基于人臉識別的商業智能系統分析設計

趙 偉

（燕山大學里仁學院 河北·秦皇島 066000)

0 前言

借助人臉識別技術成熟的大背景，該技術已經在多個領域得到各類的推廣和應用，例如人臉識別門禁、道路監控、公司考勤等；該技術的優點識別速度快、非接觸、非強制，真正實現無感識別。本文設計一套基于臉識別的商業系統，在商業領域將有很大的應用。

1 人臉識別算法分析

1.1 局部二值模式

局部二值模式主要作用于特征提取，通過將各個像素同周圍像素進行比較，并將結果保存為二進制數。

（1）將檢測窗口劃分為N*N的小區域，如圖1所示；

（2）以該檢測窗口中間像素值為閾值，將與其相鄰的8個像素的灰度值進行比較，若值大于閾值則為1，否則為0。如圖2所示；

（3）對上述已得到的二進制數轉為十進制，得到中心像素的LBP值，該檢測窗口的中心像素LBP值為124，并且該值不僅反饋自身一點的情況，還將周邊區域像素的紋理信息也反饋出來；

（4）將剩余8個點重復使用上述辦法計算出每一個小區域的LBP值，將所有值連接成一，即可得出整個檢測窗口的LBP紋理特征向量。

圖1：像素灰度值圖

圖2：閾值處理圖

1.2 主成分分析算法

主要用來對數據進行降維操作。

（1）樣本集X的組成為M*N矩陣，N個樣例、M個特征維度，要將其降維到K個特征維度，其中K小于N，如式2-1所示；

（2）樣本集矩陣X的中心化，即求出樣本集X中M個維度的特征均值，其中特征均值為u(M)，如式2-2所示；

（3）樣本值減去當前維度特征的均值，完成中心化的處理，如式2-3所示；

（4）對于樣本矩陣的協方差矩陣進行計算；

（5）對樣本集矩陣X的協方差矩陣C的特征值和特征向量進行計算；

（6）對特征值向量按對應特征值大小進行排序并按從上到下的順序排列成矩陣，取前K行組成矩陣P；

（7）對降維后的新樣本矩陣進行計算。

2 系統總體模塊設計

該系統分為以下七個模塊：

（1）視頻圖像采集模塊：該模塊主要用來利用攝像頭將監控區域的顧客進行人臉檢測并進行圖像采集。

（2）人臉識別模塊：該模塊利用圖像采集模塊保存的臨時顧客人臉信息，進行圖像處理，并與會員信息庫的人臉信息進行比對和相似度計算，用來區分是否為本店鋪會員。

（3）管理員信息管理模塊：本模塊主要用來負責管理員信息的登錄注冊。

（4）會員信息管理模塊：會員信息的注冊、會員信息的查詢、修改和刪除功能均有該模塊完成。

（5）店鋪信息管理模塊：本模塊可以添加店鋪的信息，如管理員用戶名、店鋪名稱、所在位置的信息。

（6）攝像頭管理模塊：本模塊由管理員對攝像頭信息進行管理。

（7）顧客行為信息管理模塊：本模塊由系統來對到店顧客的頻次信息進行處理。

3 數據庫設計

（1）管理員：管理員ID、用戶名、密碼；

（2）顧客：顧客ID、姓名、手機號、出生年月、用戶類型、性別、會員卡號、會員積分、會員等級、照片；

（3）店鋪信息：店鋪ID、管理員用戶名、管理員密碼、店鋪位置、店名、聯系電話、店長、申請碼；

（4）攝像頭：攝像頭ID、所在店鋪；

（5）顧客行為：攝像頭ID、顧客ID、記錄時間、圖片位置；

（6）顧客行為處理：顧客ID、到店次數；

（7）顧客行為分析：攝像頭ID、顧客ID、記錄時間；

（8）顧客全部行為記錄：攝像頭ID、顧客ID、記錄時間、圖片位置。

4 結束語

本文將人臉識別技術與商業應用相結合，進行了系統的分析與設計，通過該系統，可以有效的收據商業用戶的信息，通過對數據的進一步分析，也可以獲取很多有價值的信息。