智能門禁報(bào)警系統(tǒng)的仿真應(yīng)用

智能門禁報(bào)警系統(tǒng)的仿真應(yīng)用

引言

　　在智能建筑的門禁和安防報(bào)警系統(tǒng)中包括三層防范體系：周邊防范、出入口控制;保安監(jiān)控、電子巡更 ;可視對(duì)講、安防報(bào)警、緊急呼叫等。這些共同構(gòu)成了智能建筑的安全防范管理系統(tǒng)。人臉識(shí)別技術(shù)目前在智能建筑的出入口控制、視頻控制、安防報(bào)警方面有著廣泛的應(yīng)用。人臉識(shí)別有著方便、友好的特點(diǎn)，防欺騙性和安全性高，是人工智能領(lǐng)域和建筑智能化領(lǐng)域的研究熱點(diǎn)之一。

　　本文研究了結(jié)合ID技術(shù)和人臉識(shí)別技術(shù)的門禁與報(bào)警系統(tǒng)。結(jié)合ID技術(shù)可以使檢索信息直接鏈接到人臉庫(kù)中對(duì)應(yīng)的人臉圖像類別;人臉圖像分塊后直接采用奇異值分解方法壓縮圖像，兩者的應(yīng)用大大提高了門禁安防報(bào)警系統(tǒng)的傳輸和存儲(chǔ)效率。人臉識(shí)別技術(shù)的應(yīng)用，更加提高了門禁安防報(bào)警系統(tǒng)的安全可靠性。

　　本文利用MATLAB仿真軟件，在管理操作界面的設(shè)計(jì)中，應(yīng)用各種模塊操作按鈕將人臉圖像識(shí)別系統(tǒng)的各種處理和算法的實(shí)現(xiàn)程序進(jìn)行鏈接，用戶可以非常方便地對(duì)人臉圖像仿真識(shí)別系統(tǒng)進(jìn)行操作使用，系統(tǒng)運(yùn)行結(jié)果直觀地顯示出來(lái)。

　　智能門禁安防報(bào)警系統(tǒng)結(jié)構(gòu)

　　智能門禁報(bào)警系統(tǒng)如圖1所示，主要包括以下幾個(gè)部分。

　　文件模塊

　　文件模塊操作按鈕鏈接有基于整幅圖像的人臉識(shí)別和基于子圖像的人臉識(shí)別方法的選擇。

　　子圖像所對(duì)應(yīng)人臉的不同特征在識(shí)別過程中所起的作用是不相同的，基于面部骨骼特征、眼睛的分布、鼻子的形狀等結(jié)構(gòu)特征，往往是鑒別人臉的主要依據(jù)?；谡四槇D像的向量求取特征空間時(shí)，則計(jì)算量非常大，當(dāng)樣本空間很大或者人臉圖像像素較大時(shí)，對(duì)識(shí)別速度會(huì)有很大影響。進(jìn)行加權(quán)特征處理，則使人臉識(shí)別問題得到了很好的解決。

　　在進(jìn)行人臉圖像識(shí)別方法的對(duì)比分析時(shí)，通過人臉圖像識(shí)別系統(tǒng)的文件操作按鈕，可選擇基于整幅人臉圖像的識(shí)別方法或者基于子圖像的識(shí)別方法進(jìn)行人臉識(shí)別。選擇基于子圖像的識(shí)別方法之后，進(jìn)一步設(shè)定子圖像的數(shù)目、子圖像的權(quán)值等參數(shù)。

　　圖像預(yù)處理模塊

　　讀入的訓(xùn)練或者測(cè)試人臉圖像經(jīng)過幾何尺度與灰度的歸一化處理，進(jìn)行人臉圖像矩陣的奇異值分解。本文采用雙線性插值方法對(duì)圖像進(jìn)行尺度歸一化。幾何歸一后的圖像再經(jīng)灰度均衡化處理，人臉圖像的直方圖均衡化是實(shí)現(xiàn)圖像增強(qiáng)一種有效途徑。

　　研究發(fā)現(xiàn)人臉的不同特征在識(shí)別過程中所起的作用是不相同的，基于面部骨骼特征、眼睛的分布、鼻子的形狀等結(jié)構(gòu)特征，往往是鑒別人臉的主要依據(jù)。

　　人臉特征提取模塊

　　在訓(xùn)練或測(cè)試時(shí)，通過模塊中功能設(shè)置的選取，設(shè)定鏈接進(jìn)行人臉子圖像的特征提取。

　　人臉圖像的特征提取方法實(shí)現(xiàn)的流程如下：(1)從人臉數(shù)據(jù)庫(kù)選擇人臉作為識(shí)別訓(xùn)練集;(2)將被選入訓(xùn)練集的人臉圖像幾何歸一;(3)將被選入訓(xùn)練集的人臉圖像灰度歸一;(4)將預(yù)處理過的人臉圖像分為N個(gè)子塊;(5)將每一幅圖像變?yōu)橐粋€(gè)列向量(先分別將每一個(gè)子塊所有向量排成一列，再將N個(gè)子塊按順序排成一列);然后以子塊為單位進(jìn)行;(6)計(jì)算全部人臉圖像的均值;(7)計(jì)算每一類人臉圖像的平均臉同時(shí)將人臉圖像列向量與類內(nèi)平均臉做差。

　　利用訓(xùn)練學(xué)習(xí)過程獲得的人臉圖像數(shù)據(jù)庫(kù)中的整幅圖像或子圖像特征空間的數(shù)據(jù)，與測(cè)試人臉圖像之間進(jìn)行計(jì)算獲得圖像差。

人臉數(shù)據(jù)庫(kù)模塊

　　人臉數(shù)據(jù)庫(kù)模塊的兩個(gè)選項(xiàng)分別鏈接著人臉圖像庫(kù)中整幅人臉圖像特征空間和子圖像特征空間的數(shù)據(jù)，供測(cè)試時(shí)與待測(cè)人臉圖像對(duì)應(yīng)的特征空間進(jìn)行對(duì)比識(shí)別。

　　將YALE人臉圖像庫(kù)中選定的圖像進(jìn)行訓(xùn)練后，得到人臉圖像矩陣、整幅人臉圖像的特征臉空間、子圖像的特征臉空間等數(shù)據(jù)，存儲(chǔ)在人臉數(shù)據(jù)庫(kù)中，以備實(shí)時(shí)調(diào)用。加入新的人臉圖像的類別樣本時(shí)，需要重新針對(duì)所有樣本圖像進(jìn)行訓(xùn)練，更新人臉數(shù)據(jù)庫(kù)。

　　人臉圖像識(shí)別模塊

　　人臉圖像識(shí)別模塊鏈接著基于貝葉斯估計(jì)的分類識(shí)別方法、基于RBF網(wǎng)絡(luò)和貝葉斯分類器融合的人臉識(shí)別方法兩個(gè)選項(xiàng)。

　　貝葉斯估計(jì)識(shí)別模塊

　　人臉圖像分塊后應(yīng)用奇異值分解方法進(jìn)行數(shù)據(jù)壓縮，對(duì)每個(gè)特征分塊設(shè)計(jì)一個(gè)貝葉斯分類器，最后將這些分類器融合(如圖3所示)。

　　本文采取加權(quán)求和的方法：

　　其中，S(Ii，Ij)表示兩幅圖像Ii與Ij的相似度，L是貝葉斯分類器(FBBC)的總數(shù)，是Ii與Ij的第b個(gè)特征塊之間的差值。是由第b個(gè)貝葉斯分類器計(jì)算出的類條件概率密度。wb是第b個(gè)貝葉斯分類器對(duì)應(yīng)的權(quán)值。

　　RBF神經(jīng)網(wǎng)絡(luò)識(shí)別模塊

　　RBF神經(jīng)網(wǎng)絡(luò)為三層結(jié)構(gòu)(如圖4所示)。

訓(xùn)練時(shí)：輸入層的維數(shù)r與子圖像的數(shù)目對(duì)應(yīng);隱含層選用高斯核函數(shù)：

　
　　實(shí)現(xiàn)聚類算法，其中，si為隱含層第i個(gè)神經(jīng)元的寬度;輸出層類別k的輸出值為：

　 8.jpg

和輸出層函數(shù) 9.jpg

　　識(shí)別結(jié)果模塊

　　利用貝葉斯分類器估計(jì)測(cè)試樣本與訓(xùn)練樣本之間的人臉圖像相似度，滿足閾值初始化設(shè)定值的人臉圖像和相關(guān)類別情況的文字說(shuō)明顯示于相應(yīng)界面內(nèi)。滿足閾值要求的人臉圖像可以按照50%的比例輸出，也可以按照其他的比例輸出。

　　仿真實(shí)驗(yàn)結(jié)果及分析

　　利用在Yale人臉庫(kù)中的人臉圖像，分以下4種分塊加權(quán)的情況進(jìn)行實(shí)驗(yàn)(識(shí)別結(jié)果見表1和表2)。

　　1、b1=b3=4;b5=2;b8=2;b2=b4=b6=b7=b9=1，權(quán)值分配情況如圖5所示。

　　如圖6所示，滿足閾值要求的人臉圖像輸出情況和必要的文字說(shuō)明，圖中選擇的人臉圖像輸出比例選擇為50%;也可以選擇其他的人臉圖像輸出比例。

　　2、b1=b3=4;b5=3;b8=2;b2=b4=b6=b7=b9=1

　　3、b1=b3=4;b5=2;b8=0;b2=b4=b6=b7=b9=1

　　4、b1=b3=4;b5=3;b8=0;b2=b4=b6=b7=b9=1

　　仿真實(shí)驗(yàn)結(jié)果表明，通過子圖像權(quán)值的分配，突出人臉骨骼特征，識(shí)別效果良好(見表1和表2)，模擬了人類識(shí)別人臉時(shí)主要依據(jù)人臉骨骼等穩(wěn)定特征，而對(duì)嘴部和皮膚折皺等表情變化部分特征給予弱化或剔除這一特點(diǎn)。通過對(duì)人臉圖像進(jìn)行分塊，降低圖像維度，減小了計(jì)算量。

　　結(jié)語(yǔ)

　　本文研究了在智能門禁報(bào)警系統(tǒng)中，人臉識(shí)別結(jié)合ID技術(shù)的仿真應(yīng)用問題，驗(yàn)證了基于RBF網(wǎng)絡(luò)和貝葉斯估計(jì)人臉識(shí)別方法在提高安防報(bào)警系統(tǒng)的快速、準(zhǔn)確和安全性方面的有效性，提高了門禁系統(tǒng)的安全性和防欺詐性，與ID技術(shù)相結(jié)合，實(shí)現(xiàn)了快速識(shí)別。將分塊后對(duì)人臉圖像奇異值分解壓縮，提高傳輸效率，節(jié)省存儲(chǔ)空間，改善局域網(wǎng)的應(yīng)用環(huán)境。在本文所研究的算法基礎(chǔ)上，使用MATLAB語(yǔ)言開發(fā)了人臉圖像仿真識(shí)別系統(tǒng)的管理操作界面，基于Yale標(biāo)準(zhǔn)人臉圖像庫(kù)，用戶可以非常方便地對(duì)人臉圖像仿真識(shí)別系統(tǒng)進(jìn)行操作使用，對(duì)所研究的人臉識(shí)別方法進(jìn)行仿真測(cè)試與對(duì)比分析，系統(tǒng)運(yùn)行結(jié)果非常直觀地顯示出來(lái)。