近几年,作为生物特征识别技术中非常重要的一项,人脸识别技术具有独特的发展优势,逐渐成为人工智能以及模式识别的一项焦点,受到了很多研究者以及机构的关注。人脸识别技术具有方便、直接以及友好的优势,因此在很多领域得到了广泛的应用。文章将人脸识别技术应用于门禁系统,制定出一种设计方案有效提升人脸识别门禁系统的识别效率,在系统设计的过程中采用了较新的特征提取算法,即2DLDA算法来实现人脸特征的识别,最后使用邻分类器来实现分类识别的功能。 第24期2017年12月No.24December，2017图2系统软件流程2.2人脸特征提取人脸作为一个柔性体，能够从人脸图像中提取很多的特征，因此表征人脸的原始特征对应高维空间中的数据。人脸识别技术-电动折弯机张家港电动滚圆机倒角机数控钢管滚圆机滚弧机假如直接地处理这些高维的数据，实际的计算量是非常庞大的，所以在进行人脸识别活动之前，在人脸特征提取过程中进行降维，也就是通过将高维图像投影到低维空间内，同时这个低维空间的信息已经能够实现人脸特征的识别以及分类工作。简单来讲，特征提取的目标就是尽可能在降低特征空间维数的基础上，来对识别信息进行保留进而实现有效的分类。本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/常用的特征提取算法有主成分分析（PrincipalComponentAnalysis，PCA）和线性判别分析（LinearDiscriminantAnalysis，LDA）等，但是这两种算法在对人脸图像进行处理的过程中，需要将二维的图像矩阵进行转换，转换为一维列向量，通过这样的转换会使得图像的位数过大，导致际特征提取的速度较低，对于人脸识别门禁系统的时间效率造成一定的影响。并且PCA算法在实际运用的过程中也没有对样本的鉴别信息进行考虑，造成识别率相对较低的情况。LDA算法虽然对样本的差异性进行了充分的考虑，能够达到较高的识别率，但是在具体的应用过程中，因为训练样本的数量比样本的维数小很多，所以小样本问题就很容易出现。对着以上方法存在的缺陷，相关的研究者开始尝试使用二维主成分分析（2DPrincipalComponentAnalysis，2DPCA）算法，但是2DPCA算法并没有对样本之间的鉴别信息进行考虑，所以具体的识别效果并不是理想。2.3身份识别在人脸识别时，通过特征对模块进行提取之后，分类器按照模块提取的特征向量实现分类，通过这样的方式确定来访者的身份。具体来讲，人脸识别是建立在特征提取的基础上的，通过一定的分?人脸识别技术-电动折弯机张家港电动滚圆机倒角机数控钢管滚圆机滚弧机本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/