赵 伟
(燕山大学里仁学院 河北·秦皇岛 066000)
借助人脸识别技术成熟的大背景,该技术已经在多个领域得到各类的推广和应用,例如人脸识别门禁、道路监控、公司考勤等;该技术的优点识别速度快、非接触、非强制,真正实现无感识别。本文设计一套基于脸识别的商业系统,在商业领域将有很大的应用。
局部二值模式主要作用于特征提取,通过将各个像素同周围像素进行比较,并将结果保存为二进制数。
(1)将检测窗口划分为N*N的小区域,如图1所示;
(2)以该检测窗口中间像素值为阈值,将与其相邻的8个像素的灰度值进行比较,若值大于阈值则为1,否则为0。如图2所示;
(3)对上述已得到的二进制数转为十进制,得到中心像素的LBP值,该检测窗口的中心像素LBP值为124,并且该值不仅反馈自身一点的情况,还将周边区域像素的纹理信息也反馈出来;
(4)将剩余8个点重复使用上述办法计算出每一个小区域的LBP值,将所有值连接成一,即可得出整个检测窗口的LBP纹理特征向量。
图1:像素灰度值图
图2:阈值处理图
主要用来对数据进行降维操作。
(1)样本集X的组成为M*N矩阵,N个样例、M个特征维度,要将其降维到K个特征维度,其中K小于N,如式2-1所示;
(2)样本集矩阵X的中心化,即求出样本集X中M个维度的特征均值,其中特征均值为u(M),如式2-2所示;
(3)样本值减去当前维度特征的均值,完成中心化的处理,如式2-3所示;
(4)对于样本矩阵的协方差矩阵进行计算;
(5)对样本集矩阵X的协方差矩阵C的特征值和特征向量进行计算;
(6)对特征值向量按对应特征值大小进行排序并按从上到下的顺序排列成矩阵,取前K行组成矩阵P;
(7)对降维后的新样本矩阵进行计算。
该系统分为以下七个模块:
(1)视频图像采集模块:该模块主要用来利用摄像头将监控区域的顾客进行人脸检测并进行图像采集。
(2)人脸识别模块:该模块利用图像采集模块保存的临时顾客人脸信息,进行图像处理,并与会员信息库的人脸信息进行比对和相似度计算,用来区分是否为本店铺会员。
(3)管理员信息管理模块:本模块主要用来负责管理员信息的登录注册。
(4)会员信息管理模块:会员信息的注册、会员信息的查询、修改和删除功能均有该模块完成。
(5)店铺信息管理模块:本模块可以添加店铺的信息,如管理员用户名、店铺名称、所在位置的信息。
(6)摄像头管理模块:本模块由管理员对摄像头信息进行管理。
(7)顾客行为信息管理模块:本模块由系统来对到店顾客的频次信息进行处理。
(1)管理员:管理员ID、用户名、密码;
(2)顾客:顾客ID、姓名、手机号、出生年月、用户类型、性别、会员卡号、会员积分、会员等级、照片;
(3)店铺信息:店铺ID、管理员用户名、管理员密码、店铺位置、店名、联系电话、店长、申请码;
(4)摄像头:摄像头ID、所在店铺;
(5)顾客行为:摄像头ID、顾客ID、记录时间、图片位置;
(6)顾客行为处理:顾客ID、到店次数;
(7)顾客行为分析:摄像头ID、顾客ID、记录时间;
(8)顾客全部行为记录:摄像头ID、顾客ID、记录时间、图片位置。
本文将人脸识别技术与商业应用相结合,进行了系统的分析与设计,通过该系统,可以有效的收据商业用户的信息,通过对数据的进一步分析,也可以获取很多有价值的信息。