MTCNN和樹莓派的人臉識別快遞寄取系統(tǒng)研究

馬京晶 陳堰 謝浩

摘 要：對于物流行業(yè)中的寄取快遞而言，安全和效率都非常重要。論文運用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)MTCNN和Facenet人臉識別方法，在輕量級微型電腦樹莓派上搭建系統(tǒng)，采用Tensorflow框架，并在人臉檢測過程中采用橢圓框選和姿態(tài)估計兩次采集約束條件分別約束人臉位置和活體檢測，實現(xiàn)人臉識別的功能。通過準(zhǔn)確的人臉識別，規(guī)范寄取快遞行為，運用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的識別準(zhǔn)確性和樹莓派的輕便特性，在一定程度上提高快遞寄取過程中的安全性和效率。

關(guān)鍵詞：MTCNN;人臉識別;樹莓派;快遞寄取

0引言

隨著快遞業(yè)務(wù)的爆發(fā)式增長，落后的硬件設(shè)施、軟件技術(shù)以及監(jiān)管不到位的問題也隨之顯現(xiàn)，導(dǎo)致在快遞寄取中出現(xiàn)了若干問題[1]。這些問題主要集中在兩方面，一是效率低，傳統(tǒng)取快遞是通過取件碼等待取件員查找領(lǐng)取;二是安全系數(shù)低[2]，如利用快遞販毒走私、運送違禁品、快遞冒領(lǐng)、誤領(lǐng)等情況時有發(fā)生。

論文基于人臉識別技術(shù)的有效性、安全性特點，通過研究人臉識別技術(shù)在快遞寄取過程中的應(yīng)用，運用人臉識別技術(shù)，開發(fā)和設(shè)計一個能精確識別人臉且搭載于輕量化微型電腦上的人臉識別系統(tǒng)。本系統(tǒng)的開發(fā)與應(yīng)用可以一定程度上提高快遞寄取過程中的安全性與效率。

1系統(tǒng)設(shè)計

系統(tǒng)的工作原理是：在自助取件快遞柜屏幕區(qū)放置攝像頭，如果有人取快遞則攝像頭會自動捕捉人臉，當(dāng)人臉靜止不動時攝像頭自動對人臉進行拍照，拍照后樹莓派對圖片進行預(yù)處理、分割等一系列操作，將分割和預(yù)處理好的人臉圖片上傳至云端進行人臉對比，如果該人臉圖像在數(shù)據(jù)庫中存在，則提取該圖像取件ID信息，將取件ID再次與快遞柜中的取件ID進行對比，如果該取件ID存在于快遞柜中，則打開相應(yīng)的快遞柜，否則提示“對不起，您沒有待取快遞”字樣，并同時保存此人的人臉信息并生成新的ID。原數(shù)據(jù)庫中的人臉圖像通過兩種方式獲取，一種是在安裝人臉識別模塊初期手動錄入小區(qū)或?qū)W校所有人臉圖片，另一種在取件寄件過程中將但沒有取件成功的人臉或第一次寄件的人臉圖像自動保存到數(shù)據(jù)庫中。

2相關(guān)算法

首先采用人臉檢測算法MTCNN[3]檢測出復(fù)雜背景下的人臉;其次把人臉圖像輸入到faceNet[4]中，計算特征向量;最后比較特征向量間的歐式距離，判斷是否為同一人，例如當(dāng)特征距離小于1的時候認(rèn)為是同一個人，特征距離大于1的時候認(rèn)為是不同人。

從圖像中找到人臉位置，一般為了簡化運算只需要得到人臉位置的兩個坐標(biāo)（左上角和右下角），通過這兩個點圍城一個矩形作為人臉?biāo)趨^(qū)域。MTCNN（Multi-task Cascaded Convolutional Networks）算法通過3個CNN級聯(lián)的方式對任務(wù)進行從粗到精的處理，可以同時完成人臉檢測和人臉對齊的任務(wù)，相比于傳統(tǒng)的算法，它的性能更好，檢測速度更快[5]。

首先使用人臉分類的交叉熵?fù)p失函數(shù)，目的是檢測是否人臉圖像，如公式（1）所示：

上式中，是人臉識別的概率，只能取0或者1，是圖像數(shù)據(jù)的標(biāo)簽。

邊界框回歸采用基于歐氏距離的回歸函數(shù)：

上式為通過歐氏距離計算的回歸損失。其中，表示回歸框，通過網(wǎng)絡(luò)預(yù)測得到，表示標(biāo)注框，為實際的真實的背景坐標(biāo)。

地標(biāo)定位：

上式計算網(wǎng)絡(luò)預(yù)測的地標(biāo)位置和實際真實地標(biāo)的歐式距離，并最小化該距離。其中，表示網(wǎng)絡(luò)輸出，為通過網(wǎng)絡(luò)預(yù)測得到，表示標(biāo)注點的位置，為實際的真實的地標(biāo)坐標(biāo)。

利用歐式距離計算向量的相似度，歐式距離越小相似度越大。采用基于深度學(xué)習(xí)算法的人臉識別系統(tǒng)，相比于傳統(tǒng)系統(tǒng)人臉識別系統(tǒng)，在處理流程和處理思路上要求更高，難度系數(shù)也更大，且隨著數(shù)據(jù)集的增擴，識別的準(zhǔn)確率會越來越高。

3實驗結(jié)果

3.1 MTCNN人臉檢測

基于Facenet 項目實現(xiàn)的MTCNN 做人臉檢測，使用tensorflow 作為深度學(xué)習(xí)框架，模型最終得到預(yù)測邊框以及預(yù)測到的5個關(guān)鍵點。

3.2 采集約束

在實際實驗過程中，在主動配合的人臉圖像情況下，可以直接檢測并獲取該人臉圖像，在不配合的人臉情況下，則無法獲取該人臉圖像，因此論文采用兩個采集約束，即橢圓約束人臉框選位置及姿態(tài)估計約束人臉偏移角度確保實際人臉。橢圓約束是在屏幕上生成一個橢圓，通過橢圓來限制人臉位置。姿態(tài)估計約束指通過多幀之間偏移角度的連續(xù)性來判斷是否是活體，在一定程度上抵御了照片的攻擊。

3.3 人臉比對

檢測到的最佳幀中的人臉圖像通過深度神經(jīng)網(wǎng)絡(luò)提取特征，同時計算庫中人臉的深度特征，比較待測人臉特征與人臉庫中特征之間的距離，完成人臉識別。比對結(jié)果如圖1所示：

4結(jié)論

論文是基于MTCNN和faceNet設(shè)計的人臉識別系統(tǒng)，實現(xiàn)對當(dāng)前快遞寄取環(huán)節(jié)的身份識別及認(rèn)證，該系統(tǒng)會隨著試驗次數(shù)的增加，準(zhǔn)確率逐漸增高，無限趨近于100%;采用樹莓派檢測人臉圖像，由于樹莓派體積小、成本低、便捷開發(fā)、云平臺開發(fā)模式等優(yōu)勢，不需要上傳圖像至網(wǎng)絡(luò)進行比對，大大提升了識別效率。通過準(zhǔn)確的人臉識別，規(guī)范寄取快遞行為，從而在一定程度上提高快遞寄取過程中的安全性，避免人證不一，減少通過快遞走私犯法的案件發(fā)生，提高身份驗證的便利性;同時，通過快速的人臉識別，加快快遞業(yè)務(wù)員的作業(yè)效率，也能提高快遞業(yè)務(wù)環(huán)節(jié)的時效性，減少錯取誤取的情況發(fā)生。

參考文獻

[1] 張錦，陳義友.物流“最后一公里”問題研究綜述[J].中國流通經(jīng)濟，2015，29（04）：23-32.

[2] 黃惠良，吳志華.大數(shù)據(jù)時代的物流信息安全意識亟待強化[J].物流技術(shù)，2013（22）：18-23.

[3] 邵蔚元，郭躍飛.多任務(wù)學(xué)習(xí)及卷積神經(jīng)網(wǎng)絡(luò)在人臉識別中的應(yīng)用[J].計算機工程與應(yīng)用，2016，52（13）：32-37+88.

基金項目：中國物流學(xué)會中國物流與采購聯(lián)合會（2020CSLKT3-222）.

作者簡介：馬京晶（1992—），女，四川蒼溪人，助教，碩士，研究方向：人工智能、數(shù)據(jù)分析.