基于人脸识别的人员管理方法及系统技术方案

基于人脸识别的人员管理方法及系统，步骤1：对待识别用户的人脸图像进行采集；步骤2：将采集到的人脸图像统一尺寸后进行图像去噪处理、图像增强、彩色图像转变成灰度图、灰度图转化成二值图、边缘检测分割，并通过Adaboost算法获取图像中的人脸特征信息；步骤3：将步骤2中获取的人脸特征信息数据进行保存并与录入人员信息进行关联，保存于人脸数据库中；步骤4：对经过的用户进行人脸信息采集，每秒采集一帧人脸图像；步骤5：将步骤4采集到的动态图像经过图像预处理后与数据库中录入的人脸特征信息进行匹配；步骤6：将步骤5中匹配成功的最新动态人脸特征信息更新到人脸数据库，本发明专利技术保证了系统的实时性和准确性。保证了系统的实时性和准确性。保证了系统的实时性和准确性。

【技术实现步骤摘要】
基于人脸识别的人员管理方法及系统


[0001]本专利技术涉及监控设备
，特别涉及基于人脸识别的人员管理方法及系统。

技术介绍

[0002]在信息化快速发展的大背景下，人工智能和信息技术已成为提高社会各行各业管理效能的新途径。在人口密集、活动频繁、社会关注的学校，尤其需要精细化管理，目前较多的管理仍采用“人盯人”的传统管理模式，这种传统的管理方式存在管理手段单一、人员工作量大、人为矛盾较多等问题，管理者的压力日趋加大进而衍生安全隐患增多、管理负担加大等问题，直接影响了校园公共安全。目前某些校区虽应用了一卡通门禁系统，可存在部分人员不刷卡或冒名顶替代刷卡的现象，导致数据不精准、分析不精确、宿舍管理人员与进出人员经常有矛盾冲突。因此，促使寻找更加智能化的手段去快速，准确的对进出人员进行管理。

技术实现思路

[0003]为了克服上述现有技术的不足，本专利技术的目的在于提供基于人脸识别的人员管理方法及系统，能够采用图像处理的方式，实现对进出人员的准确识别，采用海思HI3516DV300处理器等硬件模块快速的实现人脸识别并通过动态学习模块对人脸图像进行动态学习，从而保证了系统的实时性和准确性。
[0004]为了实现上述目的，本专利技术采用的技术方案是：
[0005]基于人脸识别的人员管理方法，包括以下步骤；
[0006]步骤1：对待识别用户的人脸图像进行采集，采集的为正面人脸且亮度适中(能够清晰采集到人脸的亮度即可)可识别的人脸图像；
[0007]步骤2：将采集到的人脸图像统一尺寸后进行图像去噪处理、图像增强、彩色图像转变成灰度图、灰度图转化成二值图、边缘检测分割，并通过Adaboost算法获取图像中的人脸特征信息；
[0008]步骤3：将步骤2中获取的人脸特征信息数据进行保存并与录入人员信息进行关联，关联后的信息作为录入人员的人脸特征数据样本保存于人脸数据库中；
[0009]步骤4：对经过的用户进行人脸信息采集，根据用户驻留时间
[0010](可根据需求进行后台设置)对人脸图像进行多张采集，每秒采集一帧人脸图像；
[0011]步骤5：将步骤4采集到的动态图像经过图像预处理后与数据库中录入的人脸特征信息进行匹配；若与数据库中的人脸特征信息匹配成功，则系统通过语音和界面提示为本系统人员，若与数据库中的人脸特征信息比对失败，则系统通过语音和界面提示为陌生人；
[0012]步骤6：将步骤5中匹配成功的最新动态人脸特征信息更新到人脸数据库，新的人脸特征信息将会覆盖旧的人脸特征信息；
[0013]再次出现人脸特征信息时重复步骤4到步骤6。
[0014]所述步骤2算法具体为，
[0015]1.假设训练样本为(x
i
,y
i
)，i＝0,1,...,n，y
i
取值为0(负样本)、1(正样本)；
[0016]2.初始化权重其中m表示负样本的个数，l表示正样本的个数；
[0017]3.For t＝1,2,...,T；
[0018]1)归一化权值：
[0019]2)对于每个特征，训练一个分类器(h
j
)，每个分类器只使用一种Haar特征进行训练，分类误差为ε
j
＝∑
i
ω
i
|h
j
(x
i
)-y
i
|，h
j
为特征分类器，x
i
为训练图像样本；
[0020]3)选择最低误差的分类器h
t
；
[0021]4)更新训练样本的权值误e
i
＝1，
[0022]4.最后的强分类器为：
[0023][0024]其中，
[0025]所述步骤3中特征提取过程如下：
[0026](1)对样本生成特征向量矩阵；
[0027](2)先计算每一列特征的平均值，然后每一维度都需要减去该列的特征平均值；
[0028](3)计算特征的协方差矩阵；
[0029](4)针对协方差矩阵进行特征值和特征向量的计算；
[0030](5)对计算得到的特征值进行从大到小的排序；
[0031](6)取出前K个特征向量和特征值，并进行回退，即得到了降维后的特征矩阵。
[0032]所述步骤5具体为，通过Arcface进行匹配；
[0033](1)利用MTCNN检测出人脸；
[0034](2)利用Arcface输出人脸特征向量；
[0035](3)比较特征向量之间的距离，小于指定阈值则认为是同一张人脸，否则就不是。
[0036]所述步骤6具体为：
[0037](1)将分离出来的人脸进行一些基础编码，得到一系列特征码；
[0038](2)将特征值经过分类、校准、降维、3D建模等相关技术，重新生成人脸信息特征值；
[0039](3)通过哈希等算法检索人脸库中特征信息，与当前做比对，得到最相近的人脸值。
[0040]基于人脸识别的人员管理，包括MCU单片机模块、数码管显示模块和电源转换模块，数码管显示模块和电源转换模块的输出端连接MCU单片机模块，MCU单片机模块输出端连接图像处理模块，所述MCU单片机模块输入端分别连接PM2.5检测模块、温度传感器模块、时钟模块和音频模块；
[0041]所述的电源转换模块分别与MCU单片机模块、数码管显示模块与音频模块连接，用于提供了+5V的外部输入电压供电给MCU单片机模块、数码管显示模块、音频模块；
[0042]所述的图像处理模块与MCU单片机模块连接用于实现对人脸的准确识别与动态学习；
[0043]所述的MCU单片机模块位于硬件电路的中心区域，分别与电源转换模块、图像处理模块、数码管显示模块、PM2.5监测模块、温度传感器模块、时钟模块、音频模块相连；用于接收摄像头所传来的人脸图像数据，并将数据转发给图像处理模块进行处理，并与各个部分的模块进行数据传输；
[0044]所述数码管显示模块将接收到的MCU单片机模块对时钟模块、PM2.5监测模块模块以及温度传感器模块处理后的数据显示；
[0045]所述PM2.5传感模块，采用GP2Yl010AUOF空气质量传感器，采用PNP三极管驱动传感器的LED端，用于感应系统所在地点的空气中的尘埃和粒子，监测空气中PM2.5的含量；
[0046]所述的温度传感器模块采用DHT11数字温度传感器，DHT11数字温度传感器包括一个NTC测温元件，用于感应系统所在地点的周围温度；
[0047]所述时钟模块用来提供时钟信号，实现时间的显示；
[0048]所述音频模块用来提接收音频信号，并语音播报音频信息。
[0049]所述的图像处理模块包括人脸识别模块、图像预处理模块、特征融合模块；
[0050]人脸识别模块：人脸识别模块模块是使用基于Haar特征的a本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人脸识别的人员管理方法，其特征在于，包括以下步骤；步骤1：对待识别用户的人脸图像进行采集，采集的为正面人脸且亮度适中可识别的人脸图像；步骤2：将采集到的人脸图像统一尺寸后进行图像去噪处理、图像增强、彩色图像转变成灰度图、灰度图转化成二值图、边缘检测分割，并通过Adaboost算法获取图像中的人脸特征信息；步骤3：将步骤2中获取的人脸特征信息数据进行保存并与录入人员信息进行关联，关联后的信息作为录入人员的人脸特征数据样本保存于人脸数据库中；步骤4：对经过的用户进行人脸信息采集，根据用户驻留时间对人脸图像进行多张采集，每秒采集一帧人脸图像；步骤5：将步骤4采集到的动态图像经过图像预处理后与数据库中录入的人脸特征信息进行匹配；若与数据库中的人脸特征信息匹配成功，则系统通过语音和界面提示为本系统人员，若与数据库中的人脸特征信息比对失败，则系统通过语音和界面提示为陌生人；步骤6：将步骤5中匹配成功的最新动态人脸特征信息更新到人脸数据库，新的人脸特征信息将会覆盖旧的人脸特征信息；再次出现人脸特征信息时重复步骤4到步骤6。2.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤2算法具体为，1.假设训练样本为(x
i
,y
i
)，i＝0,1,...,n，y
i
取值为0(负样本)、1(正样本)；2.初始化权重其中m表示负样本的个数，l表示正样本的个数；3.For t＝1,2,...,T；1)归一化权值：2)对于每个特征，训练一个分类器(h
j
)，每个分类器只使用一种Haar特征进行训练，分类误差为ε
j
＝∑
i
ω
i
|h
j
(x
i
)-y
i
|，h
j
为特征分类器，x
i
为训练图像样本；3)选择最低误差的分类器h
t
；4)更新训练样本的权值分类正确e
i
＝0，分类错误e
i
＝1，4.最后的强分类器为：其中，3.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤3中特征提取过程如下：(1)对样本生成特征向量矩阵；
(2)先计算每一列特征的平均值，然后每一维度都需要减去该列的特征平均值；(3)计算特征的协方差矩阵；(4)针对协方差矩阵进行特征值和特征向量的计算；(5)对计算得到的特征值进行从大到小的排序；(6)取出前K个特征向量和特征值，并进行回退，即得到了降维后的特征矩阵。4.根据权利要求1所述的基于人脸识别的人员管理方法，其特征在于，所述步骤5具体为，通过Arcface进行匹...

【专利技术属性】
技术研发人员：马宗方，范朋新，杨琳，宋琳，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：