基于人臉識別門禁系統的應用與研究

馬飛

（中國電建集團貴陽勘測設計研究院，貴州 貴陽 550081）

0 引言

人臉識別是基于人的面部特征信息進行身份識別的一種技術，它通過電子儀器采集圖像中的人臉信息，經過圖像檢測和分析，對捕捉到的人臉進行跟蹤和鑒別，以確定身份是否合法[1]。與指掌紋識別技術相比，人臉識別技術具有非接觸性、高安全性、難以偽造等特點，使用靈活，識別率高，因此廣為人們所接受，是未來身份鑒別的主流技術與發展趨勢。

1 人臉識別核心技術及實現原理

1.1 人臉識別檢測算法

傳統人臉檢測算法主要有兩種：其一是基于特征匹配的檢測算法，利用人臉的面部骨骼特征、器官特征、膚色特征，通過先驗知識將人臉圖像以特征表示出來，在進行人臉檢測時通過面部輪廓、皮膚顏色、器官的形狀大小、相對距離等信息，來判斷待檢測的圖像中是否存在人臉[2]。其二是基于模型匹配的檢測算法，通過預先設定器官形狀大小及相對位置、皮膚顏色、面部骨骼輪廓等各種人臉參數來建立人臉模型庫，在進行人臉識別時通過將檢測到圖像與人臉模型庫中的模型進行匹配，若達到匹配要求，比如相似度達到90%以上則匹配成功，判定檢測到的圖像為人臉[3]。

以上兩種檢測算法在實際使用過程中可能會受到站立姿態、面部表情、光線明暗程度等因素影響，大大降低了人臉識別的實時性和準確性，用戶體驗較差。

深度學習是通過模擬人類大腦的學習機制，由淺入深地構建多層次的神經網絡單元來學習，通過將大量的圖片輸入到神經網絡中進行模擬訓練，逐步修正模型和算法，使其最終能快速準確地區分出不同的人臉。

神經網絡算法對不清晰的圖像會進行超分辨率重建，即利用低分辨率圖像生成高分辨率圖像。根據信號相關性原理，通過模擬插值法將其放大到目標的實際大小，再通過映射函數生成結果，作為高分辨率圖像輸出，從而增強了特征的判別性，提高了人臉識別的準確性和實時性。

1.2 人臉識別實現原理

識別人臉的基本原理是通過將前端人臉識別儀檢測到的人臉圖像與后端存儲的人臉庫中的人臉特征向量進行匹配，以此來判別身份的合法性。

在計算機人臉識別過程中，首先將人臉最外在的特征如眼睛大小和形狀、鼻子的大小和形狀、嘴巴的大小和形狀、眉毛的大小和形狀等信息理解成最外層人臉特征向量；其次將五官的位置、相對距離、面部骨骼輪廓、臉上的皺紋斑點等信息理解成中間層人臉特征向量；最后將人臉信息抽象，提煉出人臉不隨拍攝的角度、光線的明暗程度等因素影響的特征，理解為最里層人臉特征向量[4]。隨著人臉特征向量逐層深入，一層比一層更加可靠。

人臉識別讀頭進行識別時，通過設備產生的微電子流深入人臉識別深層獲取人臉識別信息，可對人工制造的人臉識別套和人臉識別膜進行自動防偽鑒別，只針對真實的人臉進行識別驗證，杜絕一切真實人臉之外的物質，防止偽造人臉。

2 人臉識別門禁系統設計與實現

2.1 系統的模型設計

通過攝像頭采集到圖像后，經過人臉檢測系統進行檢測，若識別到目標，則將檢測到的人臉信息進行預處理，采集人臉特征信息，通過人臉識別系統將檢測到的人臉數據信息與人臉庫中的人臉特征數值進行比對。若為合法用戶，人臉識別系統就向門禁控制系統下達開閘放行指令，同時將信號發送到顯示系統顯示人員信息，并根據設定的場景進行語音播報；若為非法用戶，則進行語音報警提示。內部員工人臉識別門禁管理系統模型如圖1所示。

圖1 內部員工人臉識別門禁管理系統模型圖

外部人員來訪時，首先進行人臉圖像采集，并將采集到的訪客信息推送到人臉識別門禁系統。在訪客通過門禁設備時，由人臉識別儀拍攝采集到人臉圖像信息后，經過人臉檢測系統進行檢測。若識別到目標，則將檢測到的人臉信息進行預處理，采集人臉特征信息，并通過人臉識別系統將檢測到的人臉數據信息與人臉庫中的人臉特征數值進行比對。若為合法用戶，人臉識別系統就向門禁控制系統下達開閘放行指令，同時將信號發送到顯示系統顯示人員信息，并根據設定的場景進行語音播報；若為非法用戶，則進行語音報警提示。來訪人員人臉識別門禁管理系統模型如圖2所示。

圖2 來訪人員人臉識別門禁管理系統模型圖

2.2 系統的架構設計

本系統架構如圖3所示，從邏輯上劃分為三個功能模塊，即信息采集模塊、數據分析模塊、指令執行模塊。其中，信息采集模塊主要為前端紅外感應器和人臉識別儀，當有人靠近門禁閘機時，紅外感應器感應到熱源，人臉識別儀自動打開，進行人臉圖像進行捕捉檢測，并將識別到的人臉信息傳回數據分析模塊。數據分析模塊主要為人臉檢測分析系統，對前端人臉識別儀傳回的數據進行預處理，采集人臉特征信息，并通過人臉識別系統將檢測到的人臉數據信息與后臺人臉庫中的人臉特征數值進行比對，判斷是合法用戶還是非法用戶，并將判斷結果傳回指令執行模塊。指令執行模塊根據數據分析模塊傳回的指令執行相應的動作，若為合法用戶，人臉識別系統就向門禁控制系統下達開閘放行指令，同時將相關信息發送到顯示系統顯示人員信息，并根據設定的場景進行語音播報，若為非法用戶，則進行語音報警提示。

圖3 人臉識別門禁管理系統架構圖

2.3 系統的部署實施

本系統由紅外感應器、高清人臉比對分析儀、門禁管理軟件、門禁控制器、UPS備用電源和計算機網絡共同組成。

其中，高清人臉比對分析儀內置了人臉識別算法，可自動完成人臉捕捉過濾、特征值提取，并將檢測到的人臉數據信息與后臺人臉庫中的人臉特征數值進行比對，判斷是合法用戶還是非法用戶，最后輸出人臉識別結果到顯示系統，將通行人員的主要信息實時地顯示出來，比如該通行人員的姓名及人臉圖像等，并根據設定的場景進行語音播報，如進門時播報歡迎光臨，出門時播報一路平安。對于非法闖入的人員，則進行語音報警提示，播報未授權用戶等。

同時，本系統為來訪人員定制開發了訪客管理系統，來訪人員通過關注企業微信公眾號來提交訪客信息，如訪客姓名、人臉圖片、手機號碼、車牌號碼、所在單位、訪問事由等，并通過被訪人員的工作手機號來查詢和選擇被訪人員，待被訪人員審批通過之后，來訪人員的人臉圖片數據會上傳到后端的訪客管理系統，并通過訪客管理系統把當前的人臉圖片信息同步到授權的所有通道人臉識別門禁設備，實現來訪人員在授權允許通行的門禁設備上都可以通過人臉識別的方式進行通行，既提高了門禁管理的效率，又提高了人員管理的安全性。

此外，為門禁系統配置了專門的小型UPS備用電源，保證在市電斷電的情況下門禁設備正常工作，不影響人員通行。

其系統執行步驟如圖4所示：

圖4 人臉識別門禁管理系統執行步驟

步驟1：系統初始化，檢測各設備的各項參數是否正常，設備是否正常開啟。

步驟2：前端設備采集人臉圖像信息，并進行預處理，提取人臉特征信息。

步驟3：進行人臉識別判斷，即將檢測到的人臉數據信息與后臺人臉庫中的人臉特征數值進行比對，判斷是合法用戶還是非法用戶。

步驟4：如果檢測到的人臉屬于人臉庫，就判定為合法用戶，即下達開閘放行指令，并根據設定的場景進行語音播報，如進門時播報歡迎光臨，出門時播報一路平安等。如果檢測到的人臉不屬于人臉庫，則判定為非法闖入人員，即進行語音報警提示，播報未授權用戶等[5]。

經過系統測試與試運行，實地驗證了本系統進行人臉識別門禁管理的基本功能，其識別的準確率及實時性均達到了設計的預期效果。

3 結論

本系統實現了人臉識別門禁管理的基本功能，達到了設計的預期效果。針對利用深度學習技術進行人臉識別時，系統反應時間偏長的問題，我們需要對算法進行再研究，將其中能夠并行處理的部分采用多線程技術進行優化。在近幾年的實踐中，卷積神經網絡(Convolution Neural Networks，CNN)在人臉識別方面取得了較大成功，目前流行的性能較好的算法如 Deep ID、Deep Face均采用了該結構。今后的努力方向是研發更加強大的人工智能算法，使得人臉識別門禁系統識別精度更高，識別速度更快，系統更加智能化和人性化。