人脸识别智能宿舍管理系统研究开发

前言：想要写出一篇引人入胜的文章？我们特意为您整理了人脸识别智能宿舍管理系统研究开发范文，希望能给你带来灵感和参考，敬请阅读。

摘要：无线网络控制系统物联网技术的不断进步，智能管理系统已应用在各个领域，本文从人脸识别系统的识别原理，系统构成与运算处理方式介绍了人脸识别系统的构建，并结合宿舍智能化管理平台融合人脸识别的开发讲解了人脸识别的智能化宿舍管理系统设计程序，平台设计内容等相关信息。

关键词：人脸识别；宿舍管理；智能化管理

引言

目前人脸识别技术已经非常广泛，刷脸的应用已经体现出此项技术的成熟，而利用这项成熟的技术，稍做调整连接到已知数据库人员信息就可直接应用到已有的管理系统中。为保证宿舍内的安全，防止陌生人进入，现简单介绍人脸识别与宿舍管理系统的开发。

1人脸识别

人脸识别是通过电子设备采集的人像，利用面部特征信息进行身份验证的一种仿生技术。利用照相机、手机、摄像机等电子设备的摄像头拍摄采集图像，并从图像中辨识人脸跟踪检测，对检测到的人脸进行辨认的一系列技术手段，叫作人脸识别通俗叫为刷脸[1]。

1.1几何特征的人脸识别方法

人脸几何特征识别是针对脸型与五官眼睛、鼻子、嘴巴等面部器官形状样式大小，以及相互之间的距离尺寸，这种判断方式应用的算法简单，人脸识别快速，而且占用系统内存等资源较少，但是缺点是可识别率较低，存在识别错误的风险。

1.2基于特征脸识别方法

特征刷脸方法是使用人脸在低维空间的线性投影，将这些投影用作识别的特征矢量，这就是特征识别的基本思想。就是将同一张脸用不同的角度进行投影，得出不同的检测结果，得到一组新的正交基，再进行按相似的方法进行分类。保留其中重要的正交基，由这些基可以张成低维线性空间。通过投影方式得到新变换结果转换到另一个空间，同一个类别的图像分类到一起，差距较大的图像会在维度上离得比较远，在受到图像采集时的各种因素的影响，包括采集时的光照、拍摄的视角、选取的背景等不同，会造成同一个目标的图像都会产生很大的视觉信息上的不同。

1.3神经网络的识别方法

神经网络识别是对图像降低分辨率，将图像分成二维数组区域，每个区域按照统一的等比抽取方式将人脸图像进行二阶矩采集。这类方法相对于传统的方式同样采集面部信息，需要的样本相对减少，同时辨别的数据减少但检测的可靠性并没有过多的影响，现在应用中是一种十分高效的方式。人脸识别的有方法很多，除以上介绍的一些经典方式外，还有弹性图匹配的人脸识别方法，线段距离的人脸识别方法，以及支持向量机的人脸识别方法，当前的控制系统中多采用多方法的融合的方式进行辨别计算，以提高识别率。

2面部识别系统

人脸识别系统主要包括四个过程组成：摄像头采集人脸图像，在采集的图像中进行视频图像帧提取，对提取的图像首先给予处理再进行定位检测，定位后的人脸图像经过归一化的特征处理就可以与数据库内进行比对，输出对比结果。举例说明通过在OpenCV中处理视频，CvCapture结构包含从摄像机或视频文件中读取帧所需的信息。

2.1人脸图像采集及检测

摄像头根据外侧移动物体在通过特征识别的方式对人脸进行识别并采集静态与动态图像，根据位置角度的不同抓取采集多张画面，从中选出位置最佳的人脸图像，当摄像头内出现图像变化时，采集设备就会根据人脸特征搜索图像中的人脸位置截取转换为电子照片。人脸识别的预处理过程主要是对人脸检查，在采集到的图像中辨别人脸位置轮廓并标记截取。人脸图像特征丰富，利用这些特征实现人脸检测，并把这其中有用的数据信息记录。通常采集图像中的颜色、模板样式、结构比例及Haar转换为直方图以表象特征，基本上是把一些数据进行分类，分成直方图类比的方式初步判断。

2.2人脸图像预处理

采集的人脸图像首先进行预处理，减少不必要的干扰信源，降低运算对比量，提高识别效率。对于人脸的图像预处理基本是在图像中将人脸识别出来的一个检测过程，去除周围背景，剪辑出面部结构图像，主要根据颜色，灰度，对比度以及结构特征，去除原始图像由于受到各种条件的干扰信息，获取理想图像，并进行对面部的校正，滤波与锐化处理，得到独立完整的面部信息。

2.3人脸图像特征提取

人脸特征提取就是针对人脸的面部结构特有的一些特征进行提取，主要分为图像外观视觉特征、图像像素色彩、灰度统计、图像变换系数、图像维度的代数等。[2]面部特征提取也就是人脸表面外观特征的提取，它是对人脸特征采用数学算法建立模型的过程。面部特征提取的分为表征方提取法和代数特征统计法。特征提取方法主要是依照面部器官的分部描述出个部位的距离以及器官对于面部的大小比例。人脸由眼、耳、鼻、口的五官与脸蛋下巴等构成，对这些是依靠几何描述建立的局部特征和结构关系模型，可作为重要因素对特征识别，属于几何模型特征模板匹配法。

2.4人脸图像匹配

人脸图像匹配是通过对采集的人脸信息与预设人脸信息进行对比，比较各数据差异在设定阈值内，也就是采集信息与对比信息差异度未超出设定范围，则判定匹配结果正确，对比数据为人脸信息预处理后建立的特征模型数据。但根据人脸的相似性与易变性这个阈值的设定非常关键，过大会造成识别错误，太小又会无法识别。因此在设计识别系统时，每个硬件精度与软件算法都非常关键。人脸相似性：人脸在性质上看不同个体之间的区别并不是不很大，且所有的人的脸部结构都是一样的，只是相互之间的细微尺寸、比例、结构有所不同，甚至人脸上的各个器官的外形都非常的相似，面部结构也都相同。结合这一特点对于锁定人体面部器官，利用人脸结构进行锁定非常准确，但是对于不同人脸识别是有难度的。人脸易变性：人脸的外形通过不同表情表现出很不稳定，通过脸部不同部位的肌肉的变化产生器官结构位置的变化的多种表情，包括在不同角度观察出现的投影都是不一样的；另外，人脸在识别过程中还受外界环境因素影响很大，光线明暗度以及头发眉毛胡须也是不相同的，也会受到年龄等多方面因素的影响。因此在人脸识别过程中，需要考虑的因素很多，要建立各种算法在人脸识别中，以消除面部的相似性与多变性。

3智能宿舍管理系统

针对宿舍人员密集，进出频繁的现象，利用人脸识别系统进行管理是最为安全高效的，主要将原有宿舍的管理进行系统功能要求的描述，并设计系统结构，建立数据库存储系统，对数据库与系统功能建立连接并生产项目管理器（数据库和表的建立，表单与代码设计，报表的设计，菜单的设计，程序设计）建立一个完整的管理系统与面部识别系统完全融合，达到无人智能化管理的效果。开发环境采用VisualC++，OpenCV与SQLserver软件进行设计开发。

3.1宿舍人脸签到管理

通过人脸识别系统，达到进出人员在宿舍考勤签到时间登记系统，自动识别记录人员进出数量，统计人员回归考勤信息，生成宿舍管理报表。无需手动签字或排队刷卡和设备操作，既节约了操作等待的时间又避免了打卡设备的安装维护工作，也防止代打卡进入的行为造成管理混乱的情况发生。同时在后台管理系统中可以直接进行搜索报表查询，每日进出时间，目前宿舍内人员数量等基础统计信息。

3.2个人信息登记系统

通过前端的人脸识别，信息抓取系统的完成，对后台信息也要建立强大的运算对比能力，并建立完整而完善的数据库信息项目，避免遗漏任何一个有用的信息，且不宜过于繁杂造成系统运算工作繁重，产生缓慢滞后现象，造成系统崩溃。一个完善的数据库需要建立在信息需求的基础上，且分块存储，利用程序进行各数据的连接达到区块化管理，系统化连接的结构模型。也会方便于日后的维护与项目升级工作。对于数据库因分区块建立列表的方式，将每种类型的数据建立一个表格，此项目采用SQLServer软件管理全部数据信息。采集信息与数据对比代码如下：

3.3系统结构构建

建立人脸识别系统网络系统结构，如图1所示，后台数据库的管理存储，前端与后台管理系统软件完成后，就需要建立一个程序对两个信息的数据信息进行管理[3]。并且防止数据信息泄漏，建立结构采用分区域网关机方式进行设计，同时对于智能化管理信息提醒功能，也是通过数据库内记录优化后的信息实时更新刷新，保证提醒信息的准确性，防止造成信息错乱而产生误操作。达到灵活设置提醒策略，实现作息时间异常提醒，公寓访客人员信息保存，纳入全校动态布控系统。

4结语

智能化管理宿舍系统结合人脸识别系统，可以方便管理宿舍入住人员，对于宿舍入住、调整信息可以集中办理，采集信息后各宿舍可通过人脸识别门禁功能达到无人值守宿舍，达到进出时间记录，并根据人员预约的提醒信息，对进入人员进行预约提醒，防止忘记误事，进一步可以保证宿舍内的安全。

参考文献：

[1]甘澎,鲍蓉.高校宿舍管理中人脸识别系统的应用研究[J].数字化应用,2019,25(44):155-156.

[2]孙殿波,曾庆虎.信息化人脸识别技术在高校管理中的应用研究[J].赤峰学院学报（自然科学版）,2018(8):75-76.

[3]王萍.人像识别技术在高校管理中的应用研究——以三门峡职业技术学院为例[J].信息与电脑.2019(19):106-108.

[4]宿静宜,刘久付,杨明海.采用人脸身份识别的智慧门禁系统[J].软件导刊,2019(4):32-35.

作者：罗莎 单位：北海职业学院