一种基于人脸识别的图书馆出入管理系统技术方案

一种基于人脸识别的图书馆出入管理系统，包括：图像采集模块，人脸检测模块，中央控制器，服务器，图书馆闸口，图书馆报警器，所述图像采集模块与人脸检测模块连接，中央控制器与人脸检测模块、服务器、图书馆闸口、图书馆报警器连接，该系统能够准确地识别来访者的身份，且具有准确性高、实时性强、安全性能好等特点；能够针对不同角度人脸图像进行识别，并具有较高的识别准确率。

【技术实现步骤摘要】
一种基于人脸识别的图书馆出入管理系统
本专利技术涉及一种基于人脸识别的图书馆出入管理系统，属于人脸识别

技术介绍
随着时代的发展，出入管理技术已经越来越普遍地应用到日常生活中。目前的图书馆出入管理系统，主要是通过身份识别装置对出入图书馆的人员进行身份识别，实现人员的出入。现有的图书馆出入管理系统大多采用RFID、IC卡等技术，进出人员只需要轻轻刷卡便可以完成身份识别，上述方式存在一定的弊端，如果内部人员忘记携带IC卡，就无法通过刷卡进入图书馆，从而给生活造成不便。随着人脸识别技术的发展和出入管理技术的进步，为开发基于人脸识别的出入管理系统提供了条件，但是，目前市场上很少有基于人脸识别的图书馆出入管理系统；此外，由于人脸拍摄角度的不同，导致人脸的识别准确率不高。
技术实现思路
为克服上述技术的不足，本专利技术提供一种基于人脸识别的图书馆出入管理系统，能够准确地识别来访者的身份，且具有准确性高、实时性强、安全性能好等特点；能够针对不同角度人脸图像进行识别，并具有较高的识别准确率。一种基于人脸识别的图书馆出入管理系统，包括：图像采集模块，其用于采集图书馆闸口区域内的图像，将图像发送给人脸检测模块；人脸检测模块，其用于判断图像中是否存在人脸区域，如果否，则返回图像采集模块重新采集图像；如果是，则将图像发送给中央控制器；中央控制器，其与服务器、图书馆闸口、图书馆报警器连接，中央控制器将图像发送给服务器，通过人脸识别算法进行人脸识别，并与服务器中的人脸数据库进行匹配，如果匹配成功，则图书馆闸口在中央控制器的控制下自动打开；如果匹配失败，则图书馆报警器在中央控制器的控制下发出语音报警，且图书馆闸口不会自动打开；所述人脸数据库，其用于存储已登记过的人脸图像；所述人脸识别算法具体为：假设输入的人脸图像大小为M*N；(1)计算裁剪尺度indices＝[0M-N]+1；(2)根据indices值，通过循环分别取[1，1]，[1，M-N+1]，[M-N+1，1]，[M-N+1，M-N+1]为图像剪切的起点坐标，从输入图像中截取得到N*N大小的4幅样本图像和另外4幅镜像样本图像；(3)取得[[(M-N)/2+1，(M-N)/2+1]为剪切起点坐标，取得正面与其镜像的最后2幅图像；(4)最后将得到10个样本图片加入待识别数据集；(5)利用Caffe平台中的深度学习网络，得到待识别数据的40*10维的相似度分数矩阵scores；然后对这10个样本的分数矩阵求均值运算得到40*1维的分数矩阵score，最后求得score中概率最大的相似度分数maxScore和对应的标签maxlabe1，则该人脸图像的识别身份相对应的标签为maxlabe1+1，识别完成。所述系统还包括，人脸数据库管理模块，其用于将新的用户人脸图像添加到人脸数据库中或者将失效的用户人脸图像移除人脸数据库。Caffe平台中的深度学习网络包括卷积神经网络或者深度信念网络或者循环神经网络。附图说明图1为本专利技术实施例提供的一种基于人脸识别的图书馆出入管理系统框架图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。如图1所示，本实施例公开一种基于人脸识别的图书馆出入管理系统，系统包括：图像采集模块，其用于采集图书馆闸口区域内的图像，将图像发送给人脸检测模块；人脸检测模块，其用于判断图像中是否存在人脸区域，如果否，则返回图像采集模块重新采集图像；如果是，则将图像发送给中央控制器；中央控制器，其与服务器、图书馆闸口、图书馆报警器连接，中央控制器将图像发送给服务器，通过人脸识别算法进行人脸识别，并与服务器中的人脸数据库进行匹配，如果匹配成功，则图书馆闸口在中央控制器的控制下自动打开；如果匹配失败，则图书馆报警器在中央控制器的控制下发出语音报警，且图书馆闸口不会自动打开；所述人脸数据库，其用于存储已登记过的人脸图像；所述人脸识别算法具体为：假设输入的人脸图像大小M*N；(1)计算裁剪尺度indices＝[0M-N]+1；(2)根据indices值，通过循环分别取[1，1]，[1，M-N+1]，[M-N+1，1]，[M-N+1，M-N+1]为图像剪切的起点坐标，从输入图像中截取得到N*N大小的4幅样本图像和另外4幅镜像样本图像；(3)取得[[(M-N)/2+1，(M-N)/2+1]为剪切起点坐标，取得正面与其镜像的最后2幅图像；(4)最后将得到10个样本图片加入待识别数据集；(5)利用Caffe平台中的深度学习网络，得到待识别数据的40*10维的相似度分数矩阵scores；然后对这10个样本的分数矩阵求均值运算得到40*1维的分数矩阵score，最后求得score中概率最大的相似度分数maxScore和对应的标签maxlabe1，则该人脸图像的识别身份相对应的标签为maxlabe1+1，识别完成。所述系统还包括，人脸数据库管理模块，其用于将新的用户人脸图像添加到人脸数据库中或者将失效的用户人脸图像移除人脸数据库。Caffe平台中的深度学习网络包括卷积神经网络或者深度信念网络或者循环神经网络。由于人脸图像拍摄角度的不同，会影响到人脸识别的效果，针对这些问题，对每张图片剪切采样10个样本，相比于现有技术，本实施例的人脸识别算法，能够针对不同角度人脸图像进行识别，并具有较高的识别准确率。深度学习框架Caffe是第一个主流的工业级的深度学习工具，其计算机视觉工具包丰富，操作简易，本实施例中使用Caffe平台实现人脸识别。所述卷积神经网络包括改进的卷积神经网络，改进的卷积神经网络为：由于卷积神经网络的全连接层占用该网络的大量参数，并且全连接层并不是必须的，因此提出去掉原网络一个全连接层，并通过对原11x11卷积核大小的Conv1_1纵向拆分成7x7和5x5卷积核大小的两层，对原5x5卷积核大小的Conv1_2层横向拆分成1x1，3x3和5x5卷积核大小的三层的方式改善网络结构。优选的，人脸识别算法中还包括提取人脸区域的特征，所述特征包括：LBP特征、Haar特征、HOG特征。本领域技术人员可以理解，可以把装置实施例中的各单元组合成一个单元，以及此外可以把它们分成多个子单元。除了这样的特征和/或过程或者单元中的至少一些是互相排斥之处，可以采用任何组合对本说明书中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本专利技术的范围之内并且形成不同的实施例。本专利技术的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本专利技术实施例的一些或者全部部件的一些或者全部功能。本专利技术还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品本文档来自技高网...

【技术保护点】
1.一种基于人脸识别的图书馆出入管理系统，其特征在于，包括：图像采集模块，其用于采集图书馆闸口区域内的图像，将图像发送给人脸检测模块；人脸检测模块，其用于判断图像中是否存在人脸区域，如果否，则返回图像采集模块重新采集图像；如果是，则将图像发送给中央控制器；中央控制器，其与服务器、图书馆闸口、图书馆报警器连接，中央控制器将图像发送给服务器，通过人脸识别算法进行人脸识别，并与服务器中的人脸数据库进行匹配，如果匹配成功，则图书馆闸口在中央控制器的控制下自动打开；如果匹配失败，则图书馆报警器在中央控制器的控制下发出语音报警，且图书馆闸口不会自动打开；所述人脸数据库，其用于存储已登记过的人脸图像；所述人脸识别算法具体为：假设输入的人脸图像大小为M*N；(1)计算裁剪尺度indices＝[0 M‑N]+1；(2)根据indices值，通过循环分别取[1，1]，[1，M‑N+1]，[M‑N+1，1]，[M‑N+1，M‑N+1]为图像剪切的起点坐标，从输入图像中截取得到N*N大小的4幅样本图像和另外4幅镜像样本图像；(3)取得[[(M‑N)/2+1，(M‑N)/2+1]为剪切起点坐标，取得正面与其镜像的最后2幅图像；(4)最后将得到10个样本图片加入待识别数据集；(5)利用Caffe平台中的深度学习网络，得到待识别数据的40*10维的相似度分数矩阵scores；然后对这10个样本的分数矩阵求均值运算得到40*1维的分数矩阵score，最后求得score中概率最大的相似度分数maxScore和对应的标签max1abe1，则该人脸图像的识别身份相对应的标签为max1abe1+1，识别完成。...

【技术特征摘要】
1.一种基于人脸识别的图书馆出入管理系统，其特征在于，包括：图像采集模块，其用于采集图书馆闸口区域内的图像，将图像发送给人脸检测模块；人脸检测模块，其用于判断图像中是否存在人脸区域，如果否，则返回图像采集模块重新采集图像；如果是，则将图像发送给中央控制器；中央控制器，其与服务器、图书馆闸口、图书馆报警器连接，中央控制器将图像发送给服务器，通过人脸识别算法进行人脸识别，并与服务器中的人脸数据库进行匹配，如果匹配成功，则图书馆闸口在中央控制器的控制下自动打开；如果匹配失败，则图书馆报警器在中央控制器的控制下发出语音报警，且图书馆闸口不会自动打开；所述人脸数据库，其用于存储已登记过的人脸图像；所述人脸识别算法具体为：假设输入的人脸图像大小为M*N；(1)计算裁剪尺度indices＝[0M-N]+1；(2)根据indices值，通过循环分别取[1，1]，[1，M-N+1]，[M-N+1，1]，[M-N+1，M-N+1]为图像剪切的起...

【专利技术属性】
技术研发人员：陈玲，陈建新，
申请(专利权)人：江苏食品药品职业技术学院，
类型：发明
国别省市：江苏,32