基于智能小区安防系统的人脸识别.pdf

《基于智能小区安防系统的人脸识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、现代建筑电气·消防与安防·基于智能小区安防系统的人脸识别术陈彪，吴成东，郑君刚‘，吕晶’(1．沈阳建筑大学理学院，辽宁沈阳110168；2．沈阳建筑大学信息科学与控制学院，辽宁沈阳110168)摘要：研究了基于智能小区安防报警系统的人脸识别方法的应用。通过仿真试验，将子图像个数、奇异值向量保留个数、聚类因数、因数的选取进行了对比分析。基于聚类算法人脸识别的实际应用要求，试验数据为进一步研究子图像的赋值提供了有效的帮助和参数支持。陈彪(1971一)。男，讲师。研究方向为智关键词：智能小区；安防系统；人脸识别；聚类算法能人脸识别。中图分类号：．r{855文献标志码：A文章编号：I674—8417(

2、20l1)01-00474)5(2)灾害报警系统。网格化安装的红外防0引言盗报警器、强制性安装的燃气泄漏传感报警器、智能小区的安全防范管理系统一般由周界定点安装的烟火感应报警器，对人身、财产的重安防报警子系统、出入口控制系统、电子巡更监大灾害的发生起到及时有效的防范作用。控系统、可视对讲门禁系统、远程无线抄表系统、(3)出人口控制系统。出入口控制系统包灾害报警系统等构成。括智能小区人脸识别门禁系统、楼宇人脸识别门人脸识别技术的应用提高了智能小区安防禁系统和机动车停车场的门禁控制系统。报警系统的安全可靠性。本文研究了RBF神经2智能小区安防系统中的人脸识别网络中基于聚类算法判别人脸图像的方法，达

3、到了应用于智能小区门禁系统和楼宇门禁系统的在智能小区安防系统中，摄像头采集到人脸实际要求。图像后，经转换将获得的图像数据提交到人脸识别服务器上，同时与该小区成员人脸数据库和网1智能小区安防系统络通缉人员人脸数据库中的人脸图像比较，进行智能小区安防系统组成结构如图l所示，主人脸识别。将人脸识别的结果实时显示在监控要由以下几个子系统组成。显示器上，同时，识别信号将进一步控制门禁装(1)生活安全监控系统。智能小区的微机置和安全报警装置的工作状态。型加压水泵的运行状态控制、智能照明控制、电在智能小区安防系统中，实现结合ID技术梯安全运行状态控制等组成强电控制系统；远程和人脸识别技术的门禁控制。结合ID

4、技术可使无线抄表系统可以实时记录水表、电表、燃气表检索信息直接连接到人脸库中对应的人脸图像的流量。类别，人脸图像分块后直接采用奇异值分解法压吴成东(1960一)，男，教授。研究方向为图像处理及应用技术、无线传感器网络、建筑智能化技术等。郑君刚(1973一)，男，讲师，研究方向为智能建筑和无线传惑器技术。吕晶(1980一)。女。工程师。研究方向为材料物理。基金项目：建设部科研基金项目(2007·K03414)；沈阳建筑大学青年基金项目(2010119)·47·缩图像，两者的应用极大提高了门禁安防报警系j式中P——类别k的第i个样本统的传输和存储效率。人脸识别技术的应用，更i——类别的人脸图像样本

5、总数提高了门禁安防报警系统的安全性和可靠性。{(3)计算从均值C到属于类别JI}的最远点3人脸识别算法；P的欧氏距离。3一F络的聚类算法{(4)计算-c~II的距离。RBF系统可．定义为}d)。I’一。12，．I，。；≠()=(1)l(4)在通过RBF神经络实现从特征子空间到}最小距离为类别的映射的过程中，为了简化问题，初始设定dmin(，)=remin(dc(，))输入层的节点数r即为人脸图像子块的数目，输lJ．=1，2，⋯，s；j#k(5)出层的节点数即为数据库中人脸图像的类别i再根据d(后，z)和以，d的关系，对以下几数。隐含层节点的选取是RBF神经网络构造的；种情况进行判断。重点，其最

6、小值设定为样本类别数。l①若满足d+d≤di(尼，1)的条件，则表明隐含层聚类的初始化过程如下：i类别与其他类别l无重叠。(1)在每个类别收敛于一个聚类中心的假i②若满足d+d>d(k，1)的条件，则表明设前提下，将隐含层的节点数初始设定为输出层类别后与其他类别l有重叠，需进一步考虑以下情的节点数，即u=s，再根据RBF神经网络的训练况：当满足Idk一I

7、，=1，2，⋯，u(2)}别并照以下分离原则对每类样本进行判统代建筑电气·ii'il~]J-J~k：防·、I、ol2f~eriaI、0I3l20II①包含规则。若满足d+df>d(k，f)且果产生影响，如对子图像划分的个数、子图像奇ld一dl≥d(k，Z)的条件时，则表明类别k包含异值向量保留的个数、聚类因数、因数的选取等。于类别Z中，类别f应被进一步细分为两个聚类。对不同参数初始化时设定不同的数