基于OpenCV视觉库和树莓派的人脸识别门禁系统.pdf
5星 · 超过95%的资源 需积分: 0 128 浏览量
2021-09-23
23:16:39
上传
评论 4
收藏 3.95MB PDF 举报 
科技创新导报
2019 NO.02
Science and Technology Innovation Herald
信息科学
科技创新导报
2019 NO.02
Science and Technology Innovation Herald
信息科学
科技创新导报
Science and Technology Innovation Herald
152
科技创新导报
Science and Technology Innovation Herald
153
DOI：10.16660/j.cnki.1674-098X.2019.02.152
基于OpenCV视觉库和树莓派的人脸识别门禁系统
陆畅 陈东焰 俞浩
(江苏省无锡交通高等职业技术学校机电工程学院 江苏无锡 214000)
摘 要：基于门禁系统中安全性的需求，以OpenC V视觉库为核心，树莓派为硬件基础设计实现了具有人脸识别功能的智
能安防门禁系统。本智能门禁系统首先将授权人的人脸信息进行灰度化、降维及计算特征值等处理，再进行准备训练，得
到授权人的相关信息。然后对摄像头采集到的人脸信息进行处理。经过测试，该智能门禁系统较好的完成了人脸识别功
能 ，实 现 了 门 禁 系 统 的 设 计 要 求 。
关键词：OpenCV 人脸识别 门禁系统 嵌入式 树莓派
中图分类号：TP391.41 文献标识码：A 文章编号：1674-098X(2019)01(b)-0152-04
Abstract: Based on the security requirements of the access control system, with the OpenCV visual library as the
core, the Raspberry Pi designed the intelligent security access control system with face recognition function. The
intelligent access control system first performs grayscale, dimensionality reduction, and calculation of feature values on
the face information of the authorized person, and then performs preparatory training to obtain relevant information
of the authorized person. Then the face information collected by the camera is processed. After testing, the intelligent
access control system has completed the face recognition function and realized the design requirements of the access
control system.
Key Words: OpenCV; Face recognition; Access control system; Embedded; Raspberry Pi
随着计算机网络技术的发展成熟，信息安全越来越受
到人们的重视，现代人工智能的安防领域也有了极大的突
破 和 进 展 ，出 现 了 各 种 身 份 识 别 方 法
[1]
。其 中 ，人 脸 特 征 识
别具有非接触性、稳定性、独特性等优点而脱颖而出
[2]
。
此外近年来，基于Linux的单片机计算机也已逐渐发展
成熟，并以其低价、自由的特点被广泛使用。因此本文将人
脸识别与嵌入式、树莓派等相融合，设计出一套高安全级
别的门禁管理系统。
1 基本理论
1.1 OpenCV
OpenCV的全称是OpenSourceComputerVision
Library，是一个跨平台的计算机视觉库。几乎可以实现任
何现实中所能设想出的计算机视觉任务。
1.2 树莓派简介
树莓派（RaspberryPi），是一款基于Linux的单片机计
算机。它由英国的树莓派基金会所开发，目的是以低价硬
件及自由软件促进学校的基本计算机科学教育。
树莓派是微型卡片式电脑，可以运行Linux系统和
w i n d o w s 系 统 ，可 以 运 行 这 些 系 统 之 上 的 应 用 程 序 ，可 以
应用于嵌入式和物联网领域，也可以作为小型的服务器，
完成特定的功能。
2 基本算法
在数据的挖掘和分析中，最基本和首要的任务是对数
据进行分类，解决这个问题的常用方法是机器学习技术。
通过使用已知实例集合中所有样本的属性值作为机器学
习算法的训练集，导出一个分类机制后，再使用这个分类
机制判别一个新实例的属性，并且可以通过不间断的学
习，持续丰富和优化该分类机制，使机器具有像大脑一样
的思考能力。
常用的分类方法有决策树分类、贝叶斯分类等。然而
这些方法存在的问题是当数据量巨大时，分类的准确率不
高。对于这样的困难问题，Boosting及其衍生算法提供了
一个理想的解决途径。
2.1 Boosting算法
Boosting算法是一种把若干个分类器整合为一个分类
器的方法，其基本思想是：把一个复杂的分类任务分配给
多位专家进行判断。这些专家可能并不是真正的专家，而
仅 仅 是 比 普 通 人 专 业 一 点 ，他 们 称 为 弱 分 类 器 ，依 据 一 定
机制，综合各位专家的结论，形成强分类器，得到最终的
判断。
2.2 AdaBoost迭代算法
Boosting算法中应用最为广泛也最为有效的是1995年
提出的AdaBoost（AdaptiveBoosting，自适应增强）方法，其
自适应之处在于前一个基本分类器分错的样本会得到加
强，加权后的全体样本再次被用来训练下一个分类器，每
一轮训练都会产生一个弱分类器，直到达到某个预订的足
资源评论
Code_Wizard2021-12-31用户下载后在一定时间内未进行评价，系统默认好评。
