引言

　　在智能建筑的门禁和安防报警系统中包括三层防范体系：周边防范、出入口控制;保安监控、电子巡更 ;可视对讲、安防报警、紧急呼叫等。这些共同构成了智能建筑的安全防范管理系统。人脸识别技术目前在智能建筑的出入口控制、视频控制、安防报警方面有着广泛的应用。人脸识别有着方便、友好的特点，防欺骗性和安全性高，是人工智能领域和建筑智能化领域的研究热点之一。

　　本文研究了结合ID技术和人脸识别技术的门禁与报警系统。结合ID技术可以使检索信息直接链接到人脸库中对应的人脸图像类别;人脸图像分块后直接采用奇异值分解方法压缩图像，两者的应用大大提高了门禁安防报警系统的传输和存储效率。人脸识别技术的应用，更加提高了门禁安防报警系统的安全可靠性。

　　本文利用MATLAB仿真软件，在管理操作界面的设计中，应用各种模块操作按钮将人脸图像识别系统的各种处理和算法的实现程序进行链接，用户可以非常方便地对人脸图像仿真识别系统进行操作使用，系统运行结果直观地显示出来。

　　智能门禁安防报警系统结构

　　智能门禁报警系统如图1所示，主要包括以下几个部分。

　　文件模块

　　文件模块操作按钮链接有基于整幅图像的人脸识别和基于子图像的人脸识别方法的选择。

　　子图像所对应人脸的不同特征在识别过程中所起的作用是不相同的，基于面部骨骼特征、眼睛的分布、鼻子的形状等结构特征，往往是鉴别人脸的主要依据。基于整幅人脸图像的向量求取特征空间时，则计算量非常大，当样本空间很大或者人脸图像像素较大时，对识别速度会有很大影响。进行加权特征处理，则使人脸识别问题得到了很好的解决。

　　在进行人脸图像识别方法的对比分析时，通过人脸图像识别系统的文件操作按钮，可选择基于整幅人脸图像的识别方法或者基于子图像的识别方法进行人脸识别。选择基于子图像的识别方法之后，进一步设定子图像的数目、子图像的权值等参数。

　　图像预处理模块

　　读入的训练或者测试人脸图像经过几何尺度与灰度的归一化处理，进行人脸图像矩阵的奇异值分解。本文采用双线性插值方法对图像进行尺度归一化。几何归一后的图像再经灰度均衡化处理，人脸图像的直方图均衡化是实现图像增强一种有效途径。

　　研究发现人脸的不同特征在识别过程中所起的作用是不相同的，基于面部骨骼特征、眼睛的分布、鼻子的形状等结构特征，往往是鉴别人脸的主要依据。

　　人脸特征提取模块

　　在训练或测试时，通过模块中功能设置的选取，设定链接进行人脸子图像的特征提取。

　　人脸图像的特征提取方法实现的流程如下：(1)从人脸数据库选择人脸作为识别训练集;(2)将被选入训练集的人脸图像几何归一;(3)将被选入训练集的人脸图像灰度归一;(4)将预处理过的人脸图像分为N个子块;(5)将每一幅图像变为一个列向量(先分别将每一个子块所有向量排成一列，再将N个子块按顺序排成一列);然后以子块为单位进行;(6)计算全部人脸图像的均值;(7)计算每一类人脸图像的平均脸同时将人脸图像列向量与类内平均脸做差。

　　利用训练学习过程获得的人脸图像数据库中的整幅图像或子图像特征空间的数据，与测试人脸图像之间进行计算获得图像差。