基于CNN的人脸识别门禁系统设计

陈 奎,邢雪妍，田欣沅,王吉豪,王 顺

(1.徐州工程学院 信电工程学院，江苏 徐州 221018;2.江苏省智慧工业控制技术重点建设实验室，江苏 徐州 221111；3.长春财经学院 信息工程学院，吉林 长春 130122)

目前声纹、指纹、人脸等生物识别技术迅猛发展，广泛应用于网购、银行、公安、电子护照等.基于人脸识别的门禁系统在很多中高端智能楼宇和智能库房中的应用越来越多.人脸识别方便灵活、卫生健康、适用性强，只要配合完善的人员管理和门锁控制，就可实现安全的刷脸进门.卷积神经网络(convolutional neural networks,CNN)是近年发展起来，并引起广泛重视的一种高效的图像识别方法.参照CNN深层神经网络框架[1-3]，文中利用Matlab设计与实现了一种10层CNN人脸识别模型并通过脚本节点导入到基于LabVIEW的门禁的控制与管理系统.实验实测表明：人脸识别模型的准确率适用，模型的泛化效果良好，LabVIEW门禁系统工作可靠，远程控制正常.

1 系统功能与组成

图1 门禁系统组成

面向智能楼宇和智慧仓储的实际需求，文中所提人脸识别门禁系统具有嵌入式图像采集、图像远程传输、图像预处理、CNN人脸识别、门禁管理数据库以及门禁权限管理等功能[4].CNN人脸识别模型由Matlab通过离线训练、交叉验证生成，其余功能由LabVIEW VI实现.

门禁系统组成如图1所示，主要包括三个部分，即基于STM32与OV2640的嵌入式图像采集与门锁控制装置，基于RS232与TCP协议的图像与数据传输控制，基于LabVIEW VI和ACCESS数据库的门禁信号操作与管理系统.

锁具采用磁力锁，通过继电器控制开关……