適應(yīng)變電站進(jìn)出監(jiān)控需求的人臉快速識(shí)別方法*

李存海，江浩俠，胡金磊，李桂昌，林孝斌

（1.廣東電網(wǎng)有限責(zé)任公司清遠(yuǎn)供電局，廣東清遠(yuǎn) 511500；2.廣州市奔流電力科技有限公司，廣東廣州 510670）

0 引言

目前變電站的進(jìn)出監(jiān)控依賴(lài)于人為的核準(zhǔn)與監(jiān)督，其中人工核驗(yàn)需要用戶(hù)配合，不免存在效率低下和準(zhǔn)確率受限于檢驗(yàn)人員工作效能的問(wèn)題[1-2]?；跈C(jī)器學(xué)習(xí)的人臉檢測(cè)技術(shù)具有不必用戶(hù)主動(dòng)配合、準(zhǔn)確率高以及檢測(cè)效率不隨時(shí)間變化而降低的優(yōu)點(diǎn)，對(duì)變電站的安全工作意義重大[3-5]。

在變電站進(jìn)出監(jiān)控中，人臉快速識(shí)別技術(shù)顯得不可或缺?，F(xiàn)有人臉檢測(cè)技術(shù)在待識(shí)別圖片尺寸較小的時(shí)候能夠滿(mǎn)足實(shí)時(shí)檢測(cè)需求，但變電站屬于開(kāi)闊空間地帶，攝像頭需要覆蓋較大的視野范圍，因此圖片尺寸也會(huì)相應(yīng)地增加。此外，當(dāng)變電站的監(jiān)控視頻圖片尺寸較大時(shí)，監(jiān)控系統(tǒng)往往無(wú)法在較短時(shí)間內(nèi)得出檢測(cè)結(jié)果，其原因是隨著圖片尺寸增加，其所包含的像素點(diǎn)會(huì)呈平方次數(shù)增加，所以在人臉檢測(cè)單位處理速度不變的情況下，處理的時(shí)間也會(huì)呈平方次數(shù)增加[6-8]。

在人臉識(shí)別技術(shù)方面，文獻(xiàn)[9]采用基于Discrete Ada?boost的人臉識(shí)別算法，在此基礎(chǔ)上研究改進(jìn)的Do?main-Partitioning Real Adaboost（DPR Adaboost），將其應(yīng)用在人臉識(shí)別檢測(cè)中，結(jié)果表明該方法具有分類(lèi)能力提高、收斂速度快、錯(cuò)誤率低的優(yōu)點(diǎn)。文獻(xiàn)[10]研究了一種基于深度多模型融合的人臉識(shí)別方法，通過(guò)融合多個(gè)人臉識(shí)別模型提取的特征構(gòu)成組合特征，再利用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練組合特征構(gòu)建人臉識(shí)別分類(lèi)器，得到了融合多個(gè)模型優(yōu)點(diǎn)的改進(jìn)模型，經(jīng)人臉識(shí)別權(quán)威測(cè)試集驗(yàn)證到識(shí)別精度相對(duì)基礎(chǔ)模型提高了0.57%，但該識(shí)別方法并未給出適應(yīng)場(chǎng)景以及是否需用戶(hù)主動(dòng)配合。文獻(xiàn)[11]通過(guò)識(shí)別面部紋理來(lái)推測(cè)人臉的存在，提取皮膚、頭發(fā)等特征，建立SGLD（二階統(tǒng)計(jì)特征）模型，使用神經(jīng)網(wǎng)絡(luò)對(duì)紋理特征進(jìn)行監(jiān)督分類(lèi)，并且使用Kohonen自組織特征圖對(duì)不同紋理類(lèi)別進(jìn)行聚類(lèi)，不足是該方法需要用戶(hù)主動(dòng)配合以完成識(shí)別。

本文提出了一種適應(yīng)變電站進(jìn)出監(jiān)控需求的人臉快速識(shí)別方法。首先，將待識(shí)別圖像輸入?yún)?shù)已知的YOLO神經(jīng)網(wǎng)絡(luò)并輸出圖像中人物的邊界框；接著，從邊界框中提取出人物子圖片并對(duì)其進(jìn)行灰度化處理以及計(jì)算出待識(shí)別圖像的人臉特征值；最后，根據(jù)待識(shí)別的人臉特征值與人臉數(shù)據(jù)庫(kù)中各人臉特征值的距離以得出人臉識(shí)別結(jié)果。經(jīng)案例場(chǎng)景驗(yàn)證，所提方法具有較好實(shí)用效果。

1 YOLO神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)可定義為一個(gè)函數(shù)Y=f（W，X），W是神經(jīng)網(wǎng)絡(luò)的參數(shù)；神經(jīng)網(wǎng)絡(luò)的輸入X與輸出Y是一個(gè)張量，其參數(shù)通過(guò)梯度下降法求解得出。梯度下降法是一階優(yōu)化算法[12]，求解過(guò)程為通過(guò)多次迭代尋找能夠使得函數(shù)取得局部極小值的參數(shù)，具體流程如圖1所示。

圖1 梯度下降法求解流程

YOLO神經(jīng)網(wǎng)絡(luò)為眾多神經(jīng)網(wǎng)絡(luò)的一種[13]，可接受一張608×608像素的圖像作為輸入，圖片像素與多個(gè)卷積池化層以及全連接層的參數(shù)進(jìn)行運(yùn)算，最后輸出檢測(cè)到的物體的邊界框。YOLO神經(jīng)網(wǎng)絡(luò)的參數(shù)可通過(guò)梯度下降法求解得到，YOLO神經(jīng)網(wǎng)絡(luò)的輸出為N個(gè)邊界框{Bbo xi|i∈0，1，2，…，N}，其中第i個(gè)邊界框可表示為Bboxi=(xi，yi，wi，hi)；邊界框指示了檢測(cè)到的人在輸入圖片Iw*h*3的位置，其中xi，yi為邊界框的中心坐標(biāo)，wi，hi分別為邊界框的寬和高。

2 人臉識(shí)別技術(shù)

近年來(lái)，模式識(shí)別技術(shù)與計(jì)算機(jī)視覺(jué)技術(shù)受到專(zhuān)家學(xué)者們的關(guān)注[14-15]，其中人臉識(shí)別技術(shù)也逐漸成了各領(lǐng)域的研究熱點(diǎn)。

目前影響到人臉識(shí)別效果的主要因素有：

人臉姿態(tài)；遮蓋物；光照強(qiáng)度；面部表情。

2.1 圖片灰度化處理

將彩色圖像轉(zhuǎn)化成為灰度圖像的過(guò)程成為圖像的灰度化處理[16]。彩色圖像中的每個(gè)像素的顏色有R、G、B3個(gè)分量決定，而每個(gè)分量有255種值可取，這樣一個(gè)像素點(diǎn)可以有1 600多萬(wàn)（255×255×255）種顏色的變化范圍。而灰度圖像是R、G、B3個(gè)分量相同的一種特殊的彩色圖像，這樣像素點(diǎn)的變化范圍為255種，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)圖像的計(jì)算量變得少一些。

本文采用的圖片灰度化處理方法為根據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B3個(gè)顏色分量的對(duì)應(yīng)關(guān)系，以這個(gè)亮度值表達(dá)圖像的灰度值。

2.2 人臉特征值提取

對(duì)于每一幅待識(shí)別的人臉圖，首先進(jìn)行灰度化處理；接著將其縮放到150×150像素，得到If；然后使用神經(jīng)網(wǎng)絡(luò)f提取一個(gè)128維的特征值Y=f(WResNet-34，If)=(y0，y1，…，y127)，其中WResNet-34是在ImageNet數(shù)據(jù)集上所學(xué)習(xí)到的ResNet-34網(wǎng)絡(luò)參數(shù)。

對(duì)于人臉數(shù)據(jù)庫(kù)中的人臉圖像Iface也用上述方法處理并提取特征X=(x0，x1，…，x127)。

2.3 人臉特征值距離計(jì)算

一般基于廣義特征值的距離來(lái)計(jì)算兩幅人臉圖像的相似度，則兩幅人臉圖片的特征值距離L為：

此外，當(dāng)不等式L≤0.6成立時(shí)，則表示兩幅人臉圖片匹配成功；否則表示匹配失敗。

3 人臉快速識(shí)別方法

3.1 方法流程

圖2為人臉快速識(shí)別方法的流程圖，其主要目的旨在提供一種適應(yīng)變電站進(jìn)出監(jiān)控需求的人臉快速識(shí)別方法，以保證視頻監(jiān)控報(bào)警的有效性，更全面地提升變電站的安全系數(shù)。

3.2 具體步驟

本文所提出的人臉快速識(shí)別方法，具體包括以下步驟：

圖2 人臉快速識(shí)別方法流程圖

（1）將待識(shí)別圖像Iw*h*3輸入?yún)?shù)已知的YOLO神經(jīng)網(wǎng)絡(luò)并輸出圖像中每個(gè)人的邊界框；

（2）根據(jù)所得到的邊界框，將每個(gè)檢測(cè)到的人物從圖像Iw*h*3中提取出來(lái)，得到子圖片集合|i∈0,1,2,...,n}；

（3）對(duì)所述子圖片進(jìn)行灰度化處理并計(jì)算得到待識(shí)別的人臉特征值；

（4）根據(jù)所述待識(shí)別的人臉特征值與人臉數(shù)據(jù)庫(kù)中各人臉特征值的距離L得出人臉識(shí)別結(jié)果。

4 案例驗(yàn)證

根據(jù)人臉快速識(shí)別方法編寫(xiě)對(duì)應(yīng)軟件模塊，選取合適場(chǎng)地搭建人臉識(shí)別案例場(chǎng)景，并準(zhǔn)備好參與識(shí)別的工作人員以及人臉數(shù)據(jù)庫(kù)。

經(jīng)場(chǎng)景模擬后，得到具體分析結(jié)果如下：

（1）針對(duì)監(jiān)控視頻中某一張輸入圖片并使用YOLO神經(jīng)網(wǎng)絡(luò)檢測(cè)，得到圖片中每個(gè)行人的邊界框，即圖3中的實(shí)線(xiàn)方框。

圖3 待識(shí)別圖像

圖4 所提取人物圖片

圖5 識(shí)別出的人臉圖片

（2）提取工作人員圖片，結(jié)果如圖4所示。

（3）檢測(cè)圖4的工作人員圖片中是否存在人臉信息，其中圖4(a)無(wú)法檢測(cè)到完整人臉信息，而對(duì)圖4(b)檢測(cè)到的人臉（圖5）進(jìn)行灰度化處理后，計(jì)算其人臉特征值為：

Y=[-0.0653979，0.0481431，0.0459506，-0.002976 55， -0.0784676， -0.0707229， 0.0017481， -0.129902，0.0899502，-0.0961162，0.18472，-0.04566，-0.177452，-0.119043，-0.00185613，0.123365，-0.101321，-0.0666 383，-0.0822533，-0.0954023，0.0388882，0.0508717，0.0408848，0.0335565，-0.048666，-0.263044，-0.0828 425， -0.0912373， 0.0823404， -0.022558， 0.0207027，0.0748649，-0.162295，-0.0786254，-0.00673984，0.034 479，-0.0504447，-0.0587812，0.283734，-0.0457539，-0.132397，-0.0031759，0.0189574，0.271597，0.2227 58，-0.0507444，-0.00261238，-0.0372537，0.147651，-0.213665，0.0485419，0.125421，0.116833，0.0580825，0.0118643，-0.092228，0.0441321，0.137712，-0.2031 44，0.0675892，0.0768298，-0.168619，-0.037038，-0.0 307111，0.145781，0.0454205，-0.0487946，-0.157138，0.140418，-0.18163，-0.0306611，0.0311677，-0.13422，-0.139509，-0.310455，0.0523049，0.299887，0.160369，-0.182182，0.0295619，-0.0594396，-0.00560254，0.131 522， 0.030557， -0.0181286， -0.0943769， -0.115649，0.0168677，0.160838，-0.0744993，-0.0537497，0.2409 62，0.0239171，-0.00718346，0.0277776，0.00476684，-0.0710697，0.0229204，-0.126025，0.0441402，0.08147 56，-0.113622，0.0699524，0.109151，-0.174594，0.176 26，-0.0370767，0.0387941，0.0300786，-0.0633792，-0.155115，-0.0208994，0.190634，-0.121869，0.197604,0.131385，0.0213304，0.151944，0.101643，0.104232，-0.0347045，-0.0272474，-0.172505，-0.0462738，0.076 5506，0.0254679，0.0702121，0.0738493]。

（4）計(jì)算圖6(a)和6(b)中人臉圖片的特征值，其中圖6(a)的特征值為：

X1=[-0.117174，0.0432565，0.0615167，-0.0455164，-0.0706958，-0.0455732，-0.0510033，-0.166344，0.075 0411，-0.131235，0.231625，-0.0978745，-0.196297，-0.163042，-0.0387142，0.198247，-0.165635，-0.09408 13， -0.0818975， 0.00266437， 0.097009， 0.00571842，0.0382776，0.0467014，-0.0377104，-0.343167，-0.1423 02， -0.0462031， 0.0399787， -0.0398614， -0.0901296，0.0863726，-0.138756，-0.102175，0.0238005，0.09194 69，0.0509093，-0.101035，0.16137，-0.0239519，-0.19 225，0.0776478，0.0727825，0.227224，0.25847，0.0510 676，0.033865，-0.11599，0.153841，-0.180689，0.0471 576，0.0887595，0.0761694，0.0240254，0.0222875，-0.1 23475， 0.0528614， 0.109238， -0.154681， 0.0114299，0.109626，-0.131581，-0.0354409，-0.0367509，0.1725 51，0.117364，-0.0914756，-0.234913，0.116833，-0.15 4709，-0.0901379，0.00995727，-0.212836，-0.0959615，-0.36433， 0.0252173， 0.399847， 0.113429， -0.17775，0.0973187，-0.0163856，0.0396124，0.172737，0.177377，-0.0107027，-0.0259293，-0.0973322，-0.00115101，0.1 66939，-0.0176149，-0.0846889，0.226914，-0.004714 37，0.0738132，0.0667178，0.0158959，-0.0309987，0.0 283487，-0.114391，0.0181091，0.0817547，-0.0177323，0.0326894，0.116774，-0.121201，0.112234，-0.0803487，0.10843，0.0436463，-0.0872214，-0.0972368，0.03262 81，0.0974472，-0.205026，0.155965，0.162803，0.0626 691，0.0859266，0.165243，0.100398，0.0339094，0.032 0152， -0.219555， -0.0229654， 0.125368， -0.0185362，0.124461，0.0339912]

圖6(b)的特征值為：

圖6 人臉數(shù)據(jù)庫(kù)中人臉圖片

X2=[-0.0886385，0.0549423，-0.00546047，-0.06525 26， -0.0734701， -0.0891774， -0.0802805， -0.107656，0.0891029，-0.0775417，0.223884，-0.0995733，-0.1820 51，-0.155407，-0.0623404，0.169066，-0.209147，-0.1 05432，-0.0768067，0.0224611，0.0916727，0.0154249，0.0561431，0.00278886，-0.0536536，-0.389321，-0.072 3899，-0.0686888，0.0249965，-0.0387781，0.0280211，0.0195251，-0.205907，-0.0690564，0.0598259，0.0457 73，-0.000860474，-0.047665，0.166677，-0.000445154，-0.222018，-0.000221765，0.0265393，0.212571，0.1734 07，0.0996724，0.0324839，-0.161677，0.152244，-0.15 1677， 0.0278293， 0.153962， 0.0366221， 0.0213522，0.013047，-0.0643532，0.0583508，0.143498，-0.139628，-0.0140229，0.11262，-0.0348965，-0.0218506，-0.1007 26， 0.203176， -0.00134878， -0.11952， -0.173758，0.0945559，-0.13104，-0.0708779，0.0354774，-0.12939，-0.165783，-0.316124，-0.00536548，0.363126，0.08117 48，-0.144772，0.0391074，-0.0603582，0.0201964，0.1 23615，0.112289，-0.0304388，0.01851，-0.0759722，-0.0475834，0.213184，-0.0673732，-0.0385347，0.1891 55，-0.0458143，0.0599411，0.0131644，-0.028812，-0.0700638， 0.057142， -0.0723014， 0.00542674，0.0530222，-0.050184，0.0077821，0.0820619，-0.12622，0.10774，-0.0368184，0.0628868，0.0506034，-0.01153 36， -0.0934998， -0.0939013， 0.0922058， -0.190224，0.232884， 0.183856， 0.110786， 0.120159， 0.135563，0.100329，-0.0339753，0.0397254，-0.180747，-0.05198 26，0.084807，0.0213815，0.0910269，-0.0357912]

分別計(jì)算Y與X1、X2的距離L，可得：‖X1-Y‖2=0.574211989425；‖X2-Y‖2=0.604223930903；由于‖X1-Y‖2小于0.6，說(shuō)明當(dāng)前人臉數(shù)據(jù)庫(kù)中的人臉圖片圖6(a)與圖4(b)匹配。

5 結(jié)語(yǔ)

本文鑒于當(dāng)前變電站進(jìn)出安全監(jiān)控的現(xiàn)狀問(wèn)題以及為實(shí)現(xiàn)無(wú)人值班變電站提供技術(shù)指導(dǎo)的需求，提出了一種適應(yīng)變電站進(jìn)出監(jiān)控需求的人臉快速識(shí)別方法，并通過(guò)視頻監(jiān)控案例驗(yàn)證了該方法的實(shí)用效果。研究表明，所提人臉快速識(shí)別方法可對(duì)監(jiān)控視頻出現(xiàn)的人員進(jìn)行實(shí)時(shí)分析，能夠全面地提升變電站人員進(jìn)出安全系數(shù)，對(duì)變電站的安全監(jiān)控工作意義重大。