论文总字数：18749字

目 录

1引言5

1.1 研究背景5

1.2 国内外现状5

1.3技术问题6

1.4研究目的6

2人脸识别算法的比较 6

2.1基于神经网络的识别方法6

2.2基于PCA的人脸识别方法7

2.3基于弹性图匹配的人脸识别方法7

2.4模板匹配法8

2.5基于几何特征的人脸识别方法8

3人脸识别流程设计 9

3.1图像的预处理9

3.2几何特征的提取14

3.3人脸图像的分类识别16

4硬件电路16

4.1 压力传感器17

4.2 OpenMV视觉模块17

4.3 GSM模块20

5程序及结果21

5.1程序语言21

5.2流程及处理结果21

6结束语25

参考文献25

致谢27

基于人脸识别的监控系统

潘锦华

，China

Abstract：In order to monitor the identity of people accurately, a monitoring system for smart home is designed in this paper. The effective identification system based on face recognition is to be realized, when someone touches home, by the door of the pressure sensor, pressure sensor signal input to the microcontroller, the captured image and face recognition by MCU start visual module, when the face identification is invalid, the alarm information to the microcontroller through the GSM module to send mobile phone binding. The system can realize effective monitoring based on face recognition, and has important reference value for the development of smart home technology. Key words：face recognition; Monitoring system; Visual module; GSM

1引言

1.1研究背景

在当今信息化时代，对于鉴别人的身份是十分关键的，也是一个很重要的研究课题。随着技术的不断发展，越来越多的鉴定方法被研究出来，不过说到最安全，最可靠，最准确的方法我认为还是生物识别技术。生物特征标识符是用于标记和描述个体的独特的，可衡量的特征，生物识别技术经常被归类为生理与行为特征，生理特性都与身体的形状。实例包括但不限于指纹，掌纹，脸部识别，DNA，掌纹，手几何，虹膜识别，视网膜和气味/气味^[1]。行为特征与人的行为模式有关，包括但不限于打字节奏，步态，和声音。由于生物特征识别符对于个体是唯一的，因此它们比基于令牌和基于知识的方法更可靠地验证身份;一些研究人员创造了行为学术语来描述后一类生物识别。虽然人脸识别技术和指纹，虹膜等技术相比有很大的误差，但是相比于这些技术而言更容易被用户所接受，因为它几乎不会涉及到个人隐私等敏感问题。

人脸识别技术的逐渐成熟不仅可以推进人类对视觉体系本身的认识，而且还可以满足人类人工智能方面的需求。可以看到人脸系统在今天已经用到了很多的方面。例如：公安机关缉拿罪犯的时候就要用到人脸识别；一些场所出入门禁都需要通过人脸识别控制；对身份证和其他证件上的图像进行人脸识别等。此技术涉及到概率，统计，图像处理，数学等一些列知识，人脸识别技术的成熟可以推动这些技术的发展。

1.2国内外现状

自动人脸识别技术开始于20世纪60年代，美国，日本，英国，德国，荷兰等国家都有专门的机构负责研究，许多大学和基金都对它情有独钟，比较著名的有美国麻省理工学院的媒体实验室，人工智能实验室，卡内基梅隆大学，英国剑桥大学等^[2]。并在20世纪80年代到90年代是引入中国，比如清华大学，中科院，哈尔滨工业大学等都对此有研究并且取得了一定的成果，人脸识别技术是一项非常具有挑战性，而且非常困难的课题，它涉及到数字图像处理，算法，神经网络，心理学，概率，摄像技术，计算机，程序等一系列知识。

国内的研究工作主要集中在一下几个方面：基于几何特征的正面人脸自动识别方法；基于连接机制的正面人脸自动识别方法；基于代数特征的正面人脸自动识别方法。成都大学校长周激流提出了具有反馈机制的正面人脸识别系统，运用积分投影法提取面部特征的关键点并用于识别，获得了比较满意的效果^[3]。他同时也尝试了“稳定视点”特征提取方法，即为使识别系统中包含3D信息，对人脸侧面剪影识别进行了一定的研究，实现了正面和侧面互相参照的识别系统。程永清、庄永明等对同类图像的平均灰度图进行 SVD（奇异值分解）得到特征脸空间，将每一幅图像在特征脸空间上的投影作为其代数特征，然后利用层次判别进行分类。彭辉、张长水等对“特征脸”的方法做了进一步的研究，采用类间离散度矩阵作为产生矩阵，进一步降低了产生矩阵的维数，在保持识别率的情况下，大大降低了运算量^[3]。

1.3技术问题

虽然人脸识别技术发展到今天取得了很大的成就，但是不可否认还有许多问题依旧困扰着我们，所以在实际操作过程中会发生一定的误差，这取决于很多方面，比如光线，人的表情，姿态等都会造成影响。主要概括为以下几点：

(1)人们脸部的塑性变形即当人做不同的表情是脸部会发生一些变化；

(2)相关专业的综合作用（人脸识别技术涉及到数学，概率，图像处理等许多方面；

(3)头部形态的变化（有无眼镜，头发的形状）；

(4)外在因素的影响（光线，障碍物等）。

1.4研究目的

目的是为了设计一种综合家庭安全，简洁智能，身份识别于一体的系统，它能够在主人不在的情况下监控家庭，系统的工作原理是当外人进入目的地时导致压力传感器收到信号然后发送数字信号到OpenMV，OpenMV的视觉模块开始工作，然后与存储的信息相对比，如果不同那么将调用GSM模块将信息以短信的形式发送给用户，所以用户可以及时的了解到家里是否有异常闯入的情况。

2人脸识别算法的比较

2.1基于神经网络的识别方法

人工神经网络（ANN）是一种信息处理模式，灵感来自生物神经系统，如大脑，过程信息。这种范式的关键要素是信息处理系统的新颖结构。它由大量高度互联的处理元素（神经元）组成，共同协调解决具体问题。ANN像人一样学习。通过学习过程，为特定应用配置ANN，如模式识别或数据分类。在生物系统中的学习涉及神经元之间存在的突触连接的调整。ANN也是如此。神经网络具有从复杂或不精确的数据导出意义的显着能力，可用于提取模式并检测太复杂的趋势，无法被人类或其他计算机技术注意到。训练有素的神经网络可以被认为是分析信息类别中的“专家”。错误的反向传播或反向传播是训练人造神经网络的常用方法，及BP网络，它与诸如梯度下降的优化方法结合使用，该算法重复两阶段循环，传播和权重更新。当向网络呈现输入向量时，它逐渐传播通过网络，直到到达输出层。然后使用损耗函数将网络的输出与期望的输出进行比较，并计算输出层中每个神经元的误差值。然后从输出开始向后传播误差值。

它的训练具体流程为：对权系数置初值；输入一组样本及它的希望输出；计算实际输出值；计算误差；反向传播误差值及调整权值；不断训练；利用完成后的神经网络进行预测。

图1 神经网络模型图

缺点：该方法不易理解，而且如果特征点多的话，神经元就会很多，计算时间太长，算法复杂。

2.2基于PCA的人脸识别方法

主成分分析（PCA）是一种使用正交变换将一组可能相关变量的观察值转换成称为主成分（或有时主要变异模式）的线性不相关变量的值的统计过程，主要成分的数量小于或等于原始变量数量或观测次数的较小者。这种变换被定义为使得第一主成分具有最大可能的方差（即，尽可能地考虑数据的变异性），并依次每个随后的部件具有它的约束下的最高方差可能正交前述组件，所得到的向量是不相关的正交基集，PCA对原始变量的相对缩放很敏感。 缺点：基于PCA的人脸识别方法不太准确，而且算法复杂，必须要和其他的算法相结合，例如基于弹性图匹配的方法等。

2.3基于弹性图匹配的人脸识别方法

弹性束图匹配是一种算法在计算机视觉用于基于从其它图像中提取的曲线图表示识别图像中的对象或对象类别。它已经在脸部识别和分析中得到了显着的应用，也被用于手势和其他对象类。它是计算机视觉领域的物体识别的生物学启发式算法，弹性图匹配中的可视对象被表示为标记图，其中节点表示基于Gabor小波的局部纹理，边缘表示图像上的节点位置之间的距离。因此，对象的图像被表示为某一空间排列中的局部纹理的集合。如果一个图像中的一个新对象被识别，那么所存储的对象的标签图形，即所谓的模型图，被匹配到图像上。算法的步骤：

从图2中可以看到，从已知的FBG中位置信息找出每个特征点的粗略位置（Xn,Yn）;

之后需要在归一化的人脸图像中计算出（Xn,Yn）处的Gabor变换向量系数Jn;

然后将Jn与第一步中的JmB比较，计算出误差n=Jn’-Jn，从而得到特征点的校正值为（Xn’,Yn’）=(Xn,Yn) n；

这时必须要重复以上步骤得到人脸图像上特征点的准确位置（Xn’,Yn’）, 对应这些点求出其Gabor系数, 然后原图可以用一张n个特征点的小波变换系数来表示，它们组成了人脸图。

缺点：只能应用于具有共同结构的物体，例如当人正面对着正面对着摄像头，而且共享一组背景。但是实际上是不可能的，人是动态的，所以这种方法也是需要改进的，很复杂。

图2 弹性图匹配法模型

2.4模板匹配法

模板匹配法是用于寻找与模板图像匹配的图像的小部分的数字图像处理技术。下面介绍的是基于像素的模板匹配的方法，这种方法相比于其他方法是容易实现的。具体的步骤是：1.设计为m*m的模板，n*n的筛选区域；2.计算模板的均值和方差；3.计算筛选区域的均值和方差；4.当模板匹配到待测区域时，计算相关系数，；5.得到相关系数后于阈值进行比较确定是不是人脸。

2.5基于几何特征的人脸识别方法

剩余内容已隐藏，请支付后下载全文，论文总字数：18749字

相关图片展示：