基于人脸识别技术的楼宇门禁系统的设计与实现开题报告

1. 研究目的与意义

近年来，随着社会的发展，科技的进步和人民生活水平的日益提高，传统的、普通的房屋已无法满足人们的生命和财产的需要，而随着现代智能建筑系统的出现，从根本上改善了普通楼宇系统所存在的问题，因而根据其建筑职能作用的不同，防护级别也因此不同。有对门区的控制、考勤功能、在线巡更、监控联动、消防联动等等。识别方式也有密码识别、电磁卡识别 、生物特征识别技术等等。密码识别虽然操作简单，但是容易忘记，开门速度较慢且容易被泄露；用电磁卡识别时，电磁卡容易被复制，所以安全性较低；而用生物特征打开门禁时，如：指纹识别、虹膜识别等，则不需要使用电磁卡以及相关介质，安全性高不易被伪造窃取，更加方便直接、友好、更容易被人们接收的一种识别方法。

生物识别技术是一种利用人体生物信息来进行身份验证的技术。生物特性是人的一种固有特性。在使用这种方法进行身份验证时，由识别系统将其特征抽取出来，并与数据库中的模板进行比较，判断是否符合，以决定是否识别此人。生物识别技术包括指纹、掌纹、虹膜、声音等。人脸识别技术是一种基于提取人脸面部特征的技术，通常采用摄像头捕捉人脸的图像，并对其进行追踪。

2. 课题关键问题和重难点

1.本次课题需要学习人脸识别系统的理论基础。通过大量阅读人脸识别相关文献，跟踪国外内相关研究，以及对没有学过的知识自己重新看书学习或者去网上查阅相关资料；

2.利用 python 环境实现了一个具有人脸获取、人脸预处理、人脸录入和人脸识别功能模块；

3.进行图像预处理，采用的是opencv，图像处理方面主要运用了灰度图转换模块，目标检测则运用了haar的各类特征检测，如对人眼，耳朵，鼻子以及对手的人体检测。采集到的数据集中的人脸图片都经过尺度归一化、格式转换的预处理过程；

3. 国内外研究现状（文献综述）

随着社会的发展和科技的进步，当今世界对于快捷有效的自动身份认证有着迫切的需求。而生物特征识别技术刚好可以有效地解决身份认证的问题。深度学习通过模拟人脑神经系统来处理消息，能够处理人脸识别中的复杂问题。在海量人脸数据时代，基于深度学习的人脸识别无论在速度还是准确性方面都已经取得了最好的效果，对深度学习的理论研究和人脸识别的实际应用具有重要的意义。基于深度学习的人脸识别方法的流程主要包括了人脸预处理(人脸检测、人脸对齐、标准化、数据增强等)、特征学习、特征比对等步骤，其中人脸识别的关键是特征学习，如何提取强判别性和强鲁棒性的特征是人脸识别的研究重点。

人脸识别是目前较为流行的一种生物特征识别技术，其应用广泛，常被应用于门禁、移动支付等方面。为了弥补其他生物特征识别技术在身份认证方面的缺陷，发展人脸识别技术，文章立足轻量以及实用的思想，开发了一套基于python opencv的人脸识别系统。该系统分为三个部分，分别是人脸录入、人脸训练和人脸识别。

首先，展示了如何通过自动化和人工的结合来组装一个非常大规模的数据集(260万张图像，超过2.6万人)，讨论了数据纯度和时间之间的权衡，其次通过深入网络训练和人脸识别的复杂性，提出了在标准lfw和ytf人脸基准上实现可比较的最先进结果的方法和程序。

4. 研究方案

设计步骤及软件应用描述：对系统整体进行设计时，利用Pycharm 编写并实现一个基于人脸识别技术的楼宇门禁系统。图像处理方面主要运用了灰度图转换模块，目标检测则运用了Haar的各类特征检测。人脸识别模块采用Siamese模型，在已经进行预处理过后的微软MS-Celeb- 1M数据集上训练网络模型，在LFW数据集上测试模型准确率。使用Qt designer 、PyQt5设计和实现用户可视化交互界面，该界面可以在线实时获取人脸、 录入人脸、识别人脸。

课题方案设计步骤：........

5. 工作计划

第1周:撰写任务书，领会课题含义，理解有关内容，阅读老师给的资料，在网上再搜集一些相关的文章，对课程设计进行初步规划，整理资料，确定所用的模块和原理;

第2周:翻译相关英文文献资料;

第3周:对pycharm软件进行学习并深入了解，熟练掌握系统仿真调试，提出拟完成本课题的方案，写出相关开题报告一份;