[发明专利]基于人脸鉴别技术的门禁和考勤装置

摘要

一种基于人脸鉴别技术的门禁和考勤装置，包括用于读取人脸图像的摄像头、用于采集传送视频信息的嵌入式系统、用于输入身份信息的输入设备和用于进行图像鉴别和员工考勤管理的计算机，所述的摄像头连接嵌入式系统，所述的嵌入式系统连接输入设备，所述的嵌入式系统与计算机数据连接，门禁和考勤装置还包括用于确认人脸正面位置的镜面，摄像头位于镜面的上方，所述摄像头的最佳视觉范围与镜面相匹配；所述的计算机包括图像获取模块、人脸图像库、人脸检测定位模块、图像预处理模块、人脸训练模块以及人脸识别模块。本发明提供一种鉴别成功率高、易于实现、鉴别判断速度快、安装方便和实施成本低的基于人脸鉴别技术的门禁和考勤装置。

主权项

1、一种基于人脸鉴别技术的门禁和考勤装置，包括用于读取人脸图像的摄像头、用于采集传送视频信息的嵌入式系统、用于输入身份信息的输入设备和用于进行图像鉴别和员工考勤管理的计算机，所述的摄像头连接嵌入式系统，所述的嵌入式系统连接输入设备，所述的嵌入式系统与计算机数据连接，所述的计算机包括：图像获取模块，用于获取嵌入式系统采集的视频图像；人脸图像库，用于存储样本的人脸图像；其特征在于：所述的门禁和考勤装置还包括用于确认人脸正面位置的镜面，所述的摄像头位于镜面的上方，所述摄像头的最佳视觉范围与镜面相匹配；所述的计算机还包括：人脸检测定位模块，用于确定人脸的确切位置，将人脸从背景中分离出来，输出为分割好的人脸局部图像；将RGB色彩格式转化成YCbCr色彩格式，然后经过非线性分段色彩变换得到YCb′Cr′色彩空间；RGB坐标空间到YCbCr坐标空间以及YCbCr坐标空间到YCb′Cr′坐标空间的变换公式如下：Y＝0.29990*R+0.5870*G+0.1140*BCr(Y)＝0.5000*R-0.4187*G-0.0813*B+128Cb(Y)＝-0.1787*R-0.3313*G+0.5000*B+128 (11)$C_i^{\prime }\left(Y\right)=\{\begin{array}{ccc}{C}_i\left(Y\right)& \mathrm{if}& Y\in [K_1,K_h]\\ (C_i\left(Y\right)-{\bar{C}}_i\left(Y\right))\frac{W_{C_i}}{W_{C_i}\left(Y\right)}+{\bar{C}}_i\left(Y\right)& \mathrm{if}& Y<K_1\mathrm{orY}>K_h\end{array}---\left(12\right)$ 其中i代表b或者r，和表示肤色区域的中轴线，用下列公式来计算：${\bar{C}}_b\left(Y\right)=\{\begin{array}{ccc}108+\frac{(K_l-Y)(118-108)}{K_l-Y_{\min }}& \mathrm{if}& Y<K_l\\ 108+\frac{(Y-K_h)(118-108)}{Y_{\max }-K_h}& \mathrm{if}& Y>k_h\end{array}$ $\stackrel{-}{C_r}\left(Y\right)=\{\begin{array}{ccc}154-\frac{(K_l-Y)(154-144)}{K_l-Y_{\min }}& \mathrm{if}& Y<K_l\\ 154+\frac{(Y-K_h)(154-132)}{Y_{\max }-K_h}& \mathrm{if}& Y>K_h\end{array}$ Kl和Kh是非线形分段色彩变换的分段域值；Ymin和Ymax是由根据某地区的人脸实验数据得到的肤色聚类区域中Y分量的最小和最大值；WCb(Y)和WCr(Y)表示肤色区域的宽度：$W_{C_i}\left(Y\right)=\{\begin{array}{ccc}{\mathrm{WL}}_{C_l}+\frac{(Y-Y_{\min })(W_{C_i}-{\mathrm{WL}}_{C_i})}{K_l-Y_{\min }}& \mathrm{if}& Y<K_l\\ {\mathrm{WH}}_{C_i}+\frac{(Y_{\max }-Y)(W_{C_i}-{\mathrm{WH}}_{C_i})}{Y_{\max }-K_h}& \mathrm{if}& Y>K_h\end{array}$ WCi、WLCi、WHCi是常数，分别为：$W_{C_b}=46.97,$ ${\mathrm{WL}}_{C_b}=23,$ ${\mathrm{WH}}_{C_b}=14,$ $W_{C_r}=38.76,$ ${\mathrm{WL}}_{C_r}=20,$ ${\mathrm{WH}}_{C_r}=10;$ 图像预处理模块，用于对抽取的人脸图像进行几何归一化、消除噪声和灰度归一化处理，统一人脸大小和亮度；人脸训练模块，用于将图像数据库中的人脸图像通过PCA方法投影到子空间，使图像空间转化为最佳的描述特征空间，Fisher脸算法的投影矩阵为：${W_{\mathrm{opt}}}^T=W_{\mathrm{fld}}^T{W}_{\mathrm{pca}}^T---\left(1\right)$ 式中：Wpca＝arg max|WTSTW|$W_{\mathrm{fld}}=\arg \max \left|\frac{W^T{W}_{\mathrm{pca}}^T{S}_B{W}_{\mathrm{pca}}W}{W^T{W}_{\mathrm{pca}}^T{S}_W{W}_{\mathrm{pca}}W}\right|$ 列向量是正交向量，称为Fisher脸，训练集中所有人脸图像投影到Wopt的列向量上得到每幅人脸图像的一组特征；再采用Fisher线性判别分析将MEF空间转化为最佳鉴别特征空间，同类样本尽量密集，不同的类样本尽量分开，并得到鉴别时所用的人脸参数；人脸鉴别模块，用于将提取的人脸参数与当前的人员的图像训练的人脸参数做比较，可信度超过指定阈值M，则比对成功，身份得到确认。