摘 要

人脸识别是当代生物识技术中的一大热点，具有非接触性等优点。在诸如移动支付，门禁等很多领域有着广泛的应用。全文主要探讨了人脸识别在门禁系统中的基本应用。

人脸定位，人脸特征提取，人脸身份判定是人脸识别的三个主要过程。此次的设计主要用Python编程语言编写，主要用了专用来人脸识别的dlib库，完成了设计要求。在人脸定位算法研究中，本文对比了基于肤色的人脸定位算法和基于HOG算法的人脸定位算法。在人脸识别算法研究中，对比了PCA算法和基于深度残差网络(ResNet)的人脸识别算法的对比。

此系统拥有建立人脸库，通过摄像头提取人脸，然后与人脸库比对，进行识别，最后开门的功能。有着较高的识别率。记录了打卡时间，并将时间记录。

本文研究了各种人脸定位和人脸识别的算法。学习了python，学习了各种pyhton库。

研究结果表明在经过各种算法，可以基本实现人脸识别。HOG算法比肤色检测方法好，深度残差网络算法比PCA算法好。

关键词：人脸定位；人脸识别；Python；dlib

Abstract

Face recognition is a hotspot of contemporary biometrics technology, which has the advantages of non-contact and so on. It is widely used in many fields such as mobile payment and access control. This paper mainly discusses the application of face recognition in access control system.

Face location, face feature extraction and face identification are three main processes of face recognition. The design is mainly written in Python programming language, mainly used in the Dlib library for face recognition, and completed the design requirements. In face localization, the skin-based face localization algorithm and the HOG-based face localization algorithm are compared. In face recognition, the comparison between PCA algorithm and ResNet-based face recognition is made.

This system has the function of building face database, extracting face through camera, comparing with face database, recognizing and finally opening the door. It has a high recognition rate. Record the punching time and record the time.

This paper studies various algorithms of face location and recognition. I learned Python and various pyhton libraries.

The results show that face recognition can be basically realized through various algorithms. HOG algorithm is better than skin color detection method, and deep residual network algorithm is better than PCA algorithm

Keywords Face location ;Face recognition;Python ;dlib

目录

第1章 绪论 1

1.1人脸识别技术介绍 1

第2章 人脸检测算法的研究 5

2.1 基于肤色的人脸检测算法 5

2.1.1 光线补偿 5

2.1.2 图像二值化 6

2.1.3人脸定位 6

2.2基于HOG算法的人脸检测 8

2.2.1 HOG算法简介 8

2.2.2 HOG算法实现 9

2.2.3 HOG的Python实现 9

2.3.总结 10

第3章 人脸识别算法的研究 11

3.1基于PCA算法的人脸识别 11

3.1.1 PCA算法概述 11

3.1.2 PCA算法原理 11

3.1.3实现基于PCA算法的人脸识别 12

3.2基于深度残差网络(ResNet)的人脸识别 13

3.2.1深度残差网络（ResNet)原理 13

3.2.2基于深度残差网络(ResNet)的实现 13

3.3 总结 14

第4章 门禁系统的设计与实现 15

4.1系统需求分析 15

4.2 系统设计 16

第5章 系统测试 21

5.1程序主界面测试 21

5.2人脸录入功能测试 21

5.3签到功能测试 22

5.4日志功能测试 23

5.5总结 23

总结与展望 24

参考文献 25

致谢 26

第1章 绪论

1.1人脸识别技术介绍

面部因人而异，每个人的面部都不一样，面部的生物特征理论上都是有所不同的。虽然在当前的技术条件下，在人的表情，体型，发型，年龄等生物因素发生变化下，个人的身份可以很容易的被面部识别出来。但是建立一个能够完全自动的，在不被人干预下，进行人脸识别的系统是很艰难的。这涉及到很多的学科知识，如模式识别，计算机视觉，生物学，心理学等学科的诸多知识。与其他的基于人体生物特征识别系统（如基因，指纹和虹膜）相比，人脸识别更加友好和便捷方便。更进一步的是，人脸识别系统可能经过对人脸面部表情的分析，可以获得其他生物识别系统很难获得的信息。随着现代科技的发展，由于人脸识别有无可比拟的优势，在现实应用的推动下，得到了广泛的发展，人脸识别技术已经成为了一个热门的课题和研究方向。

1.1.1人脸别的研究背景和意义

人脸识别系统最开始是工程师们在20世界60年代开始试探性的研究，在20世界90年代后人脸识别开始进入初级应用阶段。发展到当代，其技术可靠性已经很高了。人脸识别技术的整个发展历程可以分为如下几个阶段：机械识别阶段，半自动化识别阶段，非接触式识别阶段和互联网应用阶段。