基于云計算身份識別的危化品實驗室門禁系統設計

何雨健，張良力，張家財，劉 江

(1.武漢科技大學 信息科學與工程學院， 武漢 430081； 2.武漢科技大學 人工智能學院， 武漢 430081)

0 引言

高校危化品管理制度日趨完善，管理模式多樣化、信息化建設逐漸成為重心，呈現出全過程管理趨勢。清華大學試劑材料庫于2017年推廣使用的信息管理系統，實現了危化品等試劑材料的購置、儲存、使用和處置等環節的全流程管理，為該校實驗室安全管理工作提供重要數據信息支持[1]。南開大學通過調研化學品實際需求和安全管理的薄弱環節，開發了生物化學試劑“網上商城”，在對試劑材料實施標準化管理的同時，實現平臺與學校實驗室管理部門、保衛部門管理信息系統對接，強化了該校危化品安全監管與快速處理事故能力[2]。

門禁管理是高校危化品實驗室管理制度中的重要環節，它能靈活設置實驗室準入權限，實時記錄人員進出痕跡，促進實驗人員安全意識自主提升。目前的門禁管理系統終端采集主要采用射頻識別(RFID)和指紋識別兩種方式[3-5]。前者存在ID卡遺失冒用的安全隱患，后者存在非活體替代使用的技術缺陷。近年來，基于人臉圖像特征的身份識別技術因檢測對象具有唯一性、不可替代性，逐漸成為危化品實驗室門禁管理系統設計熱點[6-7]，其不足在于因系統開發測試成本受限制而產生諸如身份識別準確度偏低，系統運行不穩定等問題。利用移動互聯網技術，將本地終端采集的圖像信息數據傳至商業云計算平臺進行分析處理，回傳的辨識結果數據作為驅動本地執行機構動作的判斷依據，可降低危化品實驗室門禁系統成本并提高研發效率[8]。本文在探討云計算平臺及其適用性的基礎上，對危化品實驗室門禁系統硬軟件進行設計和實現，結合室內應用環境對系統識別準確率和響應速度進行了測試分析。

1 面向身份識別的云計算平臺

云計算是計算機技術與互聯網技術融合發展的產物，它涵蓋了網格計算、分布式計算、并行計算、網絡存儲、虛擬化和負載均衡等功能，通過基于網絡的計算方式，實現軟硬件資源和信息的整合、共享，并根據用戶需求提供軟硬件或數據的定向服務[9]。基于人臉圖像特征的身份識別所需的云平臺應用架構如圖1所示。

圖1 面向身份識別的云計算平臺應用架構

在此架構下，用戶無需投入基于人臉圖像特征的身份識別開發建設成本，只需向商業化云計算平臺服務機構訂購虛擬化資源池中的計算服務、存儲服務、網絡服務，即可通過互聯網獲取服務方提供的處理結果數據包[10]。用戶僅關注人臉圖像原始數據的采集與上傳，以及身份識別結果數據包的解析與應用，不必關注圖像處理計算過程，降低了系統開發難度，縮減了開發成本與周期。使用云平臺服務，用戶必須投入必要的互聯網基礎設施，但無需對圖像處理與身份識別硬軟件系統進行維護，綜合效益可觀。

2 系統設計

危化品實驗室門禁系統功能可描述為：對進出人員臉部進行圖像采集，通過互聯網傳送云計算平臺進行身份識別；將回傳的識別結果轉化為驅動門禁電子鎖執行的控制信號，并記錄進出人員的身份、進出時間等信息。門禁系統各項功能運行時須滿足以下設計要求：硬件采用低壓直流電源，保障用戶使用安全；系統上電后自主連接互聯網、接入云平臺并完成初始化；在室內正常光照條件下，系統能有效識別不同身高、性別進出人員身份；攝像頭檢測人員臉部有效距離約1 m左右；系統身份識別準確率不低于80%，響應時間少于2 s。為便于系統設置、考勤管理等，系統還包括數據寫入和導出端口。

2.1 系統硬件模塊

系統硬件模塊均采用低壓直流嵌入式組件，包括：圖像采集模塊(攝像頭)、網絡通訊模塊(WIFI)、門禁控制模塊、主控芯片(含調試端口)，各硬件模塊結構如圖2所示。

圖2 系統硬件結構圖

系統圖像采集使用OV2640模塊(1/4寸，百萬級CMOS傳感器)，支持曝光、白平衡、色度、飽和度、對比度等參數設置，使用JPEG/RGB565格式輸出，可滿足不同光照條件下的活體圖像采集。OV2640通過串行相機控制總線(SCCB)實現外部接口數據交互控制，設置參數包括采集圖像分辨率、輸出時鐘頻率等。OV2640工作模式由內部寄存器決定，通常設置為“從模式”(主控芯片為主模式)。主控芯片采用STM32F407，數據總線寬度為32 bit，最大時頻為168 MHz，數據存儲器為RAM192kB，程序儲存器為1 MB，ADC分辨率為12 bit，工作電源電壓范圍為1.8～3.6V，工作溫度范圍為-40～85 ℃，滿足OV2640模塊對人臉圖像采集后的數據壓縮和處理要求。

網絡通訊模塊采用低功耗以太網芯片LAN8720A(使用符合IEEE802.3-2005標準I/O引腳電壓，內置10-BASE-T/100BASE-TX全雙工傳輸模塊，通過RMII接口與以太網MAC層通信)結合Marvell 88W8782 SDIO WIFI模組(符合IEEE 802.11N標準，向下兼容IEEE802.11B/G標準，支持IEEE 802.11i安全協議)，88W8782外圍電路如圖3所示。

圖3 通訊模塊電路圖

系統所用低壓直流電源有DC5V和DC3.3V兩種等級，DC5V由開關電源模塊提供，DC3.3V電源由板載降壓芯片AMS117-3.3進行轉換，直流電源轉換電路如圖4所示。

圖4 直流電源電路圖

門禁控制器接收主控芯片發來的I/O端口信號，經驅動電路轉換后，控制繼電器開閉來執行門鎖開關動作。門禁控制器驅動電路如圖5所示，當控制信號端接收到低電平時，光電隔離芯片TIL117工作，A點處電平由低變高，NPN型晶體管導通，繼電器線圈通電并拉動觸點閉合，門鎖開啟；當控制信號端接收到高電平時，門鎖關閉。

圖5 門禁控制器驅動電路圖

系統硬件模塊上電后自動完成網絡鏈接、云計算平臺交互等系統初始化步驟，然后進入實時人臉檢測、身份識別、出入信息管理狀態。在保障用電安全的同時，提高門禁系統智能化水平[11]。

2.2 后臺管理設計

與系統硬件模塊類似，危化品實驗室門禁系統后臺管理操作同樣通過鏈接網絡端云計算平臺，與平臺層的虛擬化服務器單元進行信息交互。設計的后臺管理模塊包括人員管理、考勤管理、系統設置三部分，模塊組成如圖6所示。

圖6 后臺管理模塊組成

對進出人員的身份信息(如姓名、工學號等)、人臉圖片、進出權限進行錄入與匹配，上傳至云計算平臺虛擬數據庫中，以便系統實時身份識別時進行調取和比對[12]。當管理員進入后臺管理模塊，可對此部分信息進行新增、刪除、查找、修改操作。隨著人員進出實驗室，進出時間、人員姓名、門禁狀態等信息實時登記至云計算平臺數據庫中，匯總數據以考勤報表形式供管理員調取。

系統設置與系統運行及身份識別功能相關。通過設置相關初始化參數，使整個門禁系統自主完成云平臺鏈接、人臉圖片采集、人臉特征提取、網絡數據上傳、識別結果下載等操作。當系統運行異常時，系統可根據預置規則進行自動排錯處理。為防止“非準入”權限人員惡意反復“試入”或拆卸門禁系統硬件模塊，在電路板上增設防拆裝置和蜂鳴報警器；通過設置“報警事件”參數，系統可在非正常狀態下執行諸如采集人臉圖片、緊鎖門禁、鳴響示警等動作。

3 軟件開發

3.1 云計算平臺接入

軟件開發使用百度云平臺實現門禁系統身份識別功能。該云平臺接受以消息隊列遙測傳輸(message queuing telemetry transport, MQTT)協議方式的請求服務，該方式能使門禁系統在保活時間間隔內，向云平臺至少發送一次報文，從而使門禁系統在網絡條件不佳的情況下，依然可與云端服務器保持穩定連接。門禁系統與云平臺的接入過程為：(1)設置WIFI網絡，對WIFI模塊進行編譯。將主控芯片代碼easyiot.c的default_web_cfg函數中WIFI用戶名和密碼分別填寫至對應位置，系統上電后將會通過動態主機配置協議(Dynamic Host Configuration Protocol, DHCP)自動獲得IP地址。(2)將云計算平臺提供的API Key和Secret Key填寫到baidu_ai_face.c對應的宏中，同時將對象識別應用對應的宏打開，將 ifndef SUPPORT_CAM對應的0改成1，在線程序編譯并重新上電后，系統即完成與云計算平臺之間的鏈接。(3)在網絡連接成功后，門禁系統繼續向云平臺發送基于人臉圖像特征的身份識別主題訂閱命令，云平臺響應請求后，處理并返回識別結果供門禁系統使用。

3.2 人臉圖像檢測及調用

人臉圖像數據通過網絡上傳至云計算平臺后，平臺自動進行圖像檢測，確定是否符合人臉識別標準。首先進行質量檢測，通過調用face_field參數中的quality值實現。在返回的quality中，遮擋范圍(occlusion)，值0表示無遮擋，值1表示完全遮擋；模糊度范圍(blur)，值0表示最清晰，值1表示最模糊；圖像光照灰度值范圍(illumination)，值0表示光照不好，值255表示光照好。其他指標如姿態角度、圖像完整度等指標，需在上述指標進行檢測后進行，然后綜合判斷人臉圖像數據是否可成功讀取。在檢測完畢后系統請求URL數據格式，對圖像數據進行調用。調用流程為：向API服務地址使用POST發送請求；在URL中加入參數access_token,后進行Base64編碼；圖片經過Base64編碼，之后圖片數據編碼轉換為字符串；使用該字符串代替圖像地址。成功讀取編碼數據后，即可采用JPG數據格式結合POST上傳；接收HTTP響應，完成平臺圖像檢測及數據調用。

3.3 身份識別與門禁控制參數設置

要求門禁系統在日常場景下，當人臉實時圖像數據與事先錄入圖像數據相似度在80以上即為“可信”；小于80則重試，重試次數多于5次時，認為“不可信”，門禁不予開啟。要求人臉正面朝向攝像頭，捕獲的人臉圖像的俯仰角、傾斜角、圖像旋轉角度盡可能小，運動模糊小于0.15，高斯模糊小于0.25，人臉瞳間距不小于60px，人臉輪廓長寬不小于100px。在發生異常時，門禁可在“指定可信”要求下識別人臉并開啟門禁，或轉換為“手動控制”開啟關閉實驗室門禁，以確保人員安全。

4 門禁系統測試

在門禁系統各硬件模塊、后臺管理、云計算平臺接入運行正常的前提下，對人臉圖像檢測及身份識別功能進行測試。

選取身高范圍分別為155～170 cm，171～185 cm的兩組被試人員各40名(性別不限)，在某日8:00 AM～8:00 PM時段內(光照條件良好)，隨機前往門禁系統處接受人臉圖像檢測與身份識別。測得人員在距離攝像頭30～125 cm區間內，系統能成功采集人臉圖像并能在允許錯判1次前提下識別出人員身份。

為進一步測試分析門禁系統身份識別成功率，將上述兩組被試人員，按50%比例分別設置人員進出權限為“準入”和“非準入”。在測試過程中，規定被試人員與攝像頭之間的距離從30～125 cm擴展至10～165 cm。記錄被試人員距離攝像頭不同時，門禁系統身份識別成功率(允許錯判1次)如表1所示。

表1 門禁系統身份識別成功率

身份識別準確率和響應時間是門禁系統關鍵參數，本次測試以“系統檢測人臉圖像1次即可成功識別身份”作為準確率測定指標。在30～125 cm距離內，對兩組被試人員進行身份識別測試，統計不同距離的身份識別準確率，即1次識別成功人數與總人數的百分比，如圖7所示。與此同時，通過調用云計算平臺回調函數獲取系統身份識別響應時間，繪制測試距離與平均響應時間之間的關系如圖8所示。

圖7 門禁系統身份識別準確率統計

圖8 門禁系統識別響應平均時間統計

綜合圖7和圖8可知，門禁系統在被試人員與攝像頭之間的距離為40～105 cm時，身份識別準確率和響應時間均處在最優區間。取其中間值70 cm，在10:00 AM、3:00 PM、8:00 PM三個時刻進行測試，獲得門禁系統身份識別準確率和響應平均時間如表2所示。

表2 門禁系統身份識別準確率和響應平均時間

通過測試發現，影響門禁系統人員身份識別成功率、準確率和響應時間等指標的因素較多，除去門禁系統攝像頭拍攝距離和角度等人為可控因素，實驗室門禁系統周邊光照條件以及無線網絡條件也可能對指標值的波動造成影響。

5 結束語

加強危化品實驗室門禁系統安全性，提升實驗室門禁管理信息化水平是未來高校實驗室管理的發展方向。引入云計算平臺實現人員身份識別及其進出信息記錄，是近期危化品實驗室門禁系統實現低成本、輕量化、快速成型并投入使用的有效技術手段。本次設計采用嵌入式硬件系統結合商業云平臺，實現危化品實驗室門禁系統進出人員臉部圖像采集處理與身份識別。經測試，人員身份識別成功率、準確率、響應時間均在適用范圍內。

值得注意的是，云計算環境下的危化品實驗室門禁系統數據安全與隱私保護，可能成為此項技術推廣應用的制約因素。隨著云計算平臺研究深入，各類隱私增強技術如：等價類匿名、差分隱私防跟蹤技術、區塊鏈技術將引入其中，使新型危化品實驗室門禁系統在安全性、可擴展性、開發成本等方面更具競爭優勢。