前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人臉識別智能宿舍管理系統研究開發范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：無線網絡控制系統物聯網技術的不斷進步，智能管理系統已應用在各個領域，本文從人臉識別系統的識別原理，系統構成與運算處理方式介紹了人臉識別系統的構建，并結合宿舍智能化管理平臺融合人臉識別的開發講解了人臉識別的智能化宿舍管理系統設計程序，平臺設計內容等相關信息。

關鍵詞：人臉識別；宿舍管理；智能化管理

引言

目前人臉識別技術已經非常廣泛，刷臉的應用已經體現出此項技術的成熟，而利用這項成熟的技術，稍做調整連接到已知數據庫人員信息就可直接應用到已有的管理系統中。為保證宿舍內的安全，防止陌生人進入，現簡單介紹人臉識別與宿舍管理系統的開發。

1人臉識別

人臉識別是通過電子設備采集的人像，利用面部特征信息進行身份驗證的一種仿生技術。利用照相機、手機、攝像機等電子設備的攝像頭拍攝采集圖像，并從圖像中辨識人臉跟蹤檢測，對檢測到的人臉進行辨認的一系列技術手段，叫作人臉識別通俗叫為刷臉[1]。

1.1幾何特征的人臉識別方法

人臉幾何特征識別是針對臉型與五官眼睛、鼻子、嘴巴等面部器官形狀樣式大小，以及相互之間的距離尺寸，這種判斷方式應用的算法簡單，人臉識別快速，而且占用系統內存等資源較少，但是缺點是可識別率較低，存在識別錯誤的風險。

1.2基于特征臉識別方法

特征刷臉方法是使用人臉在低維空間的線性投影，將這些投影用作識別的特征矢量，這就是特征識別的基本思想。就是將同一張臉用不同的角度進行投影，得出不同的檢測結果，得到一組新的正交基，再進行按相似的方法進行分類。保留其中重要的正交基，由這些基可以張成低維線性空間。通過投影方式得到新變換結果轉換到另一個空間，同一個類別的圖像分類到一起，差距較大的圖像會在維度上離得比較遠，在受到圖像采集時的各種因素的影響，包括采集時的光照、拍攝的視角、選取的背景等不同，會造成同一個目標的圖像都會產生很大的視覺信息上的不同。

1.3神經網絡的識別方法

神經網絡識別是對圖像降低分辨率，將圖像分成二維數組區域，每個區域按照統一的等比抽取方式將人臉圖像進行二階矩采集。這類方法相對于傳統的方式同樣采集面部信息，需要的樣本相對減少，同時辨別的數據減少但檢測的可靠性并沒有過多的影響，現在應用中是一種十分高效的方式。人臉識別的有方法很多，除以上介紹的一些經典方式外，還有彈性圖匹配的人臉識別方法，線段距離的人臉識別方法，以及支持向量機的人臉識別方法，當前的控制系統中多采用多方法的融合的方式進行辨別計算，以提高識別率。

2面部識別系統

人臉識別系統主要包括四個過程組成：攝像頭采集人臉圖像，在采集的圖像中進行視頻圖像幀提取，對提取的圖像首先給予處理再進行定位檢測，定位后的人臉圖像經過歸一化的特征處理就可以與數據庫內進行比對，輸出對比結果。舉例說明通過在OpenCV中處理視頻，CvCapture結構包含從攝像機或視頻文件中讀取幀所需的信息。

2.1人臉圖像采集及檢測

攝像頭根據外側移動物體在通過特征識別的方式對人臉進行識別并采集靜態與動態圖像，根據位置角度的不同抓取采集多張畫面，從中選出位置最佳的人臉圖像，當攝像頭內出現圖像變化時，采集設備就會根據人臉特征搜索圖像中的人臉位置截取轉換為電子照片。人臉識別的預處理過程主要是對人臉檢查，在采集到的圖像中辨別人臉位置輪廓并標記截取。人臉圖像特征豐富，利用這些特征實現人臉檢測，并把這其中有用的數據信息記錄。通常采集圖像中的顏色、模板樣式、結構比例及Haar轉換為直方圖以表象特征，基本上是把一些數據進行分類，分成直方圖類比的方式初步判斷。

2.2人臉圖像預處理

采集的人臉圖像首先進行預處理，減少不必要的干擾信源，降低運算對比量，提高識別效率。對于人臉的圖像預處理基本是在圖像中將人臉識別出來的一個檢測過程，去除周圍背景，剪輯出面部結構圖像，主要根據顏色，灰度，對比度以及結構特征，去除原始圖像由于受到各種條件的干擾信息，獲取理想圖像，并進行對面部的校正，濾波與銳化處理，得到獨立完整的面部信息。

2.3人臉圖像特征提取

人臉特征提取就是針對人臉的面部結構特有的一些特征進行提取，主要分為圖像外觀視覺特征、圖像像素色彩、灰度統計、圖像變換系數、圖像維度的代數等。[2]面部特征提取也就是人臉表面外觀特征的提取，它是對人臉特征采用數學算法建立模型的過程。面部特征提取的分為表征方提取法和代數特征統計法。特征提取方法主要是依照面部器官的分部描述出個部位的距離以及器官對于面部的大小比例。人臉由眼、耳、鼻、口的五官與臉蛋下巴等構成，對這些是依靠幾何描述建立的局部特征和結構關系模型，可作為重要因素對特征識別，屬于幾何模型特征模板匹配法。

2.4人臉圖像匹配

人臉圖像匹配是通過對采集的人臉信息與預設人臉信息進行對比，比較各數據差異在設定閾值內，也就是采集信息與對比信息差異度未超出設定范圍，則判定匹配結果正確，對比數據為人臉信息預處理后建立的特征模型數據。但根據人臉的相似性與易變性這個閾值的設定非常關鍵，過大會造成識別錯誤，太小又會無法識別。因此在設計識別系統時，每個硬件精度與軟件算法都非常關鍵。人臉相似性：人臉在性質上看不同個體之間的區別并不是不很大，且所有的人的臉部結構都是一樣的，只是相互之間的細微尺寸、比例、結構有所不同，甚至人臉上的各個器官的外形都非常的相似，面部結構也都相同。結合這一特點對于鎖定人體面部器官，利用人臉結構進行鎖定非常準確，但是對于不同人臉識別是有難度的。人臉易變性：人臉的外形通過不同表情表現出很不穩定，通過臉部不同部位的肌肉的變化產生器官結構位置的變化的多種表情，包括在不同角度觀察出現的投影都是不一樣的；另外，人臉在識別過程中還受外界環境因素影響很大，光線明暗度以及頭發眉毛胡須也是不相同的，也會受到年齡等多方面因素的影響。因此在人臉識別過程中，需要考慮的因素很多，要建立各種算法在人臉識別中，以消除面部的相似性與多變性。

3智能宿舍管理系統

針對宿舍人員密集，進出頻繁的現象，利用人臉識別系統進行管理是最為安全高效的，主要將原有宿舍的管理進行系統功能要求的描述，并設計系統結構，建立數據庫存儲系統，對數據庫與系統功能建立連接并生產項目管理器（數據庫和表的建立，表單與代碼設計，報表的設計，菜單的設計，程序設計）建立一個完整的管理系統與面部識別系統完全融合，達到無人智能化管理的效果。開發環境采用VisualC++，OpenCV與SQLserver軟件進行設計開發。

3.1宿舍人臉簽到管理

通過人臉識別系統，達到進出人員在宿舍考勤簽到時間登記系統，自動識別記錄人員進出數量，統計人員回歸考勤信息，生成宿舍管理報表。無需手動簽字或排隊刷卡和設備操作，既節約了操作等待的時間又避免了打卡設備的安裝維護工作，也防止代打卡進入的行為造成管理混亂的情況發生。同時在后臺管理系統中可以直接進行搜索報表查詢，每日進出時間，目前宿舍內人員數量等基礎統計信息。

3.2個人信息登記系統

通過前端的人臉識別，信息抓取系統的完成，對后臺信息也要建立強大的運算對比能力，并建立完整而完善的數據庫信息項目，避免遺漏任何一個有用的信息，且不宜過于繁雜造成系統運算工作繁重，產生緩慢滯后現象，造成系統崩潰。一個完善的數據庫需要建立在信息需求的基礎上，且分塊存儲，利用程序進行各數據的連接達到區塊化管理，系統化連接的結構模型。也會方便于日后的維護與項目升級工作。對于數據庫因分區塊建立列表的方式，將每種類型的數據建立一個表格，此項目采用SQLServer軟件管理全部數據信息。采集信息與數據對比代碼如下：

3.3系統結構構建

建立人臉識別系統網絡系統結構，如圖1所示，后臺數據庫的管理存儲，前端與后臺管理系統軟件完成后，就需要建立一個程序對兩個信息的數據信息進行管理[3]。并且防止數據信息泄漏，建立結構采用分區域網關機方式進行設計，同時對于智能化管理信息提醒功能，也是通過數據庫內記錄優化后的信息實時更新刷新，保證提醒信息的準確性，防止造成信息錯亂而產生誤操作。達到靈活設置提醒策略，實現作息時間異常提醒，公寓訪客人員信息保存，納入全校動態布控系統。

4結語

智能化管理宿舍系統結合人臉識別系統，可以方便管理宿舍入住人員，對于宿舍入住、調整信息可以集中辦理，采集信息后各宿舍可通過人臉識別門禁功能達到無人值守宿舍，達到進出時間記錄，并根據人員預約的提醒信息，對進入人員進行預約提醒，防止忘記誤事，進一步可以保證宿舍內的安全。

參考文獻：

[1]甘澎,鮑蓉.高校宿舍管理中人臉識別系統的應用研究[J].數字化應用,2019,25(44):155-156.

[2]孫殿波,曾慶虎.信息化人臉識別技術在高校管理中的應用研究[J].赤峰學院學報（自然科學版）,2018(8):75-76.

[3]王萍.人像識別技術在高校管理中的應用研究——以三門峽職業技術學院為例[J].信息與電腦.2019(19):106-108.

[4]宿靜宜,劉久付,楊明海.采用人臉身份識別的智慧門禁系統[J].軟件導刊,2019(4):32-35.

作者：羅莎 單位：北海職業學院