智能人脸识别门锁控制系统设计 (1).pdf

AutomaticControl•自动化控制

智能人脸识别门锁控制系统设计

文/郭向星田斐

本次设计使用Tensorflow搭

摘

建了一个用于人脸识别的卷积神

要经网络模型，在个人电脑上使用

大量照片反复训练该模型，树莓

派作为识别模型的载体，通过装

载在树莓派上的摄像头采集人脸

照片，调用训练好的识别模型来

进行人脸识别，由树莓派控制继

电器，继电器控制门锁的打开和

关闭。同时，添加了记录模块，

并将每次验证的图像上传到服务

器，以便进行后续的查看。实现

了刷脸开门的功能。

【关键词】卷积卷积神经网络Tensorflow

图2：卷积神经网络结构图

python树莓派

本设计采用的人脸识别模型是通过

Tensorflow搭建的卷积神经网络模型来实现

的，所使用的卷积神经网络结构主要包括：输

1引言

入层、卷积层、池化层、全连接层和输出层，

随着大数据、深度学习、云计算、5G等具体结构图如图2所示。

技术的不断完善，人脸识别精度越来越高，识

3.2各层设计

别速度越来越快，从“刷脸进站”、“刷脸签

到”到“刷脸付款”，生活中的方方面面都可（1）输入层为训练或者判断输入的人脸

以看到人脸识别技术的应用。本设计创新地将图像，经过采集模块的照片被裁剪为64×64之

人脸设别技术应用到门锁上，设计了智能人脸后输入到输入层中，该层的输出为64×64大小

识别门锁控制系统。的二维张量。

（2）卷积层就是输入数据和卷积核进行

2智能人脸识别门锁控制系统总体设计

内积运算操作的层。在该层中，输入的张量与

智能人脸识别门锁控制系统总体设计结卷积核进行卷积运算，卷积核提取张量的特征。

构如图1所示。（3）池化层又称为下采样，就是为了减

本设计分为两部分，首先在PC机上训练少卷积层产生的特征图的尺寸而存在的，进而

人脸识别模型，之后将训练好的模型导入到树降低网络训练参数、提高运算速度和防止过拟

莓派中。采集模块采集人脸照片后，树莓派调合。

用训练好的模型进行判断，树莓派识别成功之（4）全连接层放在卷积层的末端，对神

后向继电器模块发出命令，树莓派通过控制继经网络前端提取的特征通过权值矩阵重新拼接图3：主程序流程图

电器的吸合来控制电磁锁的开关，同时指示模成一个新的向量，在整个卷积神经网络中，全

正常，则当按下触摸开关时，树莓派发出命令，

块提醒门锁开否。连接层起到分类器的作用。

控制指示灯闪烁三次，提示正在采集人脸照片；

（5）输出层输出为两单元，使用似然函

3人脸识别模型的设计当采集照片之后，调用识别模型判断是否为特

数计算每个单元的似然概率，输出最大的概率