需求分析初稿

1 引言

      因爲是初次接觸軟件工程設計這種知識領域，並且是和搭檔一塊兒完成這個項目，要學習python計算機學習等多種東西，因此難度仍是有的。但願在作項目的過程當中能鍛鍊本身，在過程當中學習新知識，提升本身的實踐動手能力。

1.1   目的

在肯定選題，全面查閱相關資料，瞭解相關的知識背景後，撰寫了此項目需求規格說明書。該文檔是關於人臉識別簽到系統的功能和性能的描述，重點描述了系統的功能需求，並將其做爲系統設計階段的主要輸入。

本文檔的主要預期讀者包括：項目的需求分析人員、項目的設計人員、項目的開發人員、項目管理人員、項目測試人員以及用戶。

1.2項目背景

項目名稱：基於深度學習的人臉識別系統

開發者：計科1703 吳坤  

             計科1703 張珏鋮

             計科 1703 宋劍橋

             計科 1703 譚瑋

1.3縮寫說明

無

1.4術語定義

無

1.5參考資料

[1]Tensorflow技術解析與實戰[M].北京：人民郵電大學出版社，2017

[2]Python核心編程（第三版）[M].北京：人民郵電大學出版社，2016

[3]數字圖像處理（第三版）[M].武漢：武漢大學出版社，2003

[4]需求規格分析說明書標準[S].GB 856D-1988

1.6版本信息

修改編號	修改日期	修改後版本	修改位置	修改內容歸納
1	2019.3.24	1.0	所有	完成第一次編寫
2	2019.3.28	1.1	引言 參考資料	內容補充 排版完善

                            表一   具體版本信息

2任務歸納

2.1系統定義

2.1.1 項目來源及背景

在當下，人臉識別已經成爲了火熱的課題，有關人臉識別的各類研究成果層出不窮。圍繞着人臉識別這個課題，各國研究人員提出了各類各樣的算法，主要包括如下四個方面的研究：

1.提出不一樣的人臉空間模型，包括以線性判別分析爲表明的線性建模方法，以Kernel方法爲表明的非線性建模方法和基於3D信息的3D人臉識別方法。

2.深刻分析和研究影響人臉識別的因素，包括光照不變人臉識別、姿態不變人臉識別和表情不變人臉識別等。

3.利用新的特徵表示，包括局部描述子（Gabor Face, LBP Face等）和深度學習方法。

4.利用新的數據源，例如基於視頻的人臉識別和基於素描、近紅外圖像的人臉識別。而咱們打算採起深度學習的方法來設計這個項目。

2.1.2 項目的目標

本項目要完成的任務是人臉識別。系統在事先錄入用戶的照片數據後，用戶在攝像頭前拍攝本身的照片，而後提交給系統進行檢驗。檢驗後系統會反饋出識別結果。若是檢驗後發現是系統中已有的信息，系統將會提示識別到底人臉對應哪一個人。若是不是系統中已經保存的信息，系統會提示沒法識別並要求用戶重試。

2.1.3 系統總體結構

物理組成結構：

 

2.1.4 系統各部分組成、與其餘部分的關係、各部分的接口等

    本系統僅需用帶有NVIDIA主板的計算機、採用GPU加速以及用自帶攝像頭採集圖像便可獨立完成，不需其餘接口。

2.2運行環境

2.2.1 設備環境

我的筆記本

2.2.2硬件環境

能運行主流編程軟件，有攝像頭，最好擁有GPU的筆記本。

2.2.3軟件環境

該系統基於Windows系統，採用Python 3.7.2，使用OpenCV，Keras(使用Tensorflow做爲後端)等庫

2.2.4網絡環境

本系統無需鏈接網絡，徹底使用本地資源，後期考慮採用GPU雲計算的方式進行神經網絡的訓練。

2.2.5操做環境

我的筆記本

2.2.6應用環境

系統工做流程以下圖所示:

 

 

2.3條件細則

2.3.1軟件開發工做的假定和約束，如經費限制、開發期限等

該系統基於Windows系統，採用Python 3.7.2，使用OpenCV，Keras(使用Tensorflow做爲後端)等庫

本項目由二人小組開發，要求於數字圖像處理課程結束前開發完畢。

2.3.2最終用戶，用戶的教育水平和技術專長

最終用戶要求會使用筆記本電腦的攝像頭。

2.3.3軟件的預期使用頻度等

本軟件在課前或課間進行人臉識別簽到，使用頻率中等。

3數據描述

3.1靜態數據

本系統須要採集圖片，須要訓練神經網絡，須要有輸出信息。所以，本系統須要存儲圖片和神經網絡的信息，以及需簽到成員的基本信息。

3.2動態數據

採集的用戶圖片信息

3.3 數據庫描述

    MySQL 8.0

3.4 數據字典

3.5 數據採集

系統運行時須要預先讀取數據，或實時經過外設讀取數據

系統運行前須要讀取需簽到成員的大量圖片與對應的姓名和學號，系統啓動後需經過攝像頭讀取簽到成員的照片。

4功能需求

4.1功能劃分

4.1.1系統功能組成

攝像頭採集和處理圖片

本地圖片處理

卷積神經網絡的搭建與訓練

使用訓練好的模型進行測試

使用測試完畢的模型進行識別

4.1.2功能編號和優先級

編號	名稱	優先級	描述	主要發起者
1	攝像頭採集和處理圖片	重要	爲神經網絡提供樣本集	管理員
2	本地圖片處理	次要	對採集到圖片進行預處理以適應系統需求	管理員
3	卷積神經網絡的搭建與訓練	重要	核心，只有訓練好神經網絡的模型才能進行識別	管理員
4	使用訓練好的模型進行測試	次要	測試模型的精確度	管理員
5	使用測試完畢的模型進行識別	重要	採集用戶圖像進行識別	用戶

 

4.1.3 功能定義

      攝像頭採集和處理圖片：使用OpenCV,自動打開攝像頭採集照片。在採集到過程當中自動檢測和定位人臉，改變不一樣的角度，實現採集不一樣效果的圖片，將圖片保存在本地備用。

      本地圖片處理：對本地的圖片進行處理，例如進行灰度化，定位人臉，裁剪，把圖片處理成適合系統使用的尺寸，以知足系統使用的需求。

      卷積神經網絡搭建和訓練：經過上述兩個子模塊獲得訓練集與測試集（訓練集與測試集比例爲8:2），開始搭建神經網絡並對模型進行訓練，最終搭建成符合須要的卷積神經網絡。

使用訓練好的模型進行測試：完成訓練後，用測試集對訓練好的模型進行精度測試，測試已經訓練好的模型的推廣能力。

      使用測試好的模型進行識別：完成訓練後，使用搭建好的模型進行識別。在識別時，優先採集用戶圖像，而後提取用戶圖像的特徵，最終經過卷積神經網絡完成對用戶圖像的識別並反饋結果。

4.2 功能描述

4.2.1 功能說明

      採集照片：指啓用攝像頭拍攝當前用戶的照片

4.2.2  詳情描述

5 性能需求

5.1數據精確度

系統所須要的圖片具備嚴格的格式要求，在輸入前必須知足格式要求。

5.2時間特性

    通常操做的響應時間應在可接受的時間範圍內。

5.3 適用性

      知足通常學生使用的需求，識別的速度應儘量的快，準確率儘量高。對前面提到的運行環境要求不該存在困難。

6 運行需求

6.1 用戶界面

6.1.1 界面風格

      遵照Windows風格。

6.1.2 界面描述和樣式

根據最終需求設計相關的界面。

6.2 硬件接口

      本系統須要調用計算機攝像頭，運行本系統的計算機應保證攝像頭可用。

6.3 軟件接口

      運行在Windows 系統之上

6.4 故障處理

      正常使用時不該出錯，若運行遇到錯誤，退出程序後自動重啓，並向開發者發送錯誤信息。

7其它要求

7.1檢測或驗收標準

    人臉識別的準確率達到老師要求的標準。

7.2可用性，可維護性，可靠性，可轉換性，可移植性要求

軟件故障率低於10%。

軟件要求模塊設計，設備驅動可更換。

7.3安全保密性要求

無。

7.4開發要求

合適的OpenCV，Python，Keras，Tensorflow版本。

按照黑盒測試方法測試用例進行驗收