基于面部識別的智能酒店管理系統

于燕秀 俞睿 嚴飛杰

摘? ?要： 面部識別技術便利性好、識別率已經比較精確，在內部網絡安全且個人安全要求高的地方，逐漸成為人機交互的關鍵技術，如酒店房間在智能開鎖等領域具有應用需求。提出一種基于面部識別的智能酒店管理系統：以STC15W4K58S4作為主控芯片，依靠OpenCV開源計算機視覺庫，實現面部識別;采用Wi-Fi模塊ESP8266、藍牙數據接收模塊HC-05，達成通信聯橋，實現無線通信;采用語音播報模塊JQ8400FL-10P、紅外對管傳感器HC-SR501、三軸加速度傳感器模塊，實現語音控制、防盜報警等功能。搭建完整的系統構架，對面部識別系統和防盜報警系統進行實驗測試，表明經過多次高效訓練后，系統能夠達到很好的面部識別效果，且可通過人臉識別和門狀態檢測綜合判斷是否發出報警信號。系統識別靈敏，抗干擾性好，適用于刷臉識別門禁、智能家居等場景的人機交互。

關鍵詞： 面部識別; STC15W4K58S4;語音控制;防盜報警;智能酒店管理

引言

智能開鎖是人類在日常生活中的一個基本需求。如何通過人機交互（Human Computer Interaction），科學化、智能化地打開門禁設備，是智能開鎖技術中的一個關鍵問題。當前，脫離傳統的鑰匙開鎖、IC卡開鎖，指紋識別、瞳孔識別以及面部識別等智能開鎖技術逐漸涌現，其中面部識別由于具有高便利性、精確識別率等優勢，在市場上得到了廣泛普及[1]。

面部識別是一種基于生物體表特征的智能識別技術，其通過攝像頭抓取圖像，完成人體信息采集[2]，無需接觸人體即可獲取其特征數據[3]。將圖像與底層數據庫核實、比對，即可確定身份信息[4]，實施開鎖等操作。

本文提出一種基于面部識別的智能酒店管理系統，其面部識別功能基于OpenCV開源計算機視覺庫來完成，其中依靠樹莓派作為執行平臺。該平臺能夠完成人體紅外識別、顏色識別、物體機械運動狀態監控等功能，有效地識別生物特征以及機械運動特性，具有檢測精度高、實用性強、能經過多次訓練提高對面部個性特征的區分精度等優點[5]，非常適用于在酒店中進行實時面部識別[6]。此外，系統采用STC15W4K58S4作為主控芯片，配合無線傳輸、語音控制、語音播報等功能，綜合應用嵌入式系統、數據庫系統、Android Studio系統等，通過面部識別實現酒店預定、登記入住、開門、退房、防盜報警等一系列的智能管理功能，打造真正意義上的“刷臉酒店”。

1? 系統總體方案

系統主要完成三大功能，即面部識別、語音控制、防盜報警。基于面部識別的智能酒店管理系統的硬件結構如圖1所示。

系統控制部分采用STC15W4K58S4單片機，面部識別主要依賴OpenCV開源計算機視覺庫的樹莓派來完成。為了保證酒店顧客的生物信息安全，面部識別數據需要加密存儲，并且與顧客其他信息分別存儲。當顧客退房時，對面部識別數據進行銷毀。語音播報模塊采用JQ8400FL-10P，防盜報警借助紅外對管傳感器HC-SR501、三軸加速度傳感器模塊進行感測，可應對入侵者“撬鎖”、“破門而入”、“破壞門鎖”等情況。同時，系統采用藍牙數據接收模塊HC-05、Wi-Fi模塊ESP8266達成通信聯橋。

2? 系統設計原理

2.1? 基于OpenCV的人臉識別系統

OpenCV具備很高的計算效率，可專門用于實時應用，因此，非常適用于借助攝像頭實現實時人臉識別。要創建完整的人臉識別項目，必須完成3個階段。

2.1.1? 人臉檢測和數據收集

要實現人臉識別，首先必須“捕捉”到人臉，并進行檢測訓練。常見的人臉檢測方式是使用Haar 級聯分類器，這是一種機器學習方法，其基于大量正類圖像（人臉圖像）和負類圖像（不帶人臉的圖像）來訓練分類器，從中提取特征，用于檢測圖像中的對象。OpenCV平臺提供了此類訓練分類器供使用，本系統將其用于人臉檢測和數據收集。

2.1.2? 識別器訓練

識別器訓練是指從數據庫中抽取所有的用戶數據，并訓練OpenCV識別器，此過程可由特定的OpenCV函數直接完成。訓練完成后，將數據保存為.yml文件，作為人臉識別的參照模型數據。

2.1.3? ?面部識別

面部識別通過攝像頭捕捉人臉，如果此人的面孔之前被捕捉和訓練過，識別器將會返回其預測的id和索引，并反饋識別器對于該判斷的相似度，以作為參考。

本系統可以完成物體運動檢測、顏色區分、人臉數據庫對比。基于此，系統將給出準確的判斷，驅動執行機構做出選擇。面部識別原理如圖2所示。要實現面部識別，首先攝像頭會對視覺內所有物體的顏色進行判決，感應到物體運動狀態改變后，即會觸發跟蹤：如設置紅色追蹤，就會檢測到所有紅色物質，并進行實時追蹤;如感應到人臉，即會與視覺庫內所存儲面部信息進行比對，核實正確后開鎖。同時，系統采用紅外攝像頭，能夠有效對照片與正常人臉進行區分，通過紅外對管傳感器分析出照片，使其無法直接開門。

2.2? 防盜報警模塊

防盜報警模塊對室內人體的感應主要采用紅外對管傳感器HC-SR501，此模塊基于紅外線技術，采用LHI778探頭設計，靈敏度高，可靠性好。紅外對管工作邏輯示意圖如圖3所示。紅外對管傳感器檢測到有人體經過時，會將信號傳給單片機，單片機通過藍牙開啟人臉識別模塊，對人臉進行識別。識別后的結果會重新發給單片機處理，單片機自動判斷并控制繼電器，對電磁鎖執行開門操作或報警處理。

3? 系統軟硬件設計

控制系統主控芯片采用STC15W4K58S4，它是宏晶科技（北京）有限公司生產的單時鐘/機器周期（1T）的單片機，指令代碼完全兼容傳統8051，但速度比之快8～12倍。此外，該芯片具有高速、低功耗、超強抗干擾、使用方便簡單等特點 [7]。

3.1? 檢測部分設計

檢測部分采用三軸加速度感應模塊MPU-6050（GY-521）對門狀態進行檢測。依靠Inven Sense公司的運動處理資料庫，可處理各種運動感知產生的數據信息，減少了運動處理分析計算對操作系統的負荷，為應用開發提供架構化的應用程序接口。此外，依靠NodeMCU平臺，利用物聯網，實現感應信號的傳輸、實時更新，實現高效的人機交互。三軸加速度感應模塊電路如圖4所示。

3.2? 人機交互部分實現

人機交互部分采用無線通信作為主要人機交互渠道與方案，配合語音識別、語音播報模塊，完成系統自控、播報模式界面選擇、功能切換、房間內部狀態判斷等，也方便調節控制。人機交互部分示意圖如圖5所示。

3.3? 軟件實現

基于面部識別的智能酒店管理系統軟件流程如圖6所示。攝像頭完成人臉數據的檢測及收集，經過訓練識別器二進制編碼后與視覺庫數據進行對比，判斷是否需要開門。若成功，即會給用戶發出提示;未成功，則進入安全系統，通過門狀態及人體紅外檢測完成判斷并報警。

4? 系統實驗測試

基于面部識別的智能酒店管理系統，是面部識別技術和互聯網技術在酒店智能化管理中的商業應用擴展。本課題搭建了完整的系統構架，并對面部識別系統和防盜報警系統進行了實驗測試。

4.1? 面部識別系統

4.1.1 人臉檢測和數據收集

人臉檢測和數據收集是面部識別的基礎，當系統開始運行時，首先會通過攝像頭捕捉人臉圖像，其次將圖像轉換成GRAY色彩空間，然后用訓練分類器得到人臉在圖像中的位置信息，最后根據位置信息對圖像進行裁剪、記錄與保存。該動作會持續50～100次，得到大量的人臉圖像，以此提高后續訓練與識別的可靠性。

4.1.2? 識別器訓練

識別器訓練主要運用了LBPH（Local Binary Patterns Histograms）算法，該算法以圖像中的其中一個像素點為中心，判斷其與周圍像素點灰度值大小的關系，并將其進行二進制編碼，由此可以得到圖像的LBP編碼矩陣。通過計算所有已采集圖像的LBP編碼，即可得到人臉的識別對比庫。訓練完成界面如圖7所示，LBP編碼如圖8所示。

4.1.3? 人臉注冊測試

測試方案：選擇裝置的人臉注冊模式，選擇不同面部信息完成注冊，從而完成訓練。依照控制變量法則，對不同用戶面部信息的匹配程度進行記錄、分析和計算，結果如表1所示。

由此可見，用戶不同，面部信息的復雜程度也不一。識別結果由系統訓練后對不同數據進行的分析來決定，經過多次高效的訓練后能夠達到很好的面部識別效果（超過85%）。

4.1.4? 人臉識別測試

測試方案：選擇已經完成注冊的三名用戶與未完成注冊的兩名用戶，同時進行人臉識別測試。通過記錄每個人對面部識別后所顯示的用戶代號與識別率進行計算分析，證明該系統人臉識別的效果，如表2所示。

由此可見，在人臉識別模式下，系統對于完成注冊后經過系統訓練歸納的面部信息具有非常高的識別效率和精確度，可以非常有效地分析面部信息。對于個人面部注冊中出現失誤而導致識別率相對偏低的問題，可以通過幾次重新錄取訓練后得到提升。

雖然系統會出現未注冊用戶識別出已經注冊的情況，但這種情況概率非常低，后續可以通過完善視覺庫數據以及提高刷臉開門的閾值等方式避免非法入侵。

4.2? 防盜報警測試

用戶離開房間后，系統需要對用戶房間的安全問題進行實時的判斷與考察，以避免危險事件的發生。為此，系統設置了人體及門狀態檢測。如果用戶未通過人臉識別并且感應門體非正常，則發出聲光報警，與此同時，發送信息給用戶與酒店前臺以及時止損。用戶與酒店前臺收到的報警信號如圖9所示。

5? 結束語

本文提出了一種基于面部識別的智能酒店管理系統，采用OpenCV開源計算機視覺庫、STC15W4K58S4主控芯片、HC-SR501紅外對管傳感器等模塊，實現了面部識別、語音控制、防盜報警等功能。系統實驗測試表明，面部識別靈敏、準確，抗干擾性好，方案可行有效。

本文提出的設計方案可用于智能家居等場景的人機交互，具有廣闊的應用前景。

參考文獻

[1] 方陵生. 負責任的面部識別使用框架： 流程管理用例[Z]. 2020.

[2] 王惠生. 2002年面部識別廠家試驗： 概述和總結[J]. 中國安防產品信息， 2003， 3（3）： 29-32.

[3] 王臣. 基于深度學習的人臉識別方法的探究[J]. 數字通信世界， 2020（7）： 169-170.

[4] 小云. 神奇的面部識別系統[J]. 家庭科技， 2006（2）： 48.

[5] 王婷婷， 王芳. 基于LTE技術的面部識別系統的研究與設計[J]. 電腦知識與技術， 2013（16）： 3839-3841.

[6] 陳梅. 基于大數據的高校機考平臺學生面部識別信息分析[J]. 電腦知識與技術， 2020（10）： 183-186.

[7] 陳潔， 陳玉紅. 單片機控制技術快速入門[M]. 北京： 中國電力出版社， 2015.