5.2.2 测试方法二-39

5.2.3 测试方法三-40

5.3 实验总结与分析-41

结论42

致谢-43

参考文献44
第一章 绪论1.1 研究背景及其意义在计算机视觉以及模式识别等相关领域中，人脸识别都是十分热门的一个课题，与此同时它也是被应用在很多方面。人脸识别目前主要应用于3 方面：刑侦破案、证件验证和入口控制[1]。如今，虽然在这方面的研究确实有不少的成果，但是将FRT(人脸识别技术)应用到实际中的时候依旧会遇到一些很严峻的问题,人脸五官的分布区别并不是很明显，加上人脸丰富多彩的表情、姿态或发型、化妆都给正确识别造成很大的影响。人脸识别[2]作为一种人的脸部特征信息进行身份识别的生物识别技术。人脸识别技术说具体一点，主要包括了：1)图像或视频中进行人脸检测；2)从检测出的人脸中定位眼睛位置；3)提取人脸特征；4)进行人脸比对。人脸检测[3,4]的结果对人脸识别的应用有着重要的影响。基于人脸识别的电子门锁，利用人脸识别技术的非接触式、非侵入性以及不可复制性等优点,从而可以做到无需钥匙开门、非接触式卫生且耐用、源[自-优尔*`论/文'网·www.youerw.com/识别快速方便、人脸库增减便捷、识别率高等优点。基于人脸识别的电子门锁不仅是对于人脸识别技术的一次实际应用，更是对人脸识别检测的发展有着非常重要的研究意义和实用价值。传统的人脸识别技术主要是利用PC机作为平台,在其基础上运用识别算法最终达到人脸识别的目的,这种方法在一些大型的鉴别场合(例如:办公楼出入,商场的出入)都非常适用。当被应用在想小区楼栋门禁或者家中门锁的场合里，它们需要的样本是比较少的， 这个时候往往不会选择PC 作为人类识别的平台的,PC高昂的成本也会使得这种技术很难被人们所采用。最近这段时间,在嵌入式系统的蓬勃发展的同时，也为人脸识别技术带来了福音，这使得嵌入式系统上运行人脸识别程序可能性变得越来越大,在应用在一些小型的识别场合的时候,嵌入式系统就变得很合适，我们可以选择其来替代 PC机作为人脸识别运行的平台。本文设计系统中就选择了 RaspberryPi 2B 这个嵌入系统作为硬件平台,看上去不起眼但功能强大树莓派 2B有着 900MHz的 4核 ARM Cortex-A7 CPU，不仅如此它还有着 VideoCore IV 的双核GPU,它价格便宜性能强大， 可以流畅运行Linux操作系统，通过将 OpenCV2.4.9计算机视觉库和 wiringPi库(一种树莓派的 GPIO库)移植安装到 RaspberryPi 2B运行的 Raspbian系统中，搭建出了一套比较完整的能够进行计算机视觉功能开发的嵌入式平台，在此基础上能够很好完成人脸识别的电子门锁的设计以及其他类似的计算机视觉方面的研究。
1.2 人脸识别的国内外研究现状人脸识别的研究始于二十世纪六十年代中后期[5-10]。不过当时的人脸识别还依赖着人的一些先验知识,很难摆脱人的干预。到了九十年代的时候,人们对于人脸识别系统的需求比以往迫切的多,这使得人脸识别又被人们重视起来，成了热门研究之一。后来随着计算机性能的飞速提升，人脸识别的发展也变得更加迅速。人脸检测方法进行分类的时候，我们将其分成基于统计以及基于知识这两类。其中基于统计类的方法，它是将人脸图像和维数高的向量去挂钩,在此假设之上进一步对人脸检测进行研究的时候，我们就可以把他当做是一个高维空间中分布信号的检测问题来进行处理;而基于知识的要领，在人的已有知识之上，从而建立起了若干的规则，这时候研究人脸检测问题时，就可以将其看作是假设/验证一类问题来进行研究的。在美国等国家军警和大型公司对人脸识别相关的研究高度重视，并且投资很多钱给研究组在从事相关研究。不仅如此，美国军方为了加快人脸识别技术的发展，每年都会聚集很多相关专家进行一场人脸识别比赛。说到国内从事人脸自动识别相关的研究，大概是从 80年代开始的。主要的研究方向有三类，分别是基于几何特征、代数特征以及连接机制的人脸正面自动识别方法。国内相关研究的代表人物有:周激流、彭辉、张长水、张辉、周洪样、何振亚等人。周激流主要对人脸识别的反馈机制进行研究;彭辉,张长水这两位对‘特征脸’发进行了研究，在此基础上提出了一种改进‘特征脸’法的方案;张辉,周洪样、何振亚三人作了对神经网络进行主元分析方面的研究,并在冗余以及权值正交基础上，将两者结合起来去提取并识别人脸特征；不仅如此,还有国防科技大学等单位也做了相关的研究，他们也发表了一些研究成果。一般的这些研究方法都是基于理想状态下,然而在非理想的情况下(例如是被对象不合作,人脸数据库过大,光线过暗,姿态不合适等)导致人脸识别成功率仍然很低。为了克服此类问题,出现了非线性建模方法这类的新型人脸识别法，这类新型识别法还包括基于三维模型的人脸建模及统计学习理论等。当前国内很多的人脸识别门禁系统还是在 PC机上去完成的,这类系统有着识别率不高、价格昂贵的缺点,所以应用也不是很广泛。虽然有些公司开发了一些嵌入式产品已经有了小规模的商业应用,但应用的条件会受到很多条件的限制,很多情况下其识别的效果也不尽人意。