基于人臉識別的高校無阻礙門禁系統設計研究
文章出處：http://www.katarog.com 作者： 人氣： 發表時間：2013年02月08日
摘 要:目前市場上的高校門禁系統無法完全滿足高校門禁管理的現狀, 特別是在身份識別上, 大部分依賴人工進行, 人臉識別技術是一種新興的生物認證技術, 它以無接觸式的識別方式深受廣大用戶的喜愛, 也比較符合高校門禁管理的特點, 闡述了無阻礙式高校門禁系統中存在的問題, 結合人臉識別的生物認證技術對其進行改進, 有效避免了門禁系統中存在的“冒認”漏洞, 使其在應用上能起到更好的輔助作用。
高校門禁問題歷來是高校安全管理的重中之重,隨著“一卡通”工程的普及, 高校門禁系統的設計和應用也越來越受到各高校的重視, 其本身也在不斷改進和變化中。傳統“一卡通”是在IC卡的基礎上開展起來的, 而隨著射頻技術的發展, 傳統IC卡已經逐漸被( RFID) 射頻卡所取代, 其中第二代身份證的出現更是射頻技術的一個重要的里程碑, 高校門禁系統也由此進入了一個全新的時代。本文就門禁系統中的無阻礙式門禁系統進行改進設計, 增加人臉識別模塊, 以期能夠更好地應用于高校門禁市場。
1 高校人員管理情況
要設計好高校門禁系統, 就須對高校人員管理有著正確的認識, 高校人員情況十分復雜, 有如下特點:
校園開放度高, 進出學校的人員十分復雜; 這在一定程度上增加了學校人員管理的難度。
由于年年擴招, 在校生急劇增多, 學生在校時間大多在2 年～5 年的時間, 人員的流動性大; 人員情況更加復雜。
由于高校的學習生活集中性特點, 人員在管理上具有集中式的特點, 特別是在上下課時間段, 各個門禁點的人員進出量是很大的;
高校的門禁監管基層人員的流動性大, 一般門禁監管基層人員除個別外, 每2 年～3 年做一次調整是很正常的, 導致一些門禁點的管理監督上存在一定程度上的漏洞, 有些外來人員趁此機會潛入作案的比率也明顯增加。
根據以上特點, 各個高校門禁系統的具體配備也不一而同, 但其目的都是為了能夠更好地配合管理人員進行人員管理, 設計時要考慮到人員的具體情況。
2 無阻礙式門禁系統
高校的門禁系統種類有很多, 從人員通過的角度看可以分為阻礙式門禁和無阻礙式門禁, 其各自有不同的應用領域, 主要表現在如圖書館等重要部門, 使用有阻礙式的門禁系統, 可以有效進行圖書情況的監管;而在公寓樓等場所, 大多使用無阻礙式的門禁系統, 它的特點是進出無阻礙, 發生緊急安全問題可以及時疏散人員。
現有的無阻礙式門禁大多采用在校人員通行, 非在校人員警告、提醒的方式, 這種方式讓大多數的在校持卡人員通過, 管理人員只需注意其中的非正常人員情況即可, 大大節省了時間和精力, 可是這種門禁系統是存在著漏洞的。正常情況下, 當本人持卡進入時, 系統會留下一條記錄, 而沒有持卡人員進入時, 系統則會發出聲光報警, 提醒管理人員進行核對; 但還有一個情況就是當非本人持卡進入時, 系統也會留下一條記錄,但不會發出警報, 這就導致門禁系統出現嚴重漏洞, 一些非法人員可以憑在校生的卡自由進出校園而不會有
任何問題, 一些門禁系統也針對此問題做出調整, 即把每個進入有效卡記錄時, 同時大屏顯示該卡的持有人身份信息, 這種方法可以起到一定監督作用, 但實際效果不大, 原因就是它僅僅是顯示沒有提示, 這樣只能靠管理人員一直盯著屏幕進行核對, 如果管理人員一旦分神就很容易被非法人員趁機進出。因此, 讓門禁系統能夠識別非持卡人并發出有效提示是十分必要的, 本文把人臉識別的生物認證技術引入其中, 使得冒認卡主的情況可以得到改善, 在一定程度上可以防止上述情況的發生。
3 技術支持
3. 1 RFID 技術
射頻識別技術( Radio Frequency Ident ificat ion,縮寫RFID) , 是20 世紀90 年代開始興起的一種自動識別技術, 它是屬于無線通信技術的一種, 是一種非接觸式的自動識別技術, 可識別高速運動物體, 其應用的范圍十分廣泛。
RFID 技術為無接觸式的感應技術, 讀寫距離可達1. 0 m～1. 5 m左右, 而且可同時識別多張卡, 解決了大人流快速通過問題, 每秒鐘可同時識別50 張卡片, 目前高校的門禁系統中的無阻礙式通道大多采取5 cm～10 cm 左右距離。其識別系統結構如圖1 所示。
圖一 RFID系統工作流程
電子標簽即RFID 卡, 內置RFID 芯片, 通過門禁口時, 天線接收RFID 內部信號, 轉入信號讀寫裝置進行讀取RFID信息, 然后到達信息處理系統進行數據比對, 是否為該校的在校卡, 最后記錄在門禁系統數據庫中。
3. 2 人臉識別技術
人臉識別是一項應用很廣泛的技術, 它是生物認證中的后起之秀, 因其無接觸式的識別方式, 深受廣大用戶的喜愛, 但因識別的條件受外界環境影響較大, 如光照、表情、姿態等, 在生物認證的初始階段發展較慢,現技術日趨成熟, 利用各種算法已能快速解決此類問題。其識別一般分為兩個過程, 一個是人臉的檢測, 即是否存在人臉; 另一個是人臉的識別, 即是否是某個人, 需要提取視頻或圖像中的人臉作為模板進行匹配。
3. 2. 1 AdaBo ost 檢測算法
AdaBoost 算法是1995 年Freund 和Schapire[ 1] 根據在線分配算法提出的, 并由Viola[ 2] 等人于2001 年應用于人臉檢測當中, 該方法采用一種“積分圖像”的圖像表示方法, 這種表示能夠快速計算出弱分類器快速用到的特征, 把這些弱分類器集合起來, 就構成一個強分類器, 從而檢測出類人臉。這種方法檢測速度快、靈敏度高, 可以在訓練的時候增加自己想要的人臉模型,并進行檢測, 最終生成xml 文件, 提高識別效率。該算法中的Haar 特征分為3 類: 邊緣特征、線性特征、中心特征和對角線特征, 組合成特征模板。特征模板內有白色和黑色兩種矩形, 并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。如圖2 所示。
圖2 Haa r 3 類特征圖示
算法中的積分圖( Integ ral Image ) 主要的思想是將圖像從起點開始到各個點所形成的矩形區域像素之和作為一個數組的元素保存在內存中, 當要計算某個區域的像素和時可以直接索引數組的元素, 不用重新計算這個區域的像素和, 從而加快計算。“積分圖”能夠在多種尺度下, 使用相同的時間來計算不同的特征, 因此大大提高了檢測速度。
3. 2. 2 膚色檢測
影響人臉檢測的一大因素就是背景的雜亂無章,通過Adaboost 檢測出來的類人臉區域中大多數還是有非人臉存在, 只是形狀上酷似人臉, 而膚色在色彩空間中聚類比較穩定, 且與其他色彩容易區分, 彩色圖像中膚色是人臉最為顯著的特征之一, 可以選擇YCbCr作為膚色分布統計的映射空間, 該空間的優點是可以將亮度和色度分開單獨處理, 實現亮度和色度分量比較徹底的分離, 能較好地限制膚色分布區域, 膚色點能夠形成較好聚類, 從而從圖像中分離出膚色區域, 再進行Adaboost 檢測, 最終可確定人臉位置。
3. 2. 3 隱馬爾可夫模型
隱馬爾可夫模型的理論基礎是20 世紀70 年代由Baum 等人建立起來的, 最初應用于語音識別當中, 隨后才由Rabiner 等人在20 世紀80 年代中期應用于人臉識別, 進而成為人臉識別研究的一個重要方法。對于人臉模式來說, 可以把它分成前額、眼睛、鼻子、嘴巴和下巴這樣一個序列, 那么人臉模式就可以通過對這些區域進行有序的識別和檢測, 提取要識別人臉的觀察向量序列, 然后計算此人臉的觀察向量序列與人臉數據庫中各個人臉的隱馬爾可夫模型相似的或然率, 相似或然率的計算可以通過前向—后向算法或者Viterbi 算法得出。相似或然率反映了待識人臉觀察向量序列與數據庫中的人臉隱馬爾可夫模型的相似程度, 在HMM 中, 如果值最大, 那么就是與待識人臉最接近的人臉隱馬爾可夫模型, 最終完成識別。
| 第1頁第2頁 |
