面向电力营销服务的客户身份自动识别系统设计
|
摘要
在电力营销服务领域存在大量的客户身份识别需求,目前主要通过用电客户的唯一编号由营业服务人员人工核实。随着生物特征识别技术近年来的飞速发展,在安检领域已经出现了较多的客户身份自动识别应用案例。
本文在深入分析生物特征识别技术,特别是人脸识别技术的发展历程,充分总结现阶段已取得成果的基础上,基于供电企业电力营销服务现状和信息化软硬件资源,设计和实现了一套客户身份自动识别系统。系统采用图像处理技术对客户人脸图像进行预处理,采用PCA神经网络进行降维和特征向量提取,采用BP神经网络进行分类,并通过与电力营销其他管理信息系统的协同和数据共享,实现了对用电客户的身份自动识别。
该系统的全部算法、实验均采用C++语言编程实现,通过大量的实验数据表明：在ORL人脸库的基础上,对PCA神经网络进行600次、对BP神经网络进行30000次以上训练,可以获得90%左右的识别成功率；通过扩大样本库规模、分组识别等技术措施,能有效提高系统的识别成功率。证明系统的设计和实现完全满足电力营销服务领域的实际应用要求,找到了将人脸识别技术引进电力营销服务领域的切入点。
最后,结合中国南方电网公司的信息化项目建设和运维管理标准,提出了一套满足供电企业生产实用化要求的客户身份自动识别系统的设计方案。
There are lots of demands on customer identification in the area of Power Marketing services. Usually, salesperson verify customers through the ID number. Biometric technology has developed rapidly in recent years,and the Face Recognition Technology is one of the most active research area in it. Compared with the others, face recognition technology is non-contact, non-mandatory feature, with strong affinity and interesting,and easy for users to accept. There have been more successful cases of application in security area.
Through hard work on analysis of biometrics, especially in the development process of face recognition technology, this paper designed and implemented a Automatic Identification System,which based on the IT facilities of Power Grid Company.System integrates a number of technologies.Image processing,PCA and BP neural network,database,and so on. All the algorithms, experiments are used C++ programming language.
Large number of experimental data shows that this Face Recognize System based on PCA and BP neural network can get about 90% success rate if the PCA and BP neural network is trained over 600 and 30000 times separately.And,if we put more samples to train the neural network,the system goes more better. This result is fully meet the requirement of power marketing service.
At last,this paper gives a suggestion.This suggestion is under the terms of Enterprise Standard of China Southen Power Grid Co.,Ltd.lt ensure the system is stable,and provides plenty of practical applications.
本文在深入分析生物特征识别技术,特别是人脸识别技术的发展历程,充分总结现阶段已取得成果的基础上,基于供电企业电力营销服务现状和信息化软硬件资源,设计和实现了一套客户身份自动识别系统。系统采用图像处理技术对客户人脸图像进行预处理,采用PCA神经网络进行降维和特征向量提取,采用BP神经网络进行分类,并通过与电力营销其他管理信息系统的协同和数据共享,实现了对用电客户的身份自动识别。
该系统的全部算法、实验均采用C++语言编程实现,通过大量的实验数据表明：在ORL人脸库的基础上,对PCA神经网络进行600次、对BP神经网络进行30000次以上训练,可以获得90%左右的识别成功率；通过扩大样本库规模、分组识别等技术措施,能有效提高系统的识别成功率。证明系统的设计和实现完全满足电力营销服务领域的实际应用要求,找到了将人脸识别技术引进电力营销服务领域的切入点。
最后,结合中国南方电网公司的信息化项目建设和运维管理标准,提出了一套满足供电企业生产实用化要求的客户身份自动识别系统的设计方案。
There are lots of demands on customer identification in the area of Power Marketing services. Usually, salesperson verify customers through the ID number. Biometric technology has developed rapidly in recent years,and the Face Recognition Technology is one of the most active research area in it. Compared with the others, face recognition technology is non-contact, non-mandatory feature, with strong affinity and interesting,and easy for users to accept. There have been more successful cases of application in security area.
Through hard work on analysis of biometrics, especially in the development process of face recognition technology, this paper designed and implemented a Automatic Identification System,which based on the IT facilities of Power Grid Company.System integrates a number of technologies.Image processing,PCA and BP neural network,database,and so on. All the algorithms, experiments are used C++ programming language.
Large number of experimental data shows that this Face Recognize System based on PCA and BP neural network can get about 90% success rate if the PCA and BP neural network is trained over 600 and 30000 times separately.And,if we put more samples to train the neural network,the system goes more better. This result is fully meet the requirement of power marketing service.
At last,this paper gives a suggestion.This suggestion is under the terms of Enterprise Standard of China Southen Power Grid Co.,Ltd.lt ensure the system is stable,and provides plenty of practical applications.
引文
[1]张成元.基于子空间分析的人脸识别算法研究[D].北京：北京交通大学博士学位论文,2009.
[2]Turk M, Pentland A. Face recognition using eigenfaces[C]. IEEE Conference on Computer Vision and Pattern Recognition. Howaii, Maui:IEEE,1991:586-590.
[3]潘可.基于部分的人脸识别方法研究[D].合肥：中国科学技术大学博士学位论文,2009.
[4]刘直芳.人脸检测和识别的研究[D].成都：四川大学博士学位论文,2004.
[5]孔万增.基于学习的人脸识别研究[D].杭州：浙江大学博士学位论文,2008.
[6]周书仁.人脸表情识别算法分析与研究[D].南京：东南大学博士学位论文,2009.
[7]刘小军.人脸识别技术研究[D].北京：中国科学院博士学位论文,2001.
[8]卢湖川.人脸识别中几个关键算法研究[D].大连：大连理工大学博士学位论文,2008.
[9]杜春华.人脸特征点定位及识别的研究[D].上海：上海交通大学博士学位论文,2008.
[10]肖冰、王映辉.人脸识别研究综述[J].计算机应用研究.2005(8):1-5.
[11]刘永信、李琳莉、巴雅日图.人脸识别方法综述[J].内蒙古大学学报.2009,40(4)：493-498.
[12]吴巾一、周德龙.人脸识别方法综述[J].计算机应用研究.2009,26(9):3205-3209.
[13]陈前.基于BP神经网络的人脸识别[D].南宁：广西大学学位论文,2009.
[14]徐成华、王蕴红、谭铁牛.三维人脸建模与应用[J].中国图象图形学报.2004,9(8)：893-903.
[15]段锦、周春光、刘小华.三维人脸识别研究进展[J].沈阳.小型微型计算机系统.2004,25(5)：886-890.
[16]白雪飞、李茹.神经网络集成的多表情人脸识别方法[J].计算机工程与应用.2010,46(4)：145-148.
[17]南宁供电局.电力“一卡通”项目建设方案[Z].南宁：桂电营(2009)27号,2007.
[18]刘瑞祯、于仕琪.OpenCV教程[M].北京：北京航空航天大学出版社,2007.
[19]杨颖娴.基于PCA算法和小波包变换的人脸识别技术[J].微电子学与计算机.2011,28(1)：92-94.
[20]Hong-Liang Dai. ETAFSVM:Evolutionary Total Margin-Based Adaptive Fuzzy Support Vector Machines For Face Recognition. FBIE.2010:334-337
[21]李国正、王猛、曾华军译.支持向量机导论[M].北京：电子工业出版社,2004.
[22]严蔚敏、吴伟民.数据结构.北京：清华大学出版社,2002.
[23]朝力群.人工神经网络理论、设计及应用[M].北京：化学工业出版社,2007.
[24| Bruee A.DraPer,KyUngim BaeK.Marian Stewart Bartlett and J.Ross Beveridge. Recognizing faces with PCA and ICA. Computer vsion and Image Understanding. Volume9l, Issuesl-2, July-Angust 2003, Pages115-137.
[25]杨建刚.人工神经网络实用教程[M].杭州：浙江大学出版社,2003.
[26]何国辉、甘俊英.PCA类内平均脸法在人脸识别中的应用研究[J].计算机应用研究.2006(3)：165-169.
[27]杨军、张秀琼、高志升、袁红照.用于人脸识别的两类主成分分析融合[J].计算机工程与应用.2010,46(1)：194-195.
[28]赵炜.模式识别在门禁系统中的应用现状[J].科技资讯.2011(1):5-6.
[29]徐勇、荆涛等译.神经网络模式识别及其实现[M].北京：电子工业出版社,1999.
[30]阎平凡、张长水.人工神经网络与模拟进化计算[M].北京：清华大学出版社,2000.
[31]张悦.人像识别技术的研究及其实际应用[D].吉林：吉林大学学位论文,2001.
[32]章毓晋.图像处理和分析[M].北京：清华大学出版社.1999
[33]黄昉、张宝昌、刘金琨.PCA在人脸识别中的改进算法[J].中国科技论文在线.2011,6(1)：54-58.
[34]Stanly B.Lippman. C++ Primer[M].北京：人民邮电出版社,2006.
[35]马颂德.计算机视觉——计算理论与算法基础[M].北京：科学出版社,1998.
[36]张宏林.数字图像模式识别技术及工程实践[M].北京：人民邮电出版社,2003.
[37]李闽溟、吴继刚、周学明.Visual C++6.0数据库系统开发实例导航[M].北京：人民邮电出版社,2002.
[38]宋坤、刘锐宁、李伟明.MFC程序开发参考大全[M].北京.人民邮电出版社,2007.
[39]周长发.精通Visual C++图像编程[M].北京.电子工业出版社,2000.
[40]郎锐.数字图像处理学-——Visual C++实现[M].北京：北京希望电子出版社.2002
[41]欧珊瑚、王倩丽等.数字图像处理技术与应用[M].北京：清华大学出版社,2004.
[42]广西电网公司.广西电网公司信息系统运行管理规程[Z].南宁：桂电信通[2009]3号,2009.
[43]广西电网公司.广西电网公司计算机信息系统安全保护规定[Z].南宁：桂电信通(2009)3号,2009.
[44]广西电网公司.广西电网公司计算机信息系统保密管理办法[Z].南宁：桂电信通[2009]3号,2009.
[45]M.S. Bartlett, J.R.Movelan, T.J.Sejnowski. Face recognition by independent component analysis. IEEE Transactions on Neural Networks,2002,13(6):1450-1464.
[46]T.Onsay and A.G Haddow. Wavelet transform analysis of transient wave propagation in a dispersive medium,J.Asoust. Soc. Aln. vol.95, n.3,1994:1441-1449.
[47]YuenPC.DaiDQ.Feng GC. Wavelet-based PCA for human face recognition. In:Proceeding of the IEEE Southwest Symposiuam on Image Analysis And Interpretation,1998,223-228.
[48]M.Pantie, LJ.M.Rothkrantz. Automatic analysis of facial expressions:The state of art. IEEE Trans. Pattern Anal. Mach. Intell.,2000,22(12):1424-1445.
[49]J.C.Terrillon, M.N.Shirazi, H.Fukamaehi, and S.Akamatsu. Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images. Proc. IEEE Intl. Conf. on Face and Gesture Reeognition, 2000:54-61.
[50]R.L.Hsu, M.A.Mottaleb, and A.K.Jain, Face detection in color images. IEEE Trans. Pattern Analysis and Machine Intelligence,2002,24(5):696-706.
[51]Shakunaga Takeshi, Shigenari Kazurna. "Decomposed eigenfaces for face recognition under various lighting conditions" Proceedings of the 2001 IEEE Computer Society Conference on Computer vision and Pattern Recognition, Kauai, Ⅱ, vol.1, pp.864871, Dec.8-14,2001.
[52]汪亚抿,傅小兰.面部表情识别与面孔身份识别的独立加工与交互作用机制[J].心理科学进展.2005, Vol13(4):497-516.
[53 ]谢赛琴,沈福明,邱雪娜.基于支持向量机的人脸识别方法[J].计算机工程.2009,35(16)：186-188.
[54]金波.基于年龄流形的人脸图像年龄识别[J].中国新技术新产品.2011(1):12-13.
[2]Turk M, Pentland A. Face recognition using eigenfaces[C]. IEEE Conference on Computer Vision and Pattern Recognition. Howaii, Maui:IEEE,1991:586-590.
[3]潘可.基于部分的人脸识别方法研究[D].合肥：中国科学技术大学博士学位论文,2009.
[4]刘直芳.人脸检测和识别的研究[D].成都：四川大学博士学位论文,2004.
[5]孔万增.基于学习的人脸识别研究[D].杭州：浙江大学博士学位论文,2008.
[6]周书仁.人脸表情识别算法分析与研究[D].南京：东南大学博士学位论文,2009.
[7]刘小军.人脸识别技术研究[D].北京：中国科学院博士学位论文,2001.
[8]卢湖川.人脸识别中几个关键算法研究[D].大连：大连理工大学博士学位论文,2008.
[9]杜春华.人脸特征点定位及识别的研究[D].上海：上海交通大学博士学位论文,2008.
[10]肖冰、王映辉.人脸识别研究综述[J].计算机应用研究.2005(8):1-5.
[11]刘永信、李琳莉、巴雅日图.人脸识别方法综述[J].内蒙古大学学报.2009,40(4)：493-498.
[12]吴巾一、周德龙.人脸识别方法综述[J].计算机应用研究.2009,26(9):3205-3209.
[13]陈前.基于BP神经网络的人脸识别[D].南宁：广西大学学位论文,2009.
[14]徐成华、王蕴红、谭铁牛.三维人脸建模与应用[J].中国图象图形学报.2004,9(8)：893-903.
[15]段锦、周春光、刘小华.三维人脸识别研究进展[J].沈阳.小型微型计算机系统.2004,25(5)：886-890.
[16]白雪飞、李茹.神经网络集成的多表情人脸识别方法[J].计算机工程与应用.2010,46(4)：145-148.
[17]南宁供电局.电力“一卡通”项目建设方案[Z].南宁：桂电营(2009)27号,2007.
[18]刘瑞祯、于仕琪.OpenCV教程[M].北京：北京航空航天大学出版社,2007.
[19]杨颖娴.基于PCA算法和小波包变换的人脸识别技术[J].微电子学与计算机.2011,28(1)：92-94.
[20]Hong-Liang Dai. ETAFSVM:Evolutionary Total Margin-Based Adaptive Fuzzy Support Vector Machines For Face Recognition. FBIE.2010:334-337
[21]李国正、王猛、曾华军译.支持向量机导论[M].北京：电子工业出版社,2004.
[22]严蔚敏、吴伟民.数据结构.北京：清华大学出版社,2002.
[23]朝力群.人工神经网络理论、设计及应用[M].北京：化学工业出版社,2007.
[24| Bruee A.DraPer,KyUngim BaeK.Marian Stewart Bartlett and J.Ross Beveridge. Recognizing faces with PCA and ICA. Computer vsion and Image Understanding. Volume9l, Issuesl-2, July-Angust 2003, Pages115-137.
[25]杨建刚.人工神经网络实用教程[M].杭州：浙江大学出版社,2003.
[26]何国辉、甘俊英.PCA类内平均脸法在人脸识别中的应用研究[J].计算机应用研究.2006(3)：165-169.
[27]杨军、张秀琼、高志升、袁红照.用于人脸识别的两类主成分分析融合[J].计算机工程与应用.2010,46(1)：194-195.
[28]赵炜.模式识别在门禁系统中的应用现状[J].科技资讯.2011(1):5-6.
[29]徐勇、荆涛等译.神经网络模式识别及其实现[M].北京：电子工业出版社,1999.
[30]阎平凡、张长水.人工神经网络与模拟进化计算[M].北京：清华大学出版社,2000.
[31]张悦.人像识别技术的研究及其实际应用[D].吉林：吉林大学学位论文,2001.
[32]章毓晋.图像处理和分析[M].北京：清华大学出版社.1999
[33]黄昉、张宝昌、刘金琨.PCA在人脸识别中的改进算法[J].中国科技论文在线.2011,6(1)：54-58.
[34]Stanly B.Lippman. C++ Primer[M].北京：人民邮电出版社,2006.
[35]马颂德.计算机视觉——计算理论与算法基础[M].北京：科学出版社,1998.
[36]张宏林.数字图像模式识别技术及工程实践[M].北京：人民邮电出版社,2003.
[37]李闽溟、吴继刚、周学明.Visual C++6.0数据库系统开发实例导航[M].北京：人民邮电出版社,2002.
[38]宋坤、刘锐宁、李伟明.MFC程序开发参考大全[M].北京.人民邮电出版社,2007.
[39]周长发.精通Visual C++图像编程[M].北京.电子工业出版社,2000.
[40]郎锐.数字图像处理学-——Visual C++实现[M].北京：北京希望电子出版社.2002
[41]欧珊瑚、王倩丽等.数字图像处理技术与应用[M].北京：清华大学出版社,2004.
[42]广西电网公司.广西电网公司信息系统运行管理规程[Z].南宁：桂电信通[2009]3号,2009.
[43]广西电网公司.广西电网公司计算机信息系统安全保护规定[Z].南宁：桂电信通(2009)3号,2009.
[44]广西电网公司.广西电网公司计算机信息系统保密管理办法[Z].南宁：桂电信通[2009]3号,2009.
[45]M.S. Bartlett, J.R.Movelan, T.J.Sejnowski. Face recognition by independent component analysis. IEEE Transactions on Neural Networks,2002,13(6):1450-1464.
[46]T.Onsay and A.G Haddow. Wavelet transform analysis of transient wave propagation in a dispersive medium,J.Asoust. Soc. Aln. vol.95, n.3,1994:1441-1449.
[47]YuenPC.DaiDQ.Feng GC. Wavelet-based PCA for human face recognition. In:Proceeding of the IEEE Southwest Symposiuam on Image Analysis And Interpretation,1998,223-228.
[48]M.Pantie, LJ.M.Rothkrantz. Automatic analysis of facial expressions:The state of art. IEEE Trans. Pattern Anal. Mach. Intell.,2000,22(12):1424-1445.
[49]J.C.Terrillon, M.N.Shirazi, H.Fukamaehi, and S.Akamatsu. Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images. Proc. IEEE Intl. Conf. on Face and Gesture Reeognition, 2000:54-61.
[50]R.L.Hsu, M.A.Mottaleb, and A.K.Jain, Face detection in color images. IEEE Trans. Pattern Analysis and Machine Intelligence,2002,24(5):696-706.
[51]Shakunaga Takeshi, Shigenari Kazurna. "Decomposed eigenfaces for face recognition under various lighting conditions" Proceedings of the 2001 IEEE Computer Society Conference on Computer vision and Pattern Recognition, Kauai, Ⅱ, vol.1, pp.864871, Dec.8-14,2001.
[52]汪亚抿,傅小兰.面部表情识别与面孔身份识别的独立加工与交互作用机制[J].心理科学进展.2005, Vol13(4):497-516.
[53 ]谢赛琴,沈福明,邱雪娜.基于支持向量机的人脸识别方法[J].计算机工程.2009,35(16)：186-188.
[54]金波.基于年龄流形的人脸图像年龄识别[J].中国新技术新产品.2011(1):12-13.