基于深度學(xué)習(xí)的人臉識別算法在安防領(lǐng)域的應(yīng)用綜述

嚴(yán) 沛

（華南師范大學(xué) 計(jì)算機(jī)學(xué)院，廣東 廣州 510000）

1 概述

人臉識別技術(shù)是指能在圖像、視頻中識別和認(rèn)證人的一種技術(shù)[1]，如今相較于其他生物識別技術(shù)，如：指紋認(rèn)證、虹膜認(rèn)證，人臉識別技術(shù)顯得更加成熟，也更受到大家的歡迎。如今，深度學(xué)習(xí)方法的出現(xiàn)，極大的加快了人臉識別技術(shù)的進(jìn)程，通過卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和驗(yàn)證，精確率可達(dá)接近100%。

人臉識別系統(tǒng)通常由以下幾塊組成[1]：

人臉檢測：使用設(shè)備標(biāo)記人臉的面部特征，并記錄重要部位的位置，重要區(qū)域需要用矩陣標(biāo)記出來。

人臉對齊：使用一組參考點(diǎn)來定位圖像中固定的幾個(gè)重要的位置和區(qū)域，再通過圖像的縮放和裁剪，進(jìn)行對齊處理。在2D人臉對齊中，可以通過仿射變換完成人臉對齊操作，隨著技術(shù)的發(fā)展，也有更加復(fù)雜的3D人臉識別算法能夠?qū)崿F(xiàn)人臉的轉(zhuǎn)正，通過改變?nèi)四樀奈恢檬蛊涿嫦蛘胺健?/p>

人臉表征：人臉的像素值可以轉(zhuǎn)換成特征向量，理論上屬于同一人臉的不同圖像都將被映射成相似的特征向量。

人臉匹配：將圖片中人臉的特征向量做比對，當(dāng)兩幅圖片特征向量的差異小于指定的閾值時(shí)，可以判定兩張人臉圖片來源于一個(gè)人。

如今，現(xiàn)在使用最廣泛的視頻監(jiān)控技術(shù)通過攝像頭捕捉信息，再將信息實(shí)時(shí)傳回監(jiān)控室，由工作人員監(jiān)視視頻的信息，這種做法不僅需要耗費(fèi)人力，而且效果并不理想，人們的注意力最多僅能堅(jiān)持20分鐘，20分鐘之后，能獲取的有效信息不超過10%[2]；隨著人臉識別技術(shù)的發(fā)展，基于人臉識別技術(shù)的智慧監(jiān)控也逐步運(yùn)用到了安防行業(yè)中，從客觀記錄到主動(dòng)識別，檢測到目標(biāo)時(shí)能發(fā)出警報(bào)并對目標(biāo)進(jìn)行跟蹤，讓安全防護(hù)更有保障。

2 人臉識別技術(shù)在安防領(lǐng)域的應(yīng)用

2.1 公共場合治安維護(hù)

2.1.1 問題背景

以往我們通過派駐專門的安防人員去維護(hù)治安，但這種方式也存在著許多弊端：其一，無法及時(shí)發(fā)現(xiàn)安全隱患；其二，需要耗費(fèi)大量的人力物力。鑒于此，我們更需要一種能將攝像終端獲取的圖片和視頻進(jìn)行傳輸并存儲(chǔ)，再用人工智能算法對存儲(chǔ)內(nèi)容進(jìn)行分析，從而實(shí)現(xiàn)服務(wù)的集成和信息化的技術(shù)——智慧安防技術(shù)，為我們的生活安全提供更大的保障。

2.1.2解決方案：基于樹莓派和TensorFlow的視頻監(jiān)控系統(tǒng)

（1）硬件設(shè)施

樹莓派單片機(jī)。樹莓派設(shè)備是基于Linux操作系統(tǒng)的單片機(jī)，體積小，但它能完成大部分計(jì)算機(jī)所能完成的功能：如網(wǎng)絡(luò)瀏覽、文字編輯、數(shù)據(jù)處理、信號發(fā)送，解決方案中采用的設(shè)備類型為：樹莓派三代B型。

攝像設(shè)備。攝像頭模塊選擇了：5MP Camera Board Module。攝像頭的廣角鏡頭最大旋轉(zhuǎn)角度為120°，攝像頭水平最大旋轉(zhuǎn)角度為270°，寬廣的視角有利于攝像頭捕獲更多的信息進(jìn)行分析，追蹤目標(biāo)的運(yùn)動(dòng)軌跡。

（2）軟件部署

在樹莓派上用Linux語言部署Python環(huán)境，并安裝TensorFlow和OpenCV框架。

（3）算法研究

Facenet使用TensorFlow框架下的卷積神經(jīng)網(wǎng)絡(luò)技術(shù)用于人臉識別，其中最核心的部分是三重?fù)p失方法。

首先，我們將圖片x向量化，需要找到一個(gè)嵌入函數(shù)（f x），使得x能映射到d維特征空間Rd中，目標(biāo)是讓同一人的面部特征之間相對距離盡可能減小；不同人的面部特征之間的相對距離盡可能增大，從而達(dá)到區(qū)別人臉的效果。三重?fù)p失的主要思想是通過輸入的三幅圖片：目標(biāo)圖片（記為）、負(fù)樣本圖片（記為）、正樣本圖片（記為）。和可視為身份信息相似，和可視為身份信息不相似。然而對于這種方法而言，仍有一些特殊的情況要考慮進(jìn)去，當(dāng)模型在學(xué)習(xí)訓(xùn)練的過程中，可能會(huì)給不同的圖片作出相同的編碼，導(dǎo)致距離為0，因此我們要設(shè)置一個(gè)超參數(shù)α使得的距離總存在一個(gè)值。三重?fù)p失關(guān)系表達(dá)式為：

Facenet網(wǎng)絡(luò)的結(jié)構(gòu)為：第一部分是批輸入層，第二部分是深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，這里我們采用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（以下簡稱CNN），連接的下一層局部連接層用于歸一化處理，連接的下一層為嵌入層，最后一部分為三重?fù)p失函數(shù)。

（4）調(diào)試與分析

通過樹莓派讀取攝像頭捕獲的畫面和視頻進(jìn)行分析，使用TensorFlow模型的卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network，以下簡稱CNN）算法進(jìn)行人臉識別和比對，檢測是否有目標(biāo)對象和異常事件，將捕獲與分析的信息通過無線網(wǎng)絡(luò)發(fā)送到指定終端。我們通過調(diào)整監(jiān)控距離的大小，測試視頻監(jiān)控最多能檢測到的人的數(shù)量，結(jié)果如表1所示。

2.1.3 總結(jié)

基于樹莓派單片機(jī)的人臉識別技術(shù)，促進(jìn)了安防工作智能化發(fā)展，與以往相比，減少了大量人力物力的消耗，關(guān)鍵信息記錄和報(bào)告也更加準(zhǔn)確及時(shí)。攝像頭的攝像范圍寬廣，捕獲的信息量大，方便了對特定成員的追蹤；分析結(jié)果可以通過無線網(wǎng)絡(luò)發(fā)送到終端。所有用戶可以在幾乎同一時(shí)間內(nèi)收到信息，有效避免信息逐級報(bào)送產(chǎn)生的時(shí)延。人臉識別技術(shù)同樣可以對異常事件進(jìn)行檢測，比如：打架斗毆、人群擁塞等，檢測到異常事件時(shí)能夠根據(jù)需要進(jìn)行蜂鳴報(bào)警，并立即反饋信息。人臉識別技術(shù)可以識別人的特征信息，比如：大致年齡、性別，帶有紅外線探測功能的攝像頭還可以檢測人們的體溫，有利于疫情防控常態(tài)化管理。

2.2 云端身份認(rèn)證

2.2.1 問題背景

乘坐火車或飛機(jī)的時(shí)候，工作人員要對我們每個(gè)人進(jìn)行身份認(rèn)證，防止無關(guān)人員進(jìn)入侯乘區(qū)域，方便乘車人員軌跡追蹤，為侯乘區(qū)域乃至整個(gè)旅途提供安全保障。以往身份認(rèn)證是通過人工審核的方式進(jìn)行。如今，隨著智慧城市在全國各地遍地開花，身份認(rèn)證的形式也更加智能化。

2.2.2 解決方案：基于DeepFace的人臉驗(yàn)證技術(shù)

（1）方案主要步驟

圖1是人臉驗(yàn)證系統(tǒng)流程圖。首先，通過攝像頭和云端感應(yīng)設(shè)備，捕獲人的頭像、將身份證上的信息讀入邊緣管理設(shè)備。然后，由邊緣管理設(shè)備向云服務(wù)器上傳身份信息，云服務(wù)器根據(jù)信息回傳對應(yīng)的人像至邊緣管理設(shè)備處，由邊緣管理設(shè)備對這兩張人像進(jìn)行比對，最后將結(jié)果回傳至響應(yīng)端和云服務(wù)端。

（2）DeepFace人臉驗(yàn)證算法分析[5]

表1 視頻監(jiān)控系統(tǒng)在不同距離下人流量的統(tǒng)計(jì)

圖1 人臉驗(yàn)證系統(tǒng)流程圖

人臉驗(yàn)證的主要步驟為：人臉檢測、人臉對齊、人臉表示、人臉比對。

人臉檢測：目前，深度學(xué)習(xí)算法是目前比較受歡迎的人臉識別算法，通過圖像中的面部特征從多個(gè)復(fù)雜混合的物品對象中識別出人臉，并用方框標(biāo)記出人臉的大致區(qū)間。

人臉對齊：人臉對齊是一種計(jì)算機(jī)視覺領(lǐng)域的修正技術(shù)，目前主要用于識別數(shù)字圖像中的人臉結(jié)構(gòu)。假如能給定臉部的位置和尺寸大小，系統(tǒng)就能自動(dòng)估算出面部組成部分的形狀，比如：眼睛、鼻子、耳朵等。人臉對齊程序通過反復(fù)調(diào)整可變形模型，對臉部形狀和外貌特征進(jìn)行編碼，再從底層圖像挖掘相關(guān)信息以證明所查找的人臉與給定圖片中的人臉相吻合。

人臉表示：將尺寸為152×152像素經(jīng)過3D對其處理的RGB3通道圖片傳遞給具有32個(gè)11×11×3尺寸濾波器的卷積層C1，接著傳入最大池化層M2，該層采用最大的3×3空間構(gòu)成，每個(gè)通道的步長為2，之后連接的是含有16個(gè)尺寸為9×9×16過濾器的卷積層C3。這三層的主要目的是提取像簡單邊緣紋理的底層特征。之后的三層為局部連接層L4、L5、L6，就如同其他卷積層一樣，應(yīng)用了濾波器組。但是特征圖中的每個(gè)位置都由不同的濾波器組進(jìn)行采樣處理。最后兩層F7和F8為全連接層，每個(gè)輸出單元對應(yīng)輸入單元，這些層能捕獲到在圖像邊緣特征之間的相關(guān)性，例如眼睛和嘴巴的形狀與位置。

人臉分類：人臉分類依靠加權(quán)χ距離完成，相似性通過下面的方程表示：

f1，f2表示經(jīng)過DeepFace算法處理過的兩個(gè)圖片向量，權(quán)重參數(shù)用一個(gè)線性支持向量機(jī)算法直接訓(xùn)練，

當(dāng)χ2（f1，f2）數(shù)值越來越小，且低于一定的閾值時(shí)，人臉識別設(shè)備可以判定該人確實(shí)是目標(biāo)本人。

（3）調(diào)試結(jié)果與分析

在數(shù)據(jù)集中，我們使用了不同的規(guī)模，在數(shù)據(jù)集中選擇1500人、3000人、4000人的面部數(shù)據(jù)作為測試集或訓(xùn)練集，并用DeepFace網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練后的網(wǎng)絡(luò)名稱記為：DF-1.5K，DF-3K，DF-4K，其分類誤差率分別為：7.00%、7.22%、8.74%。

在YTW數(shù)據(jù)集上，我們?yōu)槊恳粋€(gè)視頻創(chuàng)建了50個(gè)視頻幀，并根據(jù)視頻訓(xùn)練對，給他們標(biāo)記為相同或不相同，用視頻幀去訓(xùn)練模型。我們再從測試集中抽100幀用于測試，最終準(zhǔn)確率為92.5%。

在LFW數(shù)據(jù)集上，將所有LFW圖像在相同管道上處理并在SFC數(shù)據(jù)集上訓(xùn)練，采用無監(jiān)督的訓(xùn)練方式，最終模型準(zhǔn)確率可達(dá)97.5%。

2.2.3 分析

人臉驗(yàn)證技術(shù)發(fā)展相對成熟，精確率高達(dá)97%，識別時(shí)間也相對較快，捕獲和比對的信息也能及時(shí)記錄云端，為特定目標(biāo)的軌跡追蹤提供便利。但人臉認(rèn)證技術(shù)依然有著其不足，戴眼鏡、帽子、口罩都會(huì)導(dǎo)致人臉驗(yàn)證的精確度大打折扣。目前我們可以使用優(yōu)化的注意力算法模型，盡可能地找出未被覆蓋的面部特征去進(jìn)行人臉識別操作。

3 結(jié)束語

人臉識別算法的成熟推進(jìn)了智慧安防行業(yè)的發(fā)展，智慧安防需要三種設(shè)備共同協(xié)助完成：攝像設(shè)備、邊緣處理設(shè)備、云服務(wù)設(shè)備。由攝像設(shè)備捕獲信息并傳入邊緣處理設(shè)備，邊緣處理設(shè)備使用人臉識別算法對信息進(jìn)行處理，并將處理結(jié)果上傳至云端進(jìn)行匹配操作，最后將匹配結(jié)果回傳至終端，如此，管理人員和安防人員就能實(shí)時(shí)在終端上看到信息。智慧安防最核心的部分是人臉識別算法，文中綜述了基于TensorFlow的人臉識別算法和基于DeepFace的人臉驗(yàn)證算法。但人臉識別算法也有其不足，當(dāng)人臉被部分遮蓋時(shí)，識別精確率會(huì)降低，要如何提高人臉被部分遮蓋時(shí)，人臉識別算法的正確率，也是后面人臉識別應(yīng)用于安防領(lǐng)域的一個(gè)重要課題。