引言

信息技術的迅猛發展給生活帶來便利的同時，也給安全防范系統提出來越來越高的要求。傳統的門鎖、防盜門、監控報警系統等總是存在著攜帶不便、易遺失損壞、密碼易被破解等問題。于是，運用生物特征識別技術的智能門禁系統就應運而生。其中，人臉識別作為生物特征識別技術中最為直觀的一種識別方法，具有友好、隱蔽、簡便、準確、經濟及擴展性良好等其他識別技術不可比擬的優勢。基于ARM技術的嵌入式系統以應用為中心，軟硬件可裁剪，符合應用系統對功能、可靠性、成本、體積、功耗嚴格要求， 對節約成本、提高穩定性有極大地作用。

1 開發方案與設計

1．1總體結構設計

根據嵌入式技術與人臉識別技術的特點及其在門禁系統的應用構思，本系統確定了嵌入式人臉識別門禁系統的人臉識別子系統的設計及實現，進行圖像采集、嵌入式處理和識別響應三部分來研究。首先，通過攝像頭采集圖像信息；其次，從CPU處理速度、技術指標以及軟件支持工具等方面進行選型，采用三星公司的基于ARM920T內核的$3C2440A芯片。開發方案中操作系統采用目前最新、最穩定的自由軟件嵌入式Linux操作系統Ubuntu。前端的ARM板實現這兩項功能。最后，將人臉圖片傳入后臺數據庫進行人臉識別，并反饋識別響應信息。人臉識別的核心部分，如從數據圖片的檢索、識別等均在后臺完成。其開發方案的總體結構設計圖如圖1所示。

1．2 內核及操作系統選擇

$3C2440A采用ARM920T內核，集成如下片上功能：

1）1．2V內核，1．8V／2．5V／3．3V儲存器，3．3V擴展I／O，16KB~令Cache（I—Cache）／16KB數據Cache （D—Cache）

2）外部儲存控制器（SDRAM控制盒片選邏輯）

3）集成LCD專用DMA的LCD控制器（支持最大4K色STN和256K色TFT）

4） 4路擁有外部請求引腳的DMA控制器

5）IIC總線接口（多主支持）

6） IIS音頻編解碼器接口

7）AC、97編解碼器接口

8）1．0版SD主接口，兼容2．1l版MMC接口

9）2路USB主機控制／1路USB期間控制（ver1．1）

10）4路PWM定時器／1路內部定時器／看門狗定時器

11） 8路10位ADC和觸摸屏接口

12）攝像頭接口（支持最大4096x4096的輸入，2048x2048縮放輸入）作為一個基于GNU／Linux的平臺，Ubuntu在Debian基礎之上， 旨在創建一個可以為桌面和服務器提供一個最新且一貫的Linux系統。它囊括了大量從Debian發行版精挑細選的軟件包， 同時保留了Debian強大的軟件包管理系統，以便簡易的安裝或徹底的刪除程序。注重安全性和實用性。本系統采用版本號為Ubuntu 8．10。它具有虛擬化、完整的Java堆棧、增強的郵件服務器能力、改進的RAID支持、Uncomplicated Firewall防火墻更加簡單、捆綁Landscape客戶端等優勢。

1．3軟件流程設計

ARM內核和Ubuntu系統的選擇為系統功能的實現提供了基礎，系統軟件則完成系統功能的控制。系統軟件的設計流程如下，首先攝像頭進行監控，如果門前有移動物體，進行拍照，并依據圖像的亮度， 判斷是否需要調節光線，圖像處理后進行自動人臉檢測識別， 如果不是沒有找到匹配圖像，程序返回到攝像頭監控狀態， 如果找到，開啟樓門； 如果沒有移動物體，繼續監控。若是來訪者， 則可以通過系統的其他方式，提出訪問申請，如果房中有人則由房內人員控制打開大門；如果無人應答，系統提示房中無人， 同時采集來人照片，通過郵件自動發送功能， 向指定郵箱發送郵件，并記下來訪記錄。

2 人臉識別模塊設計及實現

本系統最關鍵的實現技術就是通過進行人臉識別， 完成門禁控制。首先從靜態圖片或動態圖像中找到人臉， 然后確定各特征點的位置并進行特征提取，最后將人臉與數據庫中所有的人臉進行比對，并按照fisherface決策規則對該人臉進行判別分類。

根據輸入圖像的性質，人臉檢測識別方法分為靜止圖像的靜態方法和圖像序列的跟蹤幀方法兩大類。根據嵌入式門禁系統硬件性能等自身特點對人臉識別技術的要求，采用了第一大類的方法，從圖像序列中選擇幾幀質量較好的圖像，然后用靜止圖像的人臉識別方法進行匹配。靜態方法簡單、快捷、性價比高。

2．1圖像采集及預處理

通過USB接口的攝像頭采集過數據后，采用最基本的圖像增強手段對圖像進行處理。圖像增強就是用一系列手段對取得的圖像灰度作修正，或者對噪聲作過濾，使得圖像灰度與實際景物的灰度盡可能地匹配。不能損壞圖像的輪廓及邊緣等重要信息，并使得圖像更清晰，視覺效果更好。為了減少光線、角度等因素的影響，采用中值濾波和直方圖均衡化方法。

2．2人臉檢測定位

人臉檢測是指對于任意一幅給定的靜態圖像或視頻序列圖像，采用一定的策略和方法對其進行搜索以確定其中是否含有人臉， 如果有則返回人臉的位置、大小和姿態。從圖像序列中， 自動、準確和快速地檢測人臉區域是實現系統功能的一項關鍵任務。

目前，人臉檢測有兩大類方法：一類是基于知識的人臉檢測方法，一類是基于統計學習的人臉檢測方法。統計學習的方法是目前人臉檢測的主流方法，通過大量的人臉和非人臉樣本進行訓練，得到人臉圖像和非人臉圖像之間一些細微的差異。對于門禁系統而言，人臉檢測目標區域背景相對比較簡單，人臉數量和大小可以控制，大大降低了人臉檢測的難度。首先， 對人臉特征搜索定位；其次，對人臉區域幾何歸一化處理，再次，對檢測到的人臉進行特征提取。

2．3人臉識別設計與實現

人臉識別是一種高維數、小樣本數據的識別問題。對于該類問題，其難點在于訓練樣本的數量很少，而以訓練樣本的協方差矩陣作為模式協方差矩陣的估計時，會產生以下兩方面問題， 一個是會造成較大的偏差，另一個是會使類內協方差矩陣奇異。

為了解決類內協方差矩陣奇異使得該矩陣不可逆的問題， 國內外專家們提出了許多經典算法。本系統采用．基于結構化fisherface的人臉識別方法。它應用了PCA與LDA的人臉識別過程，先由PCA對高維數據進行降維處理，獲得原樣本的最優特征表示，并使樣本的類內協方差矩陣非奇異，然后作線性判別分析。在采用線性鑒別分析之前，通過事先給定的線性變換來達到降低圖像向量的維數，從而消除了類內協方差矩陣的奇異性。在很大程度上解決了外部光照干擾、面部表情變化等因素的影響，優點是在人臉圖像有光照和表情變化的情況下， 比特征臉方法的魯棒性強。在本系統中的人員信息采用SQlite數據庫技術統一管理。在人臉識別的過程中需要從人員數據庫中提取相應卡號和人臉特征數據。人員數據庫中存放人員的基本信息、人臉照片和人臉特征數據。其中人臉特征數據是進行人臉識別的依據，而人臉照片只是作為顯示識別結果之用，并不參與識別過程。

3 系統功能測試

人臉識別功能利用國際上常用的ORL的人臉數據庫進行測試。ORL數據庫包括40個人每人的10幅共400幅圖像，具有不同的光照、表情和視點。從其中選擇8人進行訓練，進行識別測試。統計結果如表1所示。

實驗證明該算法是一種穩定高效的算法，可以實現人臉識別技術進行門禁控制的功能。

4 結束語

嵌入式人臉識別門禁系統因其非接觸式的數據采集、隱蔽性好、方便快捷、便于事后追蹤及可交互性強等優勢，在當前科研及實際工程應用中成為最熱門的研究主題之一。本系統就是作為鶴壁市科技局科研課題而開發實現的。基于ARM技術的嵌入式人臉識別門禁系統的實用性和應用前景非常廣闊。

責任編輯：ct