基于人臉識別技術的旅游城市景點自動安檢系統

馮煒娟，田世政

（1.安康學院 馬克思主義學院，安康 725000；2.西南大學 經濟管理學院，重慶 400715）

由于交通的頻繁，客流的巨大，使得交通安全、人員信息的核查變得十分困難，因此，目前大多數的交通安全檢查都是依靠手工進行的。這不僅會增加人力成本，而且會造成資源的巨大浪費。如何快速、準確、安全地進行安全檢測，是快速、準確、安全的關鍵。在這個背景下，自動安檢系統應運而生，大量的技術已經在各個運輸行業得到了廣泛地應用，為人們提供了空前的便利。為此，有較多學者研究了自動安檢系統，其中，文獻[1]設計了旅客風險安檢系統。構建游客風險評價體系，利用旅客信息模擬安檢流程設計硬件模塊，基于PSO-BP 神經網絡算法構建風險識別模型，實現安檢；文獻[2]利用人臉識別技術和RFID 識別技術設計機場旅客安檢系統，實現無需口令與無需主動配合的“智能無感”安檢。

但是上述方法由于環境等因素的限制，應用于旅游景點中的檢測效果較差。人臉識別技術主要是通過攝像機獲取信息，然后對圖像中的人臉進行檢測、追蹤，從而對所檢測到的人臉進行相應地處理。基于人臉識別技術的這個優點，本文將其應用到旅游城市景點游客身份自動檢測中，設計一個基于人臉識別技術的旅游景點自動安檢系統。

1 基于人臉識別技術的旅游城市景點自動安檢系統

1.1 旅游城市景點自動安檢系統硬件設計

1.1.1 旅游城市景點自動安檢系統硬件框架

所研究的旅游城市景點自動安檢系統硬件框架如圖1所示?；趫D1可知，此次研究的旅游景點自動安檢系統主要由TMs320DM6446DaVinci 處理器、身份核驗模塊、視頻解碼模塊、數據庫等重點模塊組成，通過身份核驗模塊、數據庫模塊、圖像處理器模塊對圖像處理與識別，再發送到核心處理器中進行后端控制。

1.1.2 主處理器設計

TMs320DM6446DaVinci 處理器是一個雙核心結構[3]，它包含一個297 MHz 的ARM926EJ.S 核心，ARM 子系統[4]，視頻處理子系統（VPSS），VICP（VICP），以及其他豐富的外部設備接口。其功能如圖2所示。

圖2 TMs320DM6446 處理器功能框圖Fig.2 TMs320DM6446 processor functional block diagram

TMs320C64x+DSP 芯片，片內存儲控制器，DSP外接設備，TMs320C64x+DSP 系統。DSP 芯片C64x+DSP 為核心，其32 KBLlP 程序RAM/Cache（直接映射）、80 KBLlDRAM/Cache（局部映射），C64x+DSP 能夠在一次指令循環中執行8 條32 bits 指令，每一次運算可以實現2 個16×16 bits 或4 個8×8 bits 的運算[5]。同時，包含64 個常用32 位寄存器，用于儲存資料，為自動安檢系統提供數據支持。具有以下特性：

1）ARM 子系統利用CPL5（controller controller，CPL5），用于對指令[6]、數據緩存、緊耦合存儲器（TCM）、存儲器管理單元（MMU）和其他系統功能進行控制。

2）ARM 子系統中的內存管理單元為操作系統提供了虛擬存儲器的功能，為ARM 上的Windows CE、Linux 等操作提供了必要的支持。

3）ARM 系統包含了大量的外部設備，它由DDR2端口控制器、PWM、音頻串口、EMIF、通用串行總線等組成。

1.1.3 視頻解碼模塊

TVP5158 是一款高品質的視頻解碼芯片[7]，它由美國德州儀器公司開發，使用128 針TQFP 封裝。本芯片可實現4 種不同類型的模擬視頻信號，并具有各自的解碼信道，每一信道均含有1 個10 bits、27 MSPS 的高速模數變換器。支持PAL 和NTSL 兩種格式的視頻解碼，具有自動降噪、自動對比度調整等特點。支持8 bits 的ITU.R.R.656 和YCbCr4：2：2的16 bits 的視頻格式。

TVP5158 芯片支持的多路傳輸技術，可以將多個視頻信號以線交叉的方式進行混合，從而使DM6446 在僅支持單路輸入的情況下，實現了兩個攝像機的采集。TVP5158 芯片具有多種工作方式，能夠在12C 總線上訪問對應的寄存器，從而達到以上工作方式。由于該嵌入式門禁系統采用雙路輸入方式，因此采用了雙路輸入和單路輸出方式，并將其傳輸至TMs320DM6446。由于TVP5158 的輸入/輸出接口的電壓是3.3 V，DM6446 是1.8 V，所以必須把TVP5158 管腳的輸出信號用電壓變換器SN74AVCBl64245GR 變換成1.8 V 的邏輯電壓。

1.1.4 身份核驗模塊

身份核驗模塊負責身份核驗閱讀和控制閘機。主要由小型一體閱讀機和安檢機兩組設備組成。

CVT820B 雙屏人證一體閱讀核驗終端，集成了人臉識別技術、證件掃描技術、打印機技術和計算機技術，充分利用條碼技術、無線通訊技術，由顯示屏、身份證讀卡器、攝像頭組成。可以通過讀取居民身份證芯片中的身份信息、現場采集指紋圖像和人臉照片，來獲取驗證結果。閱讀核驗處理器為高速QDSP6 v5，內核配置為Qualcomm 的Cortex-A7 四核處理器，工作頻率為691 MHz768 KBL2，存儲為8/16 GB，支持全網4G 數據傳輸；顯示屏為7 寸全視角，分辨率為1024×600 橫屏顯示。身份證讀卡器具有ISO/EC15693 協議、ISO18000-3 協議、UART/RS232 通信協議，最大讀寫距離為8 m。

SYT-5030 安檢機：負責監測通過人員有無攜帶非法物品，同時內置居民身份證閱讀器和高分辨率攝像頭，符合公安部GA450—2013 標準，可讀取居民身份證芯片內的文字和人臉信息并現場采集人臉圖像。利用微留殘探技術對多種金屬材質進行分析，空間分辨力達到中1.0 mm；利用電磁身份識別感應高速掃描通過人員信息，防止誤報警、漏報，抗干擾能力較強。實際使用時在人員通過核查后，安檢機利用攝像頭會自動采集所有通過人員信息。

1.1.5 網絡模塊

網絡模塊主要負責服務器與檢測模塊間的通信。網絡模塊采用ARMCortexM3 系列的LM3S6965為控制芯片，網絡模塊移植了LWP 協議棧與服務器進行TCP/P 通信。網絡模塊的功能是完成服務器和驗票系統之間的通訊，本項目的網絡模塊以ARMCortexM3 系列LM3S6965 為核心，其性能優越，對突發事件的反應速度快[8]。

ARMCortexM3 系列處理器中有一款LM3S6965，它是一款為工業應用而開發的專用微處理器。其特征是：256 K 的單周期FLASH；64 K 的單循環RAM；最多可以達到42 個GPIO 端口；最高50 MHz 的操作頻率；3 個串口通訊接口；一個完整的10 Mbps Ethernet 控制器，它與ARM 體系結構兼容；一種睡眠組件，該睡眠組件具有叫醒單元；38 個具有8 個優先級的中斷；整合了嵌套矢量中斷控制器（NVIC），使得處理中斷更加簡單。

1.1.6 數據庫模塊

數據庫主要包括公安部人像數據庫、通關信息數據庫等。數據庫模塊底層邏輯采用UDB 分布式架構，以SQL99 標準作為存儲運行原則，設計引擎。全面支持結構化和非結構化數據的處理。通過ETL 的數據字典程序，提取人像特征，對數據進行整合處理，在服務器端生成人像數據庫。

1.1.7 圖像處理器模塊

圖像處理器模塊采用ATMEL AVR 型號的8位微處理器，內含ATMEga128L 芯片，邏輯架構為RISE，可同時發送152 條指令，具有獨立的預分頻器和比較器功能。分為8 位PWN、8 個單端通道、7個差分通道和2 個具有可編程增益的差分通道。兩個可編程的串行USART，用于上電復位和掉電檢測。

利用高清攝像機連續采集人臉圖像，根據數據庫和身份核驗模塊提供的信息，對于無證人員，自動判定和截取多張正面人臉圖像。篩選最清晰圖像通過網絡模塊傳輸至后臺服務器，利用人臉識別技術進行身份信息比對。選取相似度最高的比對結果確認人員身份，并將采集的數據以及核查日志直接存入后臺數據庫。

1.2 旅游城市景點自動安檢系統軟件設計

1.2.1 旅游城市景點安檢系統流程

圖像處理器模塊的人臉識別技術應用于自動安檢系統同樣要完成3 步，先由旅游城市景點自動安檢系統硬件部分獲得相關圖像，對圖像預處理，最后進行人臉比對并輸出結果，實現自動安檢。人臉識別技術應用于自動售檢系統流程如圖3所示。

圖3 人臉識別技術的旅游景點安檢系統流程Fig.3 Flow chact of tourist attraction security check system of face recognition technology

首先是對圖像進行預處理，然后利用人臉識別模塊對灰度圖像進一步地處理，可以使目標區域的輪廓得到進一步的突出。如果一個像素點的灰度低于此閾值，則此點的灰度被設定為0，反之為255，變換公式表示為

式中：T 代表設定的閾值。

經過上述處理后能夠將圖像目標內容分為目標區域和背景區域，方便于后續目標提取。經過上述圖像預處理后，對圖像增強。此次研究中采用灰度直方圖處理方法，將其表示為

式中：N 代表圖像中像素總數；nk代表第k 級灰度的像素個數；rk代表第k 個圖像塊的灰度級。

經過上述過程對圖像預處理，為后續景點自動檢測提供基礎。

1.2.2 人臉識別

經上述處理后，進行人臉識別，識別過程中主要采用主成分分析技術中的K-L 變換方法，該方法主要是一種用于任何概率分布的最優正交變換方法。該方法主要尋找一組最優正交基向量，從而使該組正交基向量表示原圖像并且保證誤差最小，如果其中兩個矩陣的特征值相同，則兩個矩陣為相似矩陣，公式如下：

由于在人臉圖像矩陣中包含了較多的樣本向量，為此預先對圖像樣本向量統計，公式為

式中：m 代表樣本向量的數量；Xi代表第i 樣本向量的均值。

在此基礎上，進行人臉識別，特征匹配識別方法較多，為加快識別速度，采用比較特征度量值體檢，將公式表示為

式中：y1，y2分別為圖像投影以及待測人臉圖像的投影；C 代表協方差矩陣。

通過上述過程計算出圖像在模板方向上的投影距離，并將距離和自適應閾值對比，小于閾值就代表匹配成功，大于閾值代表匹配失敗，不斷重復上述過程，實現人臉匹配。

最后，由于自動安檢系統采集的特征值是非常多的，特征值也是不斷反復學習的，為此，將迭代學習算法應用到其中，其學習算法的框架如圖4所示。通過迭代學習算法的應用能夠在識別圖像過程中，不斷迭代特征值，實時更新數據庫，以提高特征值分析的準確率，以此完成旅游城市景點自動檢測。

圖4 迭代學習算法Fig.4 Iterative learning algorithm

2 仿真實驗

2.1 實驗平臺的設置

為驗證基于人臉識別技術的旅游城市景點自動安檢系統的有效性，進行實驗對比，并將文獻[1]方法、文獻[2]方法與本文系統對比。實驗平臺的主要參數如表1所示。

表1 圖像獲取設備參數設置Tab.1 Image acquisition device parameter settings

實驗中，共選取男女各5 個人，每人10 張共100 張圖像，待識別的圖像包括直接由高清攝像頭獲取的影像，也包括提供商本人的個人證件照片（標準照片）或旅行照片，證件照的角度、光線、表情都不太一樣。所以這些圖像的分辨率不同，1～20 張圖片分辨率為160×120，21～40 張的圖片分辨率為320×240，41～60 張圖片的分辨率為640×480，61 張到80 張圖片的分辨率為1920×1080，81～100 張圖片的分辨率為3840×2160，將數據庫中的圖片按照分辨率分為4 組，共進行5 次實驗，分析在不同分辨率圖像下3 個系統的應用效果。通過模數轉換器將人臉視頻圖像轉換為數字信號，將處理得到的圖像存儲在RAM 模塊中，將人臉識別算法寫入數據庫模塊。將攝像頭獲取的圖片存儲到數據庫中作為訓練數據集，由于數據庫中每個人都有10 副不同表情的圖片，因此在圖片存儲到數據庫時需要對每個圖片都添加身份編碼。

然后在迭代學習算法建立多層迭代神經網絡，層數設定為6 層。建立3 個堆疊的RBM 組成自動編碼器，采用數據庫中經過自動編碼的人臉圖像進行依次迭代訓練，獲得一組優化的權值。采用此權值優化算法可以自動學習圖像的特征，將識別為同一人臉特征的圖片與身份信息匹配，識別為一組，識別結果如圖5所示。從檢測正確率和平均檢測耗時兩個指標來分析系統的人臉識別性能。

圖5 人臉識別結果Fig.5 Face recognition results

2.2 檢測正確率對比

分別采用3 個系統識別上述提到的不同分辨率的圖像，得到的結果如圖6所示。

圖6 檢測正確率對比Fig.6 Detects the accuracy comparison

根據圖6可知，基于人臉識別技術的旅游景點自動安檢系統在不同分辨率的檢測上，檢測正確性均高于80%，受到圖像分辨率的影響較小。而另兩個系統在檢測中，整體正確率較低，受到圖像分辨率的影響較大，較本文系統應用效果差。

2.3 平均檢測耗時對比

對比3 個系統在檢測中的平均耗時，如圖7所示。從圖7的結果能夠看出，本文系統整體檢測時間較少，較為穩定，較另兩種系統檢測效果好。

圖7 平均檢測耗時對比Fig.7 Average detection of time-consuming comparison

綜上所述，本文旅游城市景點自動安檢系統具有較高的檢測正確率與效率，說明該系統能夠提高旅游城市景點檢測的工作效率。本文系統獲得較好效果的原因可能是該系統重點設計了系統的軟件部分，在軟件部分采用了人臉識別技術，并提出了圖像的預處理過程，從而提高了檢測效率。

3 結語

本文設計了基于人臉識別技術的旅游城市景點自動安檢系統，實驗結果表明，本文系統具有較好的識別效果，能夠為旅游城市景點自動安全檢測提供幫助，滿足系統的設計需求。此次研究的系統主要是針對一個圖像識別，在后續研究中，可以研究識別多個圖像的方法，以進一步提高旅游景點自動安全檢測的效率。