人臉識別技術的門禁系統設計與實現

　　引言

　　近年來，數字圖像技術的應用范圍越來越廣泛，運用生物識別技術的身份驗證則更是由于其在公安(罪犯識別等) 、安全監控系統[1]、信用卡驗證等方面的巨大應用前景而越來越成為當前人工智能領域的一個研究熱點。這其中，利用人臉特征進行身份驗證又是最自然最直接的手段，相比于指紋、視網膜、虹膜、基因等其它人體生物特征，它具有直接、友好、方便的特點，更易于為用戶所接受，因此備受關注。

　　人臉識別技術是根據人的臉面特征唯一性特點而進行的個體識別和確認技術。人的面部特征的唯一性，可以在臉上某一單一器官或部位上得以體現，更重要的是可在這些單一特征之間的位置、距離、角度、數量、形狀和模式等相互關系上得以體現，而且這些面部特征都具有一定的穩定性。當驗證某人的身份時，只要通過某種設備攝錄下他的面部生物學特征，與事先已經儲存著的相關樣本特征進行比較，幾秒鐘內即可完成識別。同許多生物識別技術一樣，人的面部識別技術是近幾年在全球范圍內迅速發展起來的一項安全技術。它依靠面部的二維或三維圖像處理和模式識別來實現鑒別或驗證個體身份目的，具有非接觸性、對被識別對象侵擾少和識別手段隱蔽等特點，在反恐、跟蹤、追逃、打拐、出入口控制、銀行管理等許多領域都有著獨特的應用價值。

　　利用人臉識別技術和視頻監控技術開發的門禁系統，可廣泛適用于智能管理系統(智能大樓、高級住宅門禁系統)、銀行及金庫門安全系統、醫院血液中心身份管理系統等高可靠性、高安全性的場所。這無疑將成為21世紀遠程監控的新發展趨勢，具有廣泛的應用前景和巨大的市場潛力。

　　支持向量機的人臉識別算法

　　人臉識別應包含學習和識別兩個階段，其流程如圖1所示。訓練階段建立支持向量機分類模型，主要步驟為對人臉圖像預處理，獲得人臉區域再利用膚色和幾何特征，獲得人臉特征向量訓練集。由人臉特征向量訓練集建立個體用戶的支持向量機分類模型。識別階段主要步驟為首先由待識別者所聲稱的身份，確定所要使用的支持向量機分類模型，同時對待識別者的人臉圖像進行預處理，獲得人臉區域，再利用膚色和幾何特征提取人臉特征向量，將該向量輸入到所確定的支持向量機模型進行分類，以確定待識別者聲稱的身份真實與否。