试论基于PCA人脸识别的智能防盗报警系统的设计与实现

2022-09-10

对于人脸识别来说, 在诸多研究领域中, 已经得到了充分的体现, 比如模式识别、图像处理以及神经网络等, 人脸识别主要是指在数据库中, 对不同人脸图像验证特征进行深入分析, 与一个特定场景进行深入分析和对比, 进而对场景中单个或多个人的身份进行鉴别。因此, 基于PCA人脸识别, 加强智能防盗报警系统是至关重要的, 可以将防盗报警系统的功能充分彰显出来, 发挥出智能化的优势, 从而借助PCA人脸识别, 防止不必要的安全隐患。

一、总体设计

本系统主要围绕人脸识别来进行, 无须对数字加密等功能进行添加, 在系统功能中, 主要包括:将本系统软件打开, 系统会对一个用户界面进行输出, 界面内容主要包括程序开关按钮、程序相关参数设置等。用户在点击运行以后, 程序会将对应计算机借助USB外置摄像头拍摄到图像, 并实现实时显示, 然后结合设置时间间隔, 对图像进行截取, 并进行识别, 在程序界面的识别结果一栏中, 会实时显示出识别结果。程序借助识别结果, 可以对检测者是否为本人进行判断, 如果非本人, 会显示警报, 而且借助USB连接GSM通信模块, 借助通过GSM网络, 将预设的信息发送到手机终端上, 将实时报警功能充分发挥出来。系统总体说明图如图1所示:

二、系统硬件设计

(一) 硬件总体方案设计

本系统的硬件, 其模块主要包括机模块、摄像模块、通信模块等, 其中, 对于主机模块来说, 需要对系统运行、图像处理等功能进行显示。而对于摄像头来说, 要将图像的收集工作落实到位。通信模块借助串口转USB, 要将实时通信报警功能充分体现出来。

主机模块属于PC主机, 不同用户有着不同的主机型号和配置, 但是本系统程序的通用性比较显著, 基于理论视角, 个人PC机, 都可以对本系统进行安装使用。本系统主要结合人脸识别功能, 以此来实现拓展, 所以更加明确提出了对摄像模块的要求。在摄像头获取人脸图像过程中, 人脸的光线情况、与摄像头的距离等, 都会对人脸识别功能产生极大的影响。

在相关测试对比以后, 本设计的摄像模块, 对谷客高清摄像头进行了应用, 这种产品的优势主要包括光圈大、自动对焦等, 可以与本系统对摄像模块的要求相符合。谷客摄像头的动态分辨率为640×480, 而且其图像采集速度为60帧/秒。镜头对多层镀膜滤镜进行了应用, 可以将所拍摄的图像还原出来, 确保图像的高度清晰。

(二) GSM通信系统的硬件实现

其中, TC35i GSM通信模块与PC主机接口设计, 要想为硬件模块的连接创造有利条件, 要对USB接口进行应用, 以此来连接好TC35i模块和主机模块, 也就是TC35i要作为USB, 从设备和主机进行通信, TC35i模块的通信接口属于标准9针串口, 要想促使USB连接通信的实现, 就要加强串口转USB线的应用, 以此来实现转换。

三、软件总体设计

针对本系统设计的软件设计来说, 图像处理、界面设计以及GSM通信软件设计等, 是重要的构成内容。图像处理程序的诸多函数, 都是直接对opencv的库函数进行调用, 所以整体程序的简洁性比较强。

(一) 预处理模块

1、图像读取和存储

通过调用预定函数初始化视频设备以后, 可以对PC机中视频设备中的视频图像进行调用。借助cvsaveimage这一函数, 可以与保存图像到文件的需求相符合。

2、图像二值化

对于图像二值化来说, 主要是指将已经进行灰度化处理, 及时转换成仅仅涵盖黑白灰度级的二值图像, 将图像的特点充分展现出来, 为图像识别提供一定的便利性。对其处理过程进行分析, 主要是指将图像上像素点的灰度值进行设置, 具体设置为0/255, 也就是将整个图像的黑白效果呈现出来。

(二) 人脸识别模块

在这个模块中, 要对二值化处理后的黑白照片, 进行降维处理, 对算法处理过程中的运算量进行降低, 所以要加强PCA算法的应用。通常来说, 摄像头获取到的图像尺寸比较大, 如果在矩阵运算中进行应用, 可以促进系统的运算量的增加, 这对运行的顺畅性产生了极大的影响, 所以要适度裁剪和缩小处理原图。调用Opencv中的库函数, 面部检测获取到了图像, 对于检测到的人脸图像, 不断提高自动截取水平。

在图像处理以后, 借助算法提取处理后图像的人脸特征值, 并排列转换成矩阵。用于比对的模型, 也就是借助同种训练方法, 结合训练样本, 对多个人脸特征值矩阵进行提取和保存, 为识别时的比对创造有利条件。在识别以后, “结果系数”, 可以表示识别结果, 在训练模型中, 结果系数与检测者的特征值矩阵与检测者的特征值矩阵之间的距离比较近, 如果结果系数比较小, 可以判断两人脸的相似度比较高。反之, 如果结果系数较大, 则可以说明两人脸的相似度非常低。

四、实验、调试及其分析

(一) 实验与调试

在摄像头范围内的不同位置和距离, 让单名或多名检测者进行面部检测, 而且对相应的表情进行转换, 结合识别结果一栏中的结果系数, 可以为系统是否检测出人脸提供一定的依据。具体来说:首先, 借助图像预处理模块, 在摄像头中, 可以对原始图像进行获取, 在对人脸进行检测以后, 进行裁剪, 并二值化处理面部图像。其次, 借助PCA算法, 在二值化后的人脸图像, 对相应的特征值进行获取, 并实现向特征值矩阵的顺利转化。再次, 对比和分析得到的特征值矩阵、经训练的模型的特征值矩阵, 将模型中与测试者特征值矩阵相似度较高的矩阵找出来, 并进行深入对比, 在获取结果系数时, 要结合二者之间的差额。最后, 对结果系数的大小进行分析, 结合参与识别的人, 以此来确定是否为本人。在为本人的情况下, 在界面上, 会将“欢迎”的字样显示出来。

(二) 调试结果与分析

光线严重影响到了结果系数。在PCA算法特点的影响下, 人脸识别参与者的光线环境严重影响着识别的结果系数, 所以在对固定数值的判定方式进行应用时, 如果环境光线变化显著, 极容易导致警报误报的出现。具体的解决方法是:在程序中, 要对“警报阀”进行设置, 可以结合使用现场的光线环境调整, 以便于对是否引起警报的结果系数进行判断。如果检测光线环境的变化比较显著时, 要及时对警报阈值进行调整, 避免误报现象的出现。

五、结束语

要想不断提高人脸识别和实时报警效率, 本系统人脸识别环节, 对PCA算法进行了积极应用, 满足了本系统的基本要求, 可以保证较高的识别率, 避免环境变化影响到识别率, 并且在实时报警通信方面的数据传输方面, 不断提高警报信息的完整性和具体性。

摘要：本文主要以基于PCA人脸识别的智能防盗报警系统为论点, 在系统硬件设计中, 主要包括硬件总体方案设计、GSM通信系统的硬件实现等, 然后结合预处理模块、人脸识别模块等, 对软件总体设计进行了分析, 最后在实验、调试及其分析中, 对实验与调试、调试结果与分析等进行了详细阐述, 在整体上确保智能防盗报警系统的顺利构建, 实现与PCA人脸识别的积极整合, 使之成为统一整体, 从而致力于防盗报警功能的实现。

关键词：PCA,人脸识别,智能防盗报警系统