用于智能门禁系统的人脸识别技术*

刘 利，王 栋，董 惠

（1.西安建筑科技大学 信息与控制学院，陕西 西安 710055；2.陕西晟欣电气工程有限公司，陕西 西安 710119）

1 引言

智能建筑（即智能大厦和智能住宅小区）是建筑艺术和现代控制技术、通信技术和计算机技术有机结合的产物。智能门禁系统是限制进入小区的外来人员的重要设施，可分时段、分区域、分级管理出入人员，以确保内部安全。智能门禁系统的识别系统通常采用各种卡式识别系统，包括磁卡、IC卡、射频卡（TM）、智能卡、指纹识别等。各种智能门禁系统一般采用电动门锁和智能卡取代传统的门锁和钥匙，用户持有一张编码唯一的加密智能卡。

笔者对基于人脸识别技术的智能门禁系统进行了研究。基于生物特征的人脸识别是通过人类自身的生理特征确定一个人的身份。生物特征是人内在拥有的，不会遗失，不易复制，方便使用，比起传统的密码和磁卡等手段，更具可靠性及安全性。图1为基于人脸识别技术的智能门禁系统。

2 人脸识别技术

在安全控制和人机交互等领域内，自动人脸识别技术有着广泛的应用[1-5]。早期的人脸识别算法有基于几何特征的人脸识别（利用面部特征点的大小、位置、距离和形状等几何参数为特征进行识别）和基于模板匹配法 （利用相关匹配比较待识别图像和标准模板）。经过多年研究，形成了人脸识别的几个主流研究方向[6-7]：基于主元分析的特征脸方法是一种比较成功的人脸识别技术，掀起了人脸识别研究的第二次高潮；Fisher脸方法在特征脸的基础上，引入类内共性和类间差异的分类信息，使得投影子空间适用于分类问题；弹性图匹配法是一种解决多姿态变化问题的基于局部信息的人脸识别方法；局部特征分析法考虑了面部局部特征的信息和它们之间的拓扑关系。这些主流技术在近期得到了更为细致的研究和探索。在分类器设计方面，许多研究采用了基于神经网络的方法、基于支持向量机的方法和基于多分类器的方法。除了上述静态图像人脸识别的研究，三维图像识别研究和动态脸像识别也是人脸识别研究的重要组成部分。

3 人像检测的实用算法

使用常用的模板相关运算，即使用人像检测器作为模板在被检测的矩形图像窗口逐行逐列移动，从而计算相关度，相关度最大的位置即为最佳匹配定位点。由于模板的移动是逐点遍历窗口图像，当前匹配运算点与前面已经匹配运算过的位置无关联，所以它们的匹配运算路径无助于到达最佳匹配位置，匹配效率很低。笔者使用一种实用图像检测的算法，使模板图像在给定窗口图像中尽量向下一个相关度较大的位置移动，从而使模板图像能快速到达最佳匹配点[2]。检测方法见图2。

在图2中，设A为M×N给定窗口图像点阵，B为m×n人像检测器点阵，它们都是 256 级灰度图像，即 0≤A（i，j）≤255，其中 0≤i≤M-1，0≤j≤N-1。 同样，0≤B（i1，j1）≤255，其中 0≤i1≤m-1，0≤j1≤n-1，m∈（0，M），n∈（0，N）。有效的匹配运算区域在图2a虚线所围矩形内。

以人像检测器作为模板，将其左上角移动至图像A中点（i，j）处并进行相关匹配运算，它对应于窗口图像的子图像块（图2中阴影区域），可记为

式中：i1∈（0，m-1）；j1∈（0，n-1）；是人像检测器均值，仅需计算一次；是子图像块的均值；γ（i，j）∈[-1，1]。 归一化相关度与子图像块和人脸检测器的大小变化无关。

该算法的基本思想为：移动人脸检测器进行相关运算，使人脸检测器的移动方向与最大相关度方向一致，从而使匹配位置快速到达最佳匹配运算点。设当前匹配运算点P0，对应相关度为γ0，选择其3×3邻域中相关度最大的一个点为下一个匹配运算点，否则任选一个未被使用过的点，重复上述过程。由于相关度已归一化到[-1，1]区间，因此可以用一个相关度阈值来检测当前点是否为最佳匹配点。

4 人像识别的快速算法

人像识别一直是人们研究和探讨的课题。目前常用的图像识别方法有：1）基于图像纹理的图像识别，如何选择合适的图像纹理参数定义图像相似度是问题的关键和难点。2）基于图像直方图的图像识别，如果两幅图像有相似的直方图（相似的均值，相似的方差），则这两幅图像是相似的。3）基于图像内容的图像识别，图像可表示为一种支持目标特征和目标间关系的属性关系图，若两幅图像的属性关系图是相似的或可匹配的，则这两幅图像是相似图像。笔者介绍一了种新颖的图像识别方案。该算法归结为一幅图像“旋入”另一幅图像的概率。

如果 T1∈Rm×n是标准图像，T2∈Rm×n是待识别图像，定义正交问题意义下的图像相似度 （Image Similarity Degree，ISD），设为

式中：QTQ=En；Q∈Rm×n是正交变换阵；F 是一范数；En是单位阵。则

ISD算法步骤如下：

1）已知 T1∈Rm×n，T2∈Rm×n，设

3）Q=UVT；

5 实验结果分析

本文使用Yale图像库中的部分图像和用数码相机自拍的图像共同建立了一个测试图库，每人有3～8张照片，每张照片有较大的表情变化、明暗度变化，并且包括同一个人戴眼镜与不戴眼镜的情况。样本图库选用每人一张较为标准的图像，作为识别的样本。

实验结果如图3所示，左边的视窗显示了所有待识别图像，选中当前待识别的图像（用矩形框标出），右边的视窗显示匹配得出的标准图像，标准人脸图像下面的数字即为计算得出的相关性系数，同时给出此人的相关信息（预先在样本图库中给出）。从仿真结果可以看出，同一个人的人脸之间明显比不同人的人脸之间的检测结果小，合理选择阈值，即可正确识别人脸图像。从实验结果可以看出本文方法对于多姿态的人脸识别具有较好的识别率，并且可以在一定程度上适应光照明暗强度的变化。

若将测试图库中的所有图像进行匹配，则应设定适当的鉴别门限。当两个模式之间的距离小于该门限时，认为这两个模式匹配，否则认为不匹配。对于门限的合理选择，必须尽可能减小错拒率（False Rejection Rate，FRR）和错收率（False Acceptance Rate，FAR），从而使正确识别率（Correct Recognition Rate，CRR）获得良好的结果。所谓错拒率就是将两个本来属于同一类的模式误认为不是同一类。所谓错收率是指将两个本不属于同一类的模式误判为同一类。可以通过统计错拒率和错收率设定鉴别门限。若门限定的高，错拒率会减小，而错收率将上升；反之，当门限定的低时，错拒率会上升，而错收率将减小。总之，错拒率和错收率不可能同时减小，哪一个比重大些，可以使用权重因子α控制，由此构筑用于设定门限的函数 f（ISD）为

式中：f（ISD）的最小值对应的 ISD就是鉴别门限；f1（ISD）和f2（ISD）分别为关于相关性系数ISD的错拒率和错收率。α<1，表示认为错收的风险较大，选择的门限将使错收率低于错拒率；反之，α>1，表示认为错拒的风险较大，选择的门限将使错拒率低于错收率。

6 小结

利用人脸识别技术将传统的钥匙开锁用人脸作为“钥匙”来代替，此“钥匙”绝对唯一，不会丢失。在楼宇门口安装人脸识别终端机，对住户进行人脸登记，作为开门的“钥匙”，只有合法的住户进行身份识别时，方可成功开门，一旦有不法分子想进入楼宇，检测到身份不符，对住户和管理人员发送警示信号，并拍下不法分子照片，防止小偷作案。专门针对楼宇的安全防范而设计的楼宇人脸识别智能门禁系统，必将提升楼宇的安全性。

[1]薛鸿民，刘志镜，刘利，等.基于形状的图像检索的关键技术研究[J].计算机应用研究，2002（11）：20.

[2]刘利，董惠，王栋，等.一种基于小波的人像检测快速算法[J].金卡工程，2006（8）：13.

[3]杨润玲，周军妮，刘利.基于改进型FCM聚类的图像分割新方法[J].电视技术，2008，32（6）：12-14.

[4]周军妮，刘利.基于Hough拟合算法的对称目标姿态测量新方法[J].电视技术，2007，31（8）：91-93.

[5]周激流，张华，郭晶，等.基于先验模板的人脸面部特征提取的研究[J]. 计算机辅助设计与图形学学报，2000，5（12）：337-339.

[6]田捷，杨鑫.生物特征识别技术理论与应用[M].北京：电子工业出版社，2005.

[7]RAJAGOPALAN A N，BURLINA P，CHELLAPPA R.Higher order statistical learning for vehiclle detection in images[C]//Proc.the Seventh IEEE InternationalConference on ComputerVision.Kerkyra，Greece：IEEE Press，1999：1204-1209.