?

　　1 綜合門禁系統設計方案

　　本文所設計的門禁系統由一個服務器和兩個門禁控制器組成， 一個門禁控制器在通過攝像頭采集人臉圖像的同時另一個可以通過指紋采集儀采集指紋信息。管理服務器軟件并行連接兩個門禁識別器軟件，通過USB 接口實現相互通信，服務器端軟件對兩個門禁識別器軟件的連接實現多線程處理。

　　系統基于嵌入式WindowsXP 平臺開發，有體積小，專用性強等特點。

　　圖像采集端利用DirectShow 技術對攝像頭進行控制，實現視頻圖像的預覽，并在預覽的過程中對實時的視頻進行抓拍，將抓拍圖像傳至嵌入式計算機主板，由基于PCA 和BP 神經網絡的人臉識別軟件進行識別處理。

　　指紋采集端由指紋采集儀獲取用戶指紋，并通過封裝在識別器內部的指紋處理模塊進行指紋比對。門禁控制器包括AT89S52 芯片MBF200 識別模塊、液晶顯示器、數據存儲器、鍵盤、電源和電控鎖等部分組成。

　　本識別系統軟件在Windows 平臺上采用VC++ 6.0 進行開發， 全部核心算法都采用模塊化設計，提高了算法的可移植性。整體結構如圖1 所示。

?

　　圖1 整體結構框圖

　　2 人臉識別

　　2.1 PCA 對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，直接處理會產生龐大的計算量，所以在人臉識別之前要進行特征提取。在降低特征空間的維數的同時，盡可能地保留識別信息，以達到有效分類。

　　本系統使用主成分分析算法實現對人臉圖像的特征提取。主成分分析(principal compONent analysis， PCA)是多元統計分析中用來分析數據的一種方法，它是用一種較少數量的特征對樣本進行描述以達到降低特征空間維數的方法，方法的基礎是Karhunen-Loeve展開式。K-L 變換的最大優點是去相關性好。這樣可以將圖像中大量無關的冗余信息去除，降低了之后運用神經網絡的結構復雜度，同時也提高了神經網絡的訓練效率和收斂率。采用PCA 進行人臉特征提取的一般方法是：

　　設有N 個訓練樣本，每個由其像素灰度組成一個向量xi，則樣本圖像像素數即為向量xi的維數，M=wIDTh × height (行像素數×列向量數)，由向量構成的樣本集為{x1，x2，…，xn}，該樣本集的平均向量為：

?

　　協方差矩陣可表示為：

?

　　求協方差矩陣C 的特征向量ei和對應的特征值λi.由大于λm的λi對應的特征向量構成主成分，主成分構成的變換矩陣為：

?

　　在實際的人臉識別過程中，對于一個輸入的測試樣本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向量：

?

　　(4)式中z 為K-L 變換的展開系數向量，為m×1 維。這樣一個臉部圖像就可以用較低維的系數向量表示，從而實現了用低維向量表征原始人臉圖像。可以選取對應特征值最大的前m 個特征向量，使得：

?

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