系統(tǒng)采用BP 神經(jīng)網(wǎng)絡(luò)對(duì)人臉識(shí)別的的具體過(guò)程有以下幾步：

1）產(chǎn)生一個(gè)訓(xùn)練集，訓(xùn)練集用于BP 網(wǎng)絡(luò)在模式識(shí)別方面訓(xùn)練網(wǎng)絡(luò)，使網(wǎng)絡(luò)能夠按照學(xué)習(xí)算法調(diào)整結(jié)構(gòu)參數(shù)，以達(dá)到學(xué)習(xí)的目的。如果在實(shí)際應(yīng)用中，人臉的樣本可能只有1,2 個(gè)，這樣就會(huì)導(dǎo)致BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本缺乏，所以在應(yīng)用中應(yīng)有充分人臉對(duì)象的樣本采集。

2）設(shè)計(jì)BP 網(wǎng)絡(luò)并進(jìn)行訓(xùn)練。網(wǎng)絡(luò)的每一個(gè)輸入節(jié)點(diǎn)對(duì)應(yīng)于樣本的一個(gè)特征，而輸出節(jié)點(diǎn)數(shù)等于類別數(shù)。設(shè)計(jì)好網(wǎng)絡(luò)層數(shù)，隱藏層神經(jīng)元數(shù)及所期望的網(wǎng)絡(luò)誤差，學(xué)習(xí)速率后， 用上述主分量分析法得到的特征樣本對(duì)網(wǎng)絡(luò)進(jìn)行反復(fù)訓(xùn)練， 直到對(duì)所有訓(xùn)練樣本，網(wǎng)絡(luò)都能給出滿意的結(jié)果時(shí)，學(xué)習(xí)訓(xùn)練完成（如圖2）。

圖2

3）進(jìn)行識(shí)別。在此階段，當(dāng)一個(gè)未知類別樣本A 作為一個(gè)測(cè)試樣本作用到輸入端時(shí)，經(jīng)過(guò)投影后得到特征矩陣Y,利用訓(xùn)練好的網(wǎng)絡(luò)分類器對(duì)其進(jìn)行分類，考察各輸出節(jié)點(diǎn)的輸出，從而識(shí)別出所屬類別。

2.3 人臉識(shí)別結(jié)果

為驗(yàn)證系統(tǒng)，實(shí)驗(yàn)中采用Yale 人臉數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)由美國(guó)耶魯大學(xué)的實(shí)驗(yàn)室采集，包括15 個(gè)人的每人11 張人臉灰度圖像，共計(jì)165 張。它們是在不同時(shí)間、光照略有變化、不同表情（眼睛張或閉，笑或不笑）以及不同臉部細(xì)節(jié)（有眼鏡或沒眼鏡）下獲取的。

每張圖像的尺寸為128×128 像素， 比較充分地反應(yīng)了同一個(gè)人不同人臉圖像的變化和差異。將圖像庫(kù)中的人臉圖像分為兩組，其中150 張為訓(xùn)練樣本，另外15 張為測(cè)試樣本。實(shí)驗(yàn)中，訓(xùn)練神經(jīng)網(wǎng)絡(luò)所需時(shí)間平均為10秒，人臉的識(shí)別過(guò)程所需的時(shí)間平均為0.5 s,對(duì)于合法用戶的識(shí)別率為89%,非法用戶的識(shí)別率可達(dá)95%.

圖3

3 指紋識(shí)別

指紋識(shí)別傳感器采用富士通公司推出的一款先進(jìn)的固態(tài)指紋傳感器MBF200,它除可自動(dòng)檢測(cè)指紋外，還帶有多種接口模式，為電容性傳感器，其電容性傳感器陣列由二維金屬電極組成，所有金屬電極充當(dāng)一個(gè)電容板，接觸的手指充當(dāng)?shù)? 個(gè)電容板，器件表面的鈍化層作為兩板的絕緣層。當(dāng)手指觸摸傳感器表面時(shí)，指紋的高低不平就會(huì)在傳感器陣列上產(chǎn)生變化的電容，從而引起二維陣列上電壓的變化，并形成指紋傳感圖像。采用標(biāo)準(zhǔn)COMS 技術(shù)的電容性固態(tài)器件，具有500 dpi 的分辨率，傳感器面積為1.28 cm×1.50 cm.具有自動(dòng)指紋檢測(cè)能力，內(nèi)含8 位模數(shù)轉(zhuǎn)換器，可提供3 種總線接口形式。5V 工作電壓下的功耗小于70 mW.指紋采集時(shí)間不超過(guò)0.5s;指紋識(shí)別比對(duì)時(shí)間不超過(guò)0.5s/枚；指紋誤識(shí)率小于0.001%。

指紋識(shí)別算法實(shí)現(xiàn)為：1）提取脊線方向，脊線頻率。2）經(jīng)過(guò)GABOR 濾波，減弱噪聲、改善圖像質(zhì)量，以便于特征提取。3）特征提取。4.與指紋數(shù)據(jù)庫(kù)進(jìn)行特征匹配并得出結(jié)果。大致流程如圖4 所示。

圖4 流程圖

4 實(shí)驗(yàn)

判別流程：門禁控制器通過(guò)攝像頭捕獲到人臉圖像，并把該圖像發(fā)送到服務(wù)端進(jìn)行人臉識(shí)別。通過(guò)指紋采集儀獲取用戶指紋，并通過(guò)封裝在控制器內(nèi)部的指紋模塊進(jìn)行指紋比對(duì)。若人臉識(shí)別通過(guò)，指紋識(shí)別也通過(guò)，則判斷用戶有該門的權(quán)限并開門。若人臉識(shí)別通過(guò)，指紋識(shí)別未通過(guò)，則要求請(qǐng)求者再測(cè)一次。若人臉識(shí)別未通過(guò)，指紋識(shí)別也未通過(guò)，則不開門。其基本流程如圖5 所示。

圖5 基本流程圖

5 結(jié)果

本系統(tǒng)的測(cè)試方法為：在相同光照條件下，對(duì)已注冊(cè)的用戶分別進(jìn)行10 次進(jìn)門操作，對(duì)未注冊(cè)的用戶分別進(jìn)行10 次進(jìn)門操作。系統(tǒng)設(shè)置識(shí)別方式為人臉識(shí)別、指紋識(shí)別串行執(zhí)行。測(cè)試記錄用戶每次進(jìn)門操作識(shí)別成功與否，使用何種識(shí)別方式識(shí)別通過(guò)等信息，統(tǒng)計(jì)測(cè)試系統(tǒng)的性能。從實(shí)驗(yàn)結(jié)果來(lái)看，人臉識(shí)別率達(dá)到93%,而人臉加指紋的識(shí)別率達(dá)到98%,并且沒有出現(xiàn)錯(cuò)誤接受的情況，但由于測(cè)試數(shù)據(jù)量比較小，在實(shí)際運(yùn)行中，可能會(huì)出現(xiàn)錯(cuò)誤接收的情況，從測(cè)試情況來(lái)看，錯(cuò)誤接受率不會(huì)高于0.01%.

6 結(jié)論

傳統(tǒng)PCA 方法在處理人臉圖像時(shí)，要將二維圖像矩陣轉(zhuǎn)換成一維的列向量，使圖像的維數(shù)達(dá)到上萬(wàn)維，計(jì)算工作量大，特征提取速度慢。針對(duì)PCA 算法的不足，也有研究者提出了獨(dú)立分量分析法（ICA,Independent Component Analysis），在這些方面仍有待作進(jìn)一步探索。

而且雖然BP 網(wǎng)絡(luò)得到了廣泛應(yīng)用，但其自身也存在一些缺陷和不足，主要包括網(wǎng)絡(luò)的收斂速度慢，且存在局部最小值問題。可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率以及附加動(dòng)量法加以改進(jìn)和解決[5].將指紋識(shí)別與人臉識(shí)別相結(jié)合，進(jìn)行人臉圖像的一對(duì)一比對(duì)，所以識(shí)別速度更快，合法用戶與非法用戶的識(shí)別率均較高，提高了身份驗(yàn)證的安全性和有效性。人臉和指紋這兩個(gè)生物特征都具有很好的抗干擾性和不怕遺失的特性，而且識(shí)別率也非常，可以很好的解決傳統(tǒng)門禁系統(tǒng)如IC 卡門禁所存在的不足，達(dá)到減少人為因素對(duì)門禁系統(tǒng)的影響的目的。因此，智能門禁系統(tǒng)適用于高度機(jī)密性場(chǎng)所安全保護(hù)和高效率管理的需要，同時(shí)也適用于大規(guī)模用戶進(jìn)行快速、準(zhǔn)確的身份鑒別的需要。