基于线性判别分析的门禁系统的设计与实现

吴朝霞+郭强

摘要：随着人脸识别、计算机网络信息技术以及嵌入式等技术的提高与发展，人们逐渐体会到科技给生活带来了很多便利和益处。本论文所提出的系统设计是通过摄像头采集人脸图像，在后台应用系统完成人脸图像判别，然后将判别结果发给单片机发送命令来控制门禁。软件上首先利用主成成分分析做相应的预处理，然后线性判别分析提取特征向量，利用所求得的特征矩阵对于参与训练的人脸图像和需要测试的人脸图像进行处理，最后采用最近邻分类器进行识别。

关键词：线性判别分析；主成成分分析；门禁系统

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）01-0198-02

1整体架构

因为单片机承载能力问题，而且一般情况下门禁系统会在单个局域网环境下部署，所以本文采用了客户/服务器模式。这样不仅可以方便的使得管理员进行用户信息管理，而且可以使得整个系统的信息安全性更高。

本系统部署在需要使用门禁系统单位的服务器，其中包括人脸识别的运算。并且由于该系统设计为单位内多个门禁使用，所以所要处理数据包括视频，图像等数据很大，所以系统服务器设计为多台服务器所构成的服务器组，并安排其中一台做其他服务器的管理工作，将要处理的识别事务分配给相应的服务器进行处理。最后将识别结果发送到终端，由终端控制门禁是否开启。

另外该设计提供了为了达到系统运行过程的可控，该设计提供了实时监控等功能，中心系统控制模块连接远程计算机，和电子门锁等硬件。在系统中为了提高系统稳定性和识别率，硬件上选用高清的摄像头获取人脸样本，在算法上通过不断实验选取较好的参数使得算法具有较高的识别率。

该系统主要由图像采集、图像预处理、主控模块、后台服务器、电子门锁等模块构成。

图像采集模块所用的设备主要是摄像头。因为CMOS感光技术的摄像头在采集图像信息时输出时直接将模拟信号转换为数字信号，可以直接利用所得到的数据进行数字处理，这样使得该设计的实现相对简单。

系统的整体架构如图1所示。

图像预处理模块主要是进行人脸的检测、截取、和图像传送工作。点下按钮后摄像头不断检测视频片段，用户校准完毕，再次点击按钮后，会将视频中关键部分剪切，然后关键图像进行压缩，比如压缩到64*64维，最后将该处理结果通过网络发送到PC服务器，对用户身份进行识别和验证。

主控模块主要是为其他各个模块提供交互功能，目的是将获取的人脸图像传到服务器，由服务器组调用合适的判别算法进行身份判别，然后服务器将判别结果发回到主控模块，然后主控模块将根据得到的结果开启门禁，或者将判别结果发送到电子门锁的显示器上。

PC服务器模块和管理员模块是系统的核心部分，管理员可以利用PC远程的管理员控制系统进行实施监控，也可以在PC服务器中添加或者删除门禁系统人员信息，改变门禁系统用户信息，调整人脸识别系统的参数。

整个过程即为系统首先通过终端摄像头获取图像，将图像预处理模块的输出传送到控制系统，控制系统将图像发送到后台服务器，服务器调用人脸识别算法对人脸样本进行身份判别，主控模块最后依照验证结果控制电子门锁的开关。

2实现过程中主要解决的问题

人脸检测方法基本已经成熟，基本包括基于知識的方法，特征不变方法，模板匹配方法，基于外观的方法等。本设计利用了外观分割方法，该方法虽然对光照比较敏感，而且在复杂背景下会很大的影响检测结果，但是由于终端摄像头视野内背景一般比较单一，并且该方法的优点在于对人脸旋转，偏移不敏感的优点，所以基于外观的方法在门禁系统中是可行的。

门禁系统中我们用到的特征提取方法有两种，特征提取也称为降维。目的在于提取到原始图像在有用信息，提高了运算的速度，去噪的同时，也提升了识别率。主成分分析（PCA）和线性判别分析（LDA），PCA 为人脸识别领域最为经典的算法，算法通过正交变得到一组互相无关的特征，然后根据特征值选取带有更多信息的特征向量。即将原始图像降维到低维子空间，所得子空间也被称为特征脸，所以PCA特征提取方法也被称为特征脸方法。

实施过程如下：

1）对原始图像进行处理，将之前获取的样本图像构成矩阵

2）计算协方差矩阵；

3）计算协方差矩阵的特征向量和特征值；

4）找到训练图像和测试图像在特征子空间中的投影；

5） 使用最近邻分类器进行评估，判定测试图像所属人是否在可通过门禁；

线性判别分析是另外经典并且相对更好的特征提取方法，该方法查找特征矩阵是通过目标函数使得类间区分度最大化，类内区分度最小化，来得到能够使得原始数据映射后同一类的样本距离更小，不同类的样本距离更大。

类间和类内差别通过相应的散布矩阵表示和，然后最大化比率，具体目标函数如下：

具体实施方法如这PCA，区别在于特征方程式的不同。

3主要设计实施过程

我们采用两种方法相结合的方式对原始数据进行训练。即首先用PCA对训练样本做预处理，然后利用LDA得到最终的结果，这样对于避免小样本事件的发生起到了一定的作用。

设参加训练的人脸图像来自c个人，一共N张图片，按以下步骤对给定的人脸进行训练：

整体系统实施过程如下：

图片预处理：

将采集到的m张p*q维的人脸图像矩阵一一拉成n维向量，此处n=p*q，并将M个向量构成m*n的矩阵M，并且将该矩阵归一化。

编写代码：

1）求协方差：①求出均值每一行减去均值；②对于处理过的矩阵求协方差。

2）利用主成分分析求特征值和特征向量。

3）选取携带较多信息的特征向量，构成矩阵TEMP。

4）利用线性判别分析方法将TEMP作为原始数据求特征向量。

5）把特征值从大到小排列，并且将前t个较大特征值对应的特征向量构成n*t矩阵Feature，即投影矩阵。

6）将该投影矩阵与M相乘，得到特征脸。

7）对新输入的样本进行处理，并利用分类器对处理好的样本判别。

4 结论

本设计可以对单位内多个门禁进行统一管理；同时在样本训练过程中采用了先使用主成成分分析进行预处理，然后利用线性判别分析求取最终的主要特征，使得最后的识别具有更高的识别率；而且利用CMOS 图像传感器进行图像采集，综上可以使得系统实现构建简单、方便，识别速度快且准确率较高。

参考文献：

[1] 王婷，杨国胜，薛长松.若干人脸识别算法的比较研究[J].河南大学学报，2007.

[2] 杨淑莹.VC++图像处理程序设计[M].北京：清华大学出版社，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.