CN102900305A - 一种基于人脸识别的无钥保险柜系统 - Google Patents

Abstract

本发明涉及一种基于人脸识别的无钥保险柜系统，将传统分类方法与人工神经网络方法结合起来，构造了一个混合分类器，该系统包括：图像采集，通过连在工控机PC/104图像卡的CCD摄像机进行人脸正面摄像；人脸识别系统，人脸识别系统主要由人脸图像的预处理模块,人脸图像特征提取模块和人脸识别模块组成；保险柜控制电路，采用555时基电路与阻容元件构成的单稳态触发器来控制电子锁。

Description

一种基于人脸识别的无钥保险柜系统

技术领域

本发明属于模式识别领域，具体涉及一种基于人脸识别的无钥保险柜系统。

背景技术

目前国内外保险柜已采取了防火、防水、防爆等先进手段与技术来增强保险柜的“保险度”，但这些先进的手段与技术只能做到最大限度地增强保险柜的箱体安全性。然而，它离不开钥匙(密码也是一种变相的钥匙)，而这把钥匙便成了保险柜最不保险的根源。事实上，钥匙已公认为当今保险柜不可克服的致命弱点。

在微电子技术与计算机技术飞速发展的今天，实现无钥保险柜的理想，即童话中的“芝麻开门”的动人场景已为期不远。根据多年研究的成果及掌握的技术情报，采用识别主人的实时面部图像来开启保险柜的办法是一种切实可行的有效方法。人脸是人的重要识别特征之一；它具有唯一性，因此人们可以毫不费力地相互识别。用“人脸”开启保险柜的关键问题是人脸识别。人脸识别是模式识别领域中一个困难而又具有很大实际应用价值和广泛应用前景的研究课题。本系统通过识别主人实时面部图像的方法来开启保险柜。针对无钥保险柜系统高可靠性和实时性的特点，提出并实现了一种人脸识别系统。

发明内容

本发明的目的在于提供一种基于人脸识别的无钥保险柜系统，该系统能够通过识别主人实时面部图像的方法来开启保险柜。

实现本发明目的的技术方案是：一种基于人脸识别的无钥保险柜系统，该系统包括：

图像采集，通过连在工控机PC/104图像卡的CCD摄像机进行人脸正面摄像；

人脸识别系统，人脸识别系统主要由人脸图像的预处理模块,人脸图像特征提取模块和人脸识别模块组成；

控制电路，保险柜控制电路的核心部分采用555时基电路与阻容元件构成的单稳态触发器来控制电子锁。

作为本发明的进一步改进，图像质量与摄像机及光照条件等因素密切相关，为了提高图像的质量和对图像的识别效率，在识别图像之前，需要对图像进行图像预处理。

作为本发明的进一步改进，为了达到对人脸正面图像识别的目的，首先应在整个图像中分割出正面人脸，采用最佳边缘检测法的ORF算法获得定位精度很高的二值化图像BI(Binary-image)。根据二值化图像BI找出人的头顶点H，下巴轮廓点C，两个脸颊两侧点L、R，并根据HC、LR的长度将人脸图像规整成64×64的标准图像。

作为本发明的进一步改进，本系统采用的加权距离分类器和BP网络在一定程度上达到了互补，可以得到更为理想的分类效果。

作为本发明的进一步改进，神经网络群识别算法执行下列步骤：

（1）加载待识样本到输入层节点；

（2）计算隐含层和输出层的输出，输出层节点的输出即为识别结果。

本发明提供了一种基于人脸识别的无钥保险柜系统，将人脸的主分量特征与人脸的几何特征融合在一起，共同构成人脸的识别特征，同时鉴于人脸识别问题的特殊性，将传统分类方法与人工神经网络方法结合起来，构造了一个混合分类器，从而极大地提高了识别率。

本发明的有益效果在于：

（1）针对钥匙是保险柜最不保险的根源，本系统实时面部图像的方法来开启保险柜；

（2）将人脸的主分量特征与人脸的几何特征融合在一起，共同构成人脸的识别特征提高系统的可靠性和实时性；

（3）将传统分类方法与人工神经网络方法结合起来，构造了一个混合分类器，从而极大地提高了识别率。

附图说明

图1是本发明实施例1的系统结构图；

图2是本发明实施例1的人脸识别系统；

图3是本发明实施例1的组合分类器；

图4是本发明实施例1的神经网络群识别模型结构图；

图5是本发明实施例1的无钥保险柜控制电路。

具体实施方式

下面结合附图和实施例做进一步说明。

图1 本发明提供的一种无钥保险柜系统结构图。要用计算机完成对人脸的自动识别，就必须要把“人脸”信息以适于计算机处理的数字方式输入到计算机中，本系统中通过连在工控机PC/104图像卡的CCD摄像机进行人脸正面摄像，无钥保险柜系统结构如图1所示。当有人希望打开保险柜时，只要按下“开门按钮”，并将脸面正对镜头，系统便自动摄取该人的一幅正面图像，随即进行自动识别。识别结果若为授权用户，则保险柜自动打开；反之，则保险柜不打开，并且自动报警。不论保险柜是否打开，只要有人按了“开门按钮”，其“长相”与开门时间等信息便自动存档，以供日后查用。

图2 人脸识别系统，整个人脸识别系统主要由3个模块组成，即人脸图像的预处理模块、人脸图像特征提取模块和人脸识别模块，其组成结构如图2。

图3 组合分类器，由于无钥保险柜系统中对人脸识别结果的高精度要求，本文将传统方法与人工神经元网络方法结合起来，构造了一个混合分类器，混合分类器结构见图3。首先将待识别样本特征向量X与库中所有模板                                               

进行匹配， 

式中： 是加权系数；

根据

求出最小距离；若

则将该人识别为陌生人；若

则将该人识别为

类人；若

则组合分类器中的开关被打开，启动NN识别器进行识别，其中，为两个可预置的常量，NN识别器采用了神经网络群识别算法。

图4 神经网络群识别模型结构图，NN识别器采用了神经网络群识别算法，模型中每个神经网络1，…，N均由一个BP网络组成，实现一类模式和其他N-1类模式的判决；模式判决模块的功能是根据神经网络1，…，N的输出Y₁，…， Y_N决定网络群的最后识别结果。

图5 无钥保险柜控制电路。保险柜控制电路的核心部分选用555时基电路，555时基电路是一种将模拟功能与逻辑功结合在同一硅片上的组合集成电路，在该集成基片上的基准电压电路是由三个误差极小的5kΩ电阻组成的，分压精度高，系统中的保险柜控制电路如图5所示。

表1为测试结果。实验中，完成了3人90幅(每人30幅)正面人脸图像的学习训练，然后输入500个图像进行识别，库中3人每人100幅(其中，每人都有2幅带眼镜的)，随机选取的陌生人图像200幅，识别结果见表1。

 

人脸集合	样本数	正确识别数	误识样本数	保险柜打开次数	成功率
						训练集	90	90	0	90	100%
测试总集	500	498	2	498	99.6%
						库中人集	300	298	2	298	99.3%
库外人集	200	200	0	0	100%

Claims (6)

1.一种基于人脸识别的无钥保险柜系统，其特征是，该系统包括：

图像采集，通过连在工控机PC/104图像卡的CCD摄像机进行人脸正面摄像；

人脸识别系统，人脸识别系统主要由人脸图像的预处理模块,人脸图像特征提取模块和人脸识别模块组成；

控制电路，保险柜控制电路的核心部分采用555时基电路与阻容元件构成的单稳态触发器来控制电子锁。

2. 根据权利要求1所述的一种基于人脸识别的无钥保险柜系统，其特征是，通过连在工控机PC/104图像卡的CCD摄像机进行人脸正面摄像。

3. 根据权利要求1所述的一种基于人脸识别的无钥保险柜系统，其特征是，在识别图像之前，需要对图像进行预处图像预处理，过程包括：图像文件的加载及格式转换、图像的检测、去噪增强、旋转校正和归一化等。

4. 根据权利要求1中所述的一种基于人脸识别的无钥保险柜系统，其特征是，人脸正面图像识别，首先应在整个图像中分割出正面人脸，采用最佳边缘检测法的ORF算法获得定位精度很高的二值化图像BI(Binary-image)，根据二值化图像BI找出人的头顶点H，下巴轮廓点C，两个脸颊两侧点L、R，并根据HC、LR的长度将人脸图像规整成64×64的标准图像。

5. 根据权利要求1所述的一种基于人脸识别的无钥保险柜系统，人脸识别执行以下步骤：

（1）将待识别样本特征向量X与库中所有模板                                               

进行匹配， 

式中： 

是加权系数；

（2）根据

求出最小距离

；

（3）若

则将该人识别为陌生人；若

则将该人识别为

类人；若

则组合分类器中的开关被打开，启动NN识别器进行识别，其中，

为两个可预置的常量，NN识别器采用了神经网络群识别算法。

6. 根据权利要求1或5所述的一种基于人脸识别的无钥保险柜系统，所述步骤（3）中的神经网络群识别算法执行以下步骤：

（1）加载待识别样本到输入层节点；

（2）计算隐含层和输出层的输出，输出层节点的输出即为识别结果。

Images