摘要：該文提出了一種在門(mén)禁系統(tǒng)中利用人臉識(shí)別技術(shù)與指紋識(shí)別技術(shù)相結(jié)合進(jìn)行身份驗(yàn)證的設(shè)計(jì)方案。實(shí)驗(yàn)表明,，結(jié)合兩種技術(shù)將會(huì)提高身份識(shí)別的安全性和有效性，能有效地解決傳統(tǒng)門(mén)禁系統(tǒng)的不足之處,。

　　1 綜合門(mén)禁系統(tǒng)設(shè)計(jì)方案

　　本文所設(shè)計(jì)的門(mén)禁系統(tǒng)由一個(gè)服務(wù)器和兩個(gè)門(mén)禁控制器組成,， 一個(gè)門(mén)禁控制器在通過(guò)攝像頭采集人臉圖像的同時(shí)另一個(gè)可以通過(guò)指紋采集儀采集指紋信息。管理服務(wù)器軟件并行連接兩個(gè)門(mén)禁識(shí)別器軟件,，通過(guò)USB 接口實(shí)現(xiàn)相互通信,，服務(wù)器端軟件對(duì)兩個(gè)門(mén)禁識(shí)別器軟件的連接實(shí)現(xiàn)多線(xiàn)程處理。

　　系統(tǒng)基于嵌入式WindowsXP 平臺(tái)開(kāi)發(fā),，有體積小,，專(zhuān)用性強(qiáng)等特點(diǎn),。

　　圖像采集端利用DirectShow 技術(shù)對(duì)攝像頭進(jìn)行控制，實(shí)現(xiàn)視頻圖像的預(yù)覽,，并在預(yù)覽的過(guò)程中對(duì)實(shí)時(shí)的視頻進(jìn)行抓拍,，將抓拍圖像傳至嵌入式計(jì)算機(jī)主板，由基于PCA 和BP 神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別軟件進(jìn)行識(shí)別處理,。

　　指紋采集端由指紋采集儀獲取用戶(hù)指紋,，并通過(guò)封裝在識(shí)別器內(nèi)部的指紋處理模塊進(jìn)行指紋比對(duì)。門(mén)禁控制器包括AT89S52 芯片MBF200 識(shí)別模塊,、液晶顯示器,、數(shù)據(jù)存儲(chǔ)器、鍵盤(pán),、電源和電控鎖等部分組成,。

　　本識(shí)別系統(tǒng)軟件在Windows 平臺(tái)上采用VC++ 6.0 進(jìn)行開(kāi)發(fā)， 全部核心算法都采用模塊化設(shè)計(jì),，提高了算法的可移植性,。整體結(jié)構(gòu)如圖1 所示。

　　圖1 整體結(jié)構(gòu)框圖

 　　2 人臉識(shí)別

 　　2.1 PCA 對(duì)人臉圖像的特征提取

　　由于攝像頭采集的人臉圖片的信息量往往很大,，直接處理會(huì)產(chǎn)生龐大的計(jì)算量,，所以在人臉識(shí)別之前要進(jìn)行特征提取。在降低特征空間的維數(shù)的同時(shí),，盡可能地保留識(shí)別信息,，以達(dá)到有效分類(lèi)。

　　本系統(tǒng)使用主成分分析算法實(shí)現(xiàn)對(duì)人臉圖像的特征提取,。主成分分析（principal compONent analysis,， PCA）是多元統(tǒng)計(jì)分析中用來(lái)分析數(shù)據(jù)的一種方法，它是用一種較少數(shù)量的特征對(duì)樣本進(jìn)行描述以達(dá)到降低特征空間維數(shù)的方法,，方法的基礎(chǔ)是Karhunen-Loeve展開(kāi)式,。K-L 變換的最大優(yōu)點(diǎn)是去相關(guān)性好。這樣可以將圖像中大量無(wú)關(guān)的冗余信息去除,，降低了之后運(yùn)用神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)復(fù)雜度,，同時(shí)也提高了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率和收斂率。采用PCA 進(jìn)行人臉特征提取的一般方法是：

　　設(shè)有N 個(gè)訓(xùn)練樣本,，每個(gè)由其像素灰度組成一個(gè)向量xi,，則樣本圖像像素?cái)?shù)即為向量xi的維數(shù)，M=wIDTh × height （行像素?cái)?shù)×列向量數(shù)）,，由向量構(gòu)成的樣本集為{x1,，x2，…，xn},，該樣本集的平均向量為：

　　協(xié)方差矩陣可表示為：

　　求協(xié)方差矩陣C 的特征向量ei和對(duì)應(yīng)的特征值λi.由大于λm的λi對(duì)應(yīng)的特征向量構(gòu)成主成分,，主成分構(gòu)成的變換矩陣為：

　　在實(shí)際的人臉識(shí)別過(guò)程中，對(duì)于一個(gè)輸入的測(cè)試樣本x,，求它與平均臉之間的偏差y=x-x 則在特征臉空間的投影可表示為系數(shù)向量：

　?。?）式中z 為K-L 變換的展開(kāi)系數(shù)向量，為m×1 維,。這樣一個(gè)臉部圖像就可以用較低維的系數(shù)向量表示,，從而實(shí)現(xiàn)了用低維向量表征原始人臉圖像?？梢赃x取對(duì)應(yīng)特征值最大的前m 個(gè)特征向量,，使得：

　　在式（5）中可以選取鄣=90%，從而使得樣本集在前m 個(gè)軸上的能量占整個(gè)能量的90%以上,。

　　2.2 利用BP 神經(jīng)網(wǎng)絡(luò)對(duì)人臉圖像進(jìn)行識(shí)別

　　BP 網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò),。（3 層的BP 網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖1）。BP 學(xué)習(xí)算法稱(chēng)為“誤差逆?zhèn)鞑ニ惴?rdquo;,，基本思想是通過(guò)網(wǎng)絡(luò)誤差函數(shù)的極小值來(lái)調(diào)整權(quán)重分布使神經(jīng)網(wǎng)絡(luò)收斂于穩(wěn)定狀態(tài),，從而使網(wǎng)絡(luò)在接受未知輸入時(shí)也會(huì)給出適當(dāng)?shù)妮敵觥?/p>

　　系統(tǒng)采用BP 神經(jīng)網(wǎng)絡(luò)對(duì)人臉識(shí)別的的具體過(guò)程有以下幾步：

　　1）產(chǎn)生一個(gè)訓(xùn)練集，訓(xùn)練集用于BP 網(wǎng)絡(luò)在模式識(shí)別方面訓(xùn)練網(wǎng)絡(luò),，使網(wǎng)絡(luò)能夠按照學(xué)習(xí)算法調(diào)整結(jié)構(gòu)參數(shù),，以達(dá)到學(xué)習(xí)的目的。如果在實(shí)際應(yīng)用中,，人臉的樣本可能只有1,，2 個(gè)，這樣就會(huì)導(dǎo)致BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本缺乏,，所以在應(yīng)用中應(yīng)有充分人臉對(duì)象的樣本采集,。

　　2）設(shè)計(jì)BP 網(wǎng)絡(luò)并進(jìn)行訓(xùn)練。網(wǎng)絡(luò)的每一個(gè)輸入節(jié)點(diǎn)對(duì)應(yīng)于樣本的一個(gè)特征,，而輸出節(jié)點(diǎn)數(shù)等于類(lèi)別數(shù),。設(shè)計(jì)好網(wǎng)絡(luò)層數(shù)，隱藏層神經(jīng)元數(shù)及所期望的網(wǎng)絡(luò)誤差,，學(xué)習(xí)速率后,， 用上述主分量分析法得到的特征樣本對(duì)網(wǎng)絡(luò)進(jìn)行反復(fù)訓(xùn)練， 直到對(duì)所有訓(xùn)練樣本,，網(wǎng)絡(luò)都能給出滿(mǎn)意的結(jié)果時(shí),，學(xué)習(xí)訓(xùn)練完成（如圖2）。

　　圖2

 　　3）進(jìn)行識(shí)別,。在此階段，當(dāng)一個(gè)未知類(lèi)別樣本A 作為一個(gè)測(cè)試樣本作用到輸入端時(shí)，經(jīng)過(guò)投影后得到特征矩陣Y,，利用訓(xùn)練好的網(wǎng)絡(luò)分類(lèi)器對(duì)其進(jìn)行分類(lèi),，考察各輸出節(jié)點(diǎn)的輸出，從而識(shí)別出所屬類(lèi)別,。

　　2.3 人臉識(shí)別結(jié)果

　　為驗(yàn)證系統(tǒng),，實(shí)驗(yàn)中采用Yale 人臉數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)由美國(guó)耶魯大學(xué)的實(shí)驗(yàn)室采集,，包括15 個(gè)人的每人11 張人臉灰度圖像,，共計(jì)165 張。它們是在不同時(shí)間,、光照略有變化,、不同表情（眼睛張或閉，笑或不笑）以及不同臉部細(xì)節(jié)（有眼鏡或沒(méi)眼鏡）下獲取的,。

　　每張圖像的尺寸為128×128 像素,， 比較充分地反應(yīng)了同一個(gè)人不同人臉圖像的變化和差異。將圖像庫(kù)中的人臉圖像分為兩組,，其中150 張為訓(xùn)練樣本,，另外15 張為測(cè)試樣本。實(shí)驗(yàn)中,，訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需時(shí)間平均為10秒,，人臉的識(shí)別過(guò)程所需的時(shí)間平均為0.5 s，對(duì)于合法用戶(hù)的識(shí)別率為89%,，非法用戶(hù)的識(shí)別率可達(dá)95%.

　　圖3

 　　3 指紋識(shí)別

 　　指紋識(shí)別傳感器采用富士通公司推出的一款先進(jìn)的固態(tài)指紋傳感器MBF200,，它除可自動(dòng)檢測(cè)指紋外，還帶有多種接口模式,，為電容性傳感器,，其電容性傳感器陣列由二維金屬電極組成，所有金屬電極充當(dāng)一個(gè)電容板,，接觸的手指充當(dāng)?shù)? 個(gè)電容板,，器件表面的鈍化層作為兩板的絕緣層。當(dāng)手指觸摸傳感器表面時(shí),，指紋的高低不平就會(huì)在傳感器陣列上產(chǎn)生變化的電容,，從而引起二維陣列上電壓的變化，并形成指紋傳感圖像,。采用標(biāo)準(zhǔn)COMS 技術(shù)的電容性固態(tài)器件,，具有500 dpi 的分辨率，傳感器面積為1.28 cm×1.50 cm.具有自動(dòng)指紋檢測(cè)能力,，內(nèi)含8 位模數(shù)轉(zhuǎn)換器,，可提供3 種總線(xiàn)接口形式,。5V 工作電壓下的功耗小于70 mW.指紋采集時(shí)間不超過(guò)0.5s;指紋識(shí)別比對(duì)時(shí)間不超過(guò)0.5s/枚；指紋誤識(shí)率小于0.001%,。

　　指紋識(shí)別算法實(shí)現(xiàn)為：1）提取脊線(xiàn)方向,，脊線(xiàn)頻率。2）經(jīng)過(guò)GABOR 濾波,，減弱噪聲,、改善圖像質(zhì)量，以便于特征提取,。3）特征提取,。4.與指紋數(shù)據(jù)庫(kù)進(jìn)行特征匹配并得出結(jié)果。大致流程如圖4 所示,。

　　圖4 流程圖

　　4 實(shí)驗(yàn)

 　　判別流程：門(mén)禁控制器通過(guò)攝像頭捕獲到人臉圖像,，并把該圖像發(fā)送到服務(wù)端進(jìn)行人臉識(shí)別。通過(guò)指紋采集儀獲取用戶(hù)指紋,，并通過(guò)封裝在控制器內(nèi)部的指紋模塊進(jìn)行指紋比對(duì),。若人臉識(shí)別通過(guò)，指紋識(shí)別也通過(guò),，則判斷用戶(hù)有該門(mén)的權(quán)限并開(kāi)門(mén),。若人臉識(shí)別通過(guò)，指紋識(shí)別未通過(guò),，則要求請(qǐng)求者再測(cè)一次,。若人臉識(shí)別未通過(guò)，指紋識(shí)別也未通過(guò),，則不開(kāi)門(mén),。其基本流程如圖5 所示。

　　圖5 基本流程圖

 　　5 結(jié)果

 　　本系統(tǒng)的測(cè)試方法為：在相同光照條件下,，對(duì)已注冊(cè)的用戶(hù)分別進(jìn)行10 次進(jìn)門(mén)操作,，對(duì)未注冊(cè)的用戶(hù)分別進(jìn)行10 次進(jìn)門(mén)操作。系統(tǒng)設(shè)置識(shí)別方式為人臉識(shí)別,、指紋識(shí)別串行執(zhí)行,。測(cè)試記錄用戶(hù)每次進(jìn)門(mén)操作識(shí)別成功與否，使用何種識(shí)別方式識(shí)別通過(guò)等信息,，統(tǒng)計(jì)測(cè)試系統(tǒng)的性能,。從實(shí)驗(yàn)結(jié)果來(lái)看，人臉識(shí)別率達(dá)到93%,，而人臉加指紋的識(shí)別率達(dá)到98%,，并且沒(méi)有出現(xiàn)錯(cuò)誤接受的情況，但由于測(cè)試數(shù)據(jù)量比較小,，在實(shí)際運(yùn)行中,，可能會(huì)出現(xiàn)錯(cuò)誤接收的情況,，從測(cè)試情況來(lái)看，錯(cuò)誤接受率不會(huì)高于0.01%.

 　　6 結(jié)論

 　　傳統(tǒng)PCA 方法在處理人臉圖像時(shí),，要將二維圖像矩陣轉(zhuǎn)換成一維的列向量,，使圖像的維數(shù)達(dá)到上萬(wàn)維,，計(jì)算工作量大,，特征提取速度慢。針對(duì)PCA 算法的不足,，也有研究者提出了獨(dú)立分量分析法（ICA,，Independent Component Analysis），在這些方面仍有待作進(jìn)一步探索,。

　　而且雖然BP 網(wǎng)絡(luò)得到了廣泛應(yīng)用,，但其自身也存在一些缺陷和不足，主要包括網(wǎng)絡(luò)的收斂速度慢,，且存在局部最小值問(wèn)題,。可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率以及附加動(dòng)量法加以改進(jìn)和解決［5］,。將指紋識(shí)別與人臉識(shí)別相結(jié)合,，進(jìn)行人臉圖像的一對(duì)一比對(duì)，所以識(shí)別速度更快,，合法用戶(hù)與非法用戶(hù)的識(shí)別率均較高,，提高了身份驗(yàn)證的安全性和有效性。人臉和指紋這兩個(gè)生物特征都具有很好的抗干擾性和不怕遺失的特性,，而且識(shí)別率也非常,，可以很好的解決傳統(tǒng)門(mén)禁系統(tǒng)如IC 卡門(mén)禁所存在的不足，達(dá)到減少人為因素對(duì)門(mén)禁系統(tǒng)的影響的目的,。因此,，智能門(mén)禁系統(tǒng)適用于高度機(jī)密性場(chǎng)所安全保護(hù)和高效率管理的需要，同時(shí)也適用于大規(guī)模用戶(hù)進(jìn)行快速,、準(zhǔn)確的身份鑒別的需要,。