论文总字数：19642字

摘 要

随着现代社会的不断发展与进步，人们的安全及隐私问题对于人们自身已愈发重要，传统的安全方式已不再很好地保障人们的安全及隐私，所以为了保障人们的安全与需求，基于卷积神经网络的人脸识别技术的安全保障措施应运而生。本文所述的基于人脸识别技术的智能门控系统硬件部分采用了可进行快速卷积运算的K210、摄像头OV2640、代替安全门的舵机和实时显示人脸识别过程的LCD显示屏，软件方面通过加载预训练的人脸检测等模型，待录入人脸后，便可以使用基于卷积神经网络的YOLO V2算法进行快速动态人脸识别并产生控制信号控制舵机的转动。通过本算法进行人脸识别的控制系统较传统人脸识别控制系统在人脸遮挡，环境变化等条件下具有较为明显优势，可以更加快速准确实现人脸识别并控制安全门，对保障人们的安全及隐私具有重要意义。本文所述系统为保障人们的安全及隐私问题提供了一种选择方案，而且提高了人脸识别控制系统的工作效率，具有一定的参考意义。

关键字：人脸识别；卷积神经网络；YOLO算法

Abstract

With the development of modern society, people's security and privacy issues have become more and more important to people themselves. Traditional security methods are no longer very good for protecting people's security and privacy. K210, OV2640 camera, 180 degrees rudder instead of safety door and LCD display which shows the process of face recognition in real time are used in the hardware of intelligent gate control system based on face recognition technology. Compared with the traditional face recognition control system, the face recognition control system based on this algorithm has more obvious advantages under the conditions of occlusion and environment change. The system in this paper provides a choice for protecting people's security and privacy, and improves the efficiency of the face recognition control system, which has a certain reference significance.

Keywords: face recognition, convolution neural network, YOLO algorithm

目录

摘要. I

Abstract II

第一章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 人脸识别研究现状 1

1.2.2 卷积神经网络研究现状 1

1.3 传统人脸识别与基于卷积神经网络人脸识别比较 2

第二章 基于卷积神经网络的人脸识别原理 4

2.1 卷积神经网络 4

2.1.1 卷积神经网络的目的 4

2.1.2 卷积神经网络原理 4

2.2 卷积神经网络举例 4

2.3 YOLO算法 8

2.3.1 算法原理 8

2.3 基于卷积神经网络的人脸识别 9

第三章 人脸识别实现方案 10

3.1 硬件选择及设计 10

3.1.1 主控k210 10

3.1.2 LCD屏幕 11

3.1.3 舵机 12

3.1.4 摄像头OV2640 12

3.1.5 硬件总体设计 13

3.2 人脸识别软件设计及实现 14

3.2.1 模型训练 14

3.2.2 具体算法过程 16

3.3 实验结果 17

3.3.1 总体硬件实物图 17

3.3.2 识别结果 17

3.3.3 舵机控制结果 18

第四章 总结与展望 20

4.1 总结 20

4.2 展望 20

致谢. 21

参考文献. 22

附录. 23

附录A：程序源代码 23

第一章 绪论

1.1 研究背景与意义

随着社会的发展和进步，我国人民对安全和隐私问题的重视程度也在提高，因此身份证、卡、密码、钥匙等传统的安全手段容易被非法者盗窃或伪造，容易遗忘，难以寻找等缺点，已经不能很好地满足我国人民的安全和隐私问题。

生物特征识别技术主要指基于人体生物特征的识别技术，其特征通常具有独特性(与他人不同)、可测量或自动识别和识别、遗传或终生不变的特征。对个体来说，生物特征一般是唯一不可替代的，其中身体特征主要是视网膜、虹膜、掌纹、指纹、人脸，行为特征主要是语音、签名等。

虽然基于生物特征识别的安全手段有很多种，但与指纹识别、虹膜识别、步态识别等方法相比，人脸识别具有以下明显优点。

1)非强制性：用户不需要专用的脸部收集设备，几乎无意识地可以获得脸部图像，这种收集方式没有强制性

2)非接触性：用户无需直接接触设备即可获得面部图像

3)直观性：认证系统无法确定被认证人的身份或无法正常完成身份认证时，工作人员一般保存被认证人的信息，进行后期的人工检查，脸部信息具有良好的直观性，符合人的视觉特征，自然人容易进行身份认证，但指纹和虹膜信息无法进行身份认证

4)视频信息：以外表认识人的特点和操作简单、结果直观、看不见等特点。

5)简单性：脸部识别系统利用照相机收集脸部信息进行识别，对照相机设备的性能没有特别的要求，一般的照相机设备可以使用手机、照相机等，不需要其他辅助设备就可以识别。此外，摄像设备可以放置在高处或其他难以察觉的地方，以避免恶意破坏人为。

因此，脸部识别技术广泛应用于门禁系统、身份识别和电子信息证明书识别、脸部识别的网络支付、娱乐等网络应用领域。与此同时，随着人工智能的认识不断深入，基于卷积神经网络的人脸识别不仅可以更快、更准确地进行人脸识别，还具有研究意义。

1.2 国内外研究现状

1.2.1 人脸识别研究现状

人脸识别技术的研究从1964年到今年一直在被广泛研究，它主要研究了人脸识别问题、在理想条件下的2D人脸识别算法问题以及在环境、光照等条件变化下的非理想条件下的人脸识别算法问题。

1964年~1990年是人脸识别研究的初始阶段，受研究技术及条件限制，所以人们也只是进行机械式的人脸识别，当然由于那是还不具备计算能力特别强大的计算机，所以也就只能集中于对剪影（Profile）的研究，并对剪影曲线的结构特征提取与分析做了大量研究，而此方法也被称之为“人脸特征”。为实现更加快速的人脸识别人工神经网络也被研究人员们广泛研究并应用于人脸识别算法之中，其中布莱索(Bledsoe)、 格登斯泰因（Goldstein） 、 哈蒙（Harmon） 和 金出武雄（Kanade Takeo）等人便是在这一时期人脸识别的中坚力量。这一阶段还是人脸识别研究的萌芽时期，因此所研究的成果与算法不是很多，且受条件限制，基本都未被付诸实践。1991年~1997年可以说是人脸识别算法研究的收获期，在此期间产生了许多影响深远的算法、思想即成果，如美国麻省理工学院媒体实验室的特克（Turk）和 潘特兰德（Pentland）提出的“特征脸”方法、麻省理工学院人工智能实验室的布鲁内里（Brunelli）和波基奥（Poggio）在1992年左右进行的对比试验、贝尔胡米尔（Belhumeur）等人提出的 Fisherface人脸识别方法、弹性图匹配技术（Elastic Graph Matching，EGM）、美国军方组织的著名的FERET人脸识别算法测试以及Visionics最著名的商业化人脸识别系统Facelt。该阶段在人脸识别研究领域可谓是发展迅猛并主要使用2D人脸图像线性子空间判别分析、统计表观模型等方法进行研究，其中的许多算法在理想条件下、中小规模人脸数据库、2D人脸图像上进行且取得了非常好的效果。1998年~至今这一时期主要想去解决人们所处环境不同，自身人脸特征会变化的非理性条件及非鲁棒性条件下的人脸识别问题，也因此产生了一些更加高级有效的算法于成果，如基奥盖蒂斯（Georghiades）等人提出的基于光照锥（Illumination Cones）模型的多姿态、多光照条件人脸识别方法、布莱兹（Blanz）以及 维特（Vetter）等提出的基于3D变形（3D Morphable Model）模型的多姿态、多光照条件下人脸图像分析于识别方法、康柏研究院的研究员维奥拉（Viola）和琼斯（Jones）研制了一个基于简单矩形特征和AdaBoost算法的实时人脸检测系统、沙苏哈（Shashua）等人在2001年提出的一种基于商图像的人脸图像识别与绘制技术以及一些更为成熟的人脸识别商业系统。该阶段主要使用非线性建模、统计学习理论等方法进行研究，为解决非理想情况下、鲁棒性不好的情况下、大型人脸识别数据库下、3D人脸图像下的人脸识别问题提供一定的解决方案。

剩余内容已隐藏，请支付后下载全文，论文总字数：19642字