人臉識別技術在智慧樓宇中的應用

孟 超

(天津國土資源和房屋職業學院，天津 300270)

一、人臉識別技術在智慧樓宇中的應用場景

(一)人員出入管理

在智慧樓宇系統中，在樓宇出入口與地下車庫出入口等位置安裝若干數量的攝像頭與通道閘機設備，在人員出入樓宇時，跟蹤拍攝出入人員的影像資料，提取處理面部特征信息，對比人臉特征數據庫，從而判斷監控對象的真實身份，賦予業主相應的控制權限，確定外來訪客身份與是否提前預約申請，以此來甄別不明身份人員，記錄人員出入時間、位置等信息。與此同時，系統在短時間內識別人員真實身份，控制閘機等終端設備提供服務，如識別到監控對象為建筑業主或預約通過的外來訪客時，控制閘機提供通行通道，以實現樓宇系統的刷臉開門、重點場所門禁控制、訪客登記等使用功能。

在人員出入管理場景中，與傳統的IC卡識別、密碼識別技術相比，人臉識別技術的核心價值在于，不會因讀卡器損壞、密碼失竊等突發狀況而影響到門禁系統使用功能的正常發揮，有著其他技術手段無法與之比擬的便捷性、安全性。

(二)物品存取

現階段，部分智慧建筑中雖然配置有物品存取柜，向用戶提供物品臨時存取服務，然而所采取身份認證方式較為滯后，主要采取密碼識別與刷卡認證手段，存在安全隱患，如用戶丟失識別卡致使存取物品被盜取。與常規認證手段相比，人臉識別技術在智慧樓宇物品存取場景中有著顯著優勢，通過提取識別人體面部特征信息，快速識別用戶的真實身份，在顯示屏上顯示用戶存取柜的編號位置、使用狀態、物品入柜時間等信息，以及提供刷臉線上支付物品滯留存取費用、開啟存取柜、調整存取柜使用狀態等服務，避免因用戶身份認證錯誤而出現盜領物品問題。此外，為提供高效、便捷的物品存取服務，用戶可提前在智慧樓宇系統中提交他人代取申請，附加代領人身份、預計領取時間等信息，由系統識別用戶身份是否為代領人，根據識別結果選擇性向其賦予操作權限。

(三)設備租借

在設備租借場景中，對人臉識別技術的應用，替代傳統的二維碼掃描或是無線射頻的技術手段，用戶無須提前在智慧樓宇物資管理平臺中提交設施設備租借申請，可以直接租借使用設施設備，由攝像頭抓拍用戶的面部特征信息，對信息進行提取識別處理，確定用戶身份，記錄設備租借返還時間、設備品種型號等信息，自動生成物資租借清單，向用戶智能移動終端發送相關信息，提供線上支付、刷臉支付服務。例如，用戶使用智慧樓宇中的停車位或充電樁時，自動識別用戶身份，記錄停車位使用時間與充電樁耗電量，用戶在控制屏上刷臉支付，或是在手機終端上遠程支付設備租借費用，系統還將實時觀測設備使用狀況，在出現停放車輛剮蹭、充電樁故障等問題，或是車輛充電完成后，向用戶實時發送信息。如此，既可以為用戶提供高效、便捷的服務體驗，同時，還可以減輕智慧樓宇設施設備的運營維護工作量。

(四)消費支付

在新建的智慧建筑中，人臉識別技術在消費支付場景中得到落地應用，智慧樓宇系統與自動販賣機、超市收銀機等終端設備保持通信連接，用戶可選擇刷臉支付方式，由設備攜帶的攝像頭采集面部特征信息，快速識別用戶真實身份，直接扣除用戶賬戶中的預存款或綁定銀行卡，生成并發送扣費清單，以此來節省支付時間，便于用戶在建筑樓宇中進行消費。

(五)樓宇安防與異常報警

在智慧樓宇門禁安防系統運行期間，所配置攝像頭裝置持續對樓宇內流動人員進行跟蹤拍攝，從圖像視頻資料中提取面部特征信息，對比靜態人臉數據庫，有效識別監控對象的真實身份。在無法識別監控對象真實身份，或是靜態人臉數據庫中未存儲目標身份信息時，系統向安防人員發送報警信號，由安防人員對未知身份人員進行問詢調查，控制閘機禁止其進入重要場所，保存未知人員的路徑行為監控畫像資料。

同時，智慧樓宇系統與所處區域公安機關的數據庫保持后臺鏈接狀態，在未知身份人員存在跳過閘機、損壞閘機等行為時，系統將未知身份人員的面部特征信息提交至轄區公安機關的人臉特征數據庫進行核對識別，確定目標真實身份，在識別到未知身份人員存在犯罪記錄或具備嫌疑人身份時，向公安機關發送預警提示信息。此外，依托人臉識別技術，現代智慧樓宇系統中具有自動抓拍功能，當出現非法人員盜用合法卡作案、撬開樓宇出入口閘機與防盜門時，由系統自動對非法人員的作案過程與行為進行拍攝，抓拍聯動視頻，將視頻資料提交至公安機關，以提供案件偵破線索和編制黑名單布控名單。

(六)特殊人群關照

考慮到智慧建筑中部分用戶為殘障人士、孕婦、兒童、老年人等社會弱勢群體，容易出現各類突發疾病或是滑倒等安全事故，存在安全隱患。因此，需要將人臉識別技術拓展至關照特殊人群的應用場景中，基于人臉特征信息識別結果來記錄登記在冊的特殊人群的居家/出行狀態，在非接觸性、非侵擾性的前提下對特殊人群進行跟蹤監管，在檢測到特殊人群出現跌倒滑落與長時間靜止不動等異常狀況，或是長時間未記錄特殊人群的門禁出入信息時，由物業人員上前查看身體狀況或上門探望，必要情況下聯系用戶預留的應急聯系人和醫療機構，及時處理突發問題，避免問題惡性發展。

(七)樓宇對講

在早期建成的建筑工程中，受到技術水平限制，樓宇對講系統普遍采取語音對講方式，用戶通過辨別訪客聲音特征來判斷身份，判斷精度較差，存在安全隱患，偶爾出現非法人員模擬用戶親屬朋友聲音闖入用戶住宅引發建筑樓宇的惡性事故。而對人臉識別技術的應用，樓宇對講系統采取全新的彩色可視對講方式，在顯示屏上實時顯示智慧樓宇出入口門禁處的訪客視頻圖像資料，以及訪客身份信息，幫助用戶確定訪客的真實身份，在訪客身份異常時，用戶可以使用智慧樓宇系統的聯網功能，向安全人員發送報警信號，以保障用戶的人身安全，及時消除安全隱患。

(八)簽到考勤

在智慧辦公樓宇中，在樓宇出入口放置人臉考勤機，系統中導入員工身份信息與面部特征信息。如此，員工可以直接通過人臉考勤機面部識別而自動簽到打卡，在系統未在約定時間內接收全體員工簽到考勤信息時，自動向用戶反饋異常考勤信息，便于人力管理工作的開展，杜絕代簽到問題的出現。同時，考慮到部分特殊用戶因長期勞動致使指紋磨損嚴重，對人臉識別技術的應用，還將解決這類用戶無法通過指紋識別等其他生物識別技術確定身份的技術難題。

二、智慧樓宇中的人臉識別過程

(一)人臉圖像采集檢測

在智慧樓宇人臉識別系統運行期間，遠程控制在樓宇出入門禁、電梯、消防樓梯等部位安裝的攝像頭，對過往人員的人臉圖像進行跟蹤拍攝，同時拍攝獲取動態圖像以及靜態圖像，調整前端攝像頭的角度位置來跟蹤拍攝目標對象，避免因拍攝角度、頭發遮擋等因素影響而無法從圖像信息中提取有效、全面的面部特征信息。隨后，進入人臉檢測環節，在人臉圖像資料中標定目標對象的人臉位置，篩除無用數據，從中提取結構特征、直方圖特征、Haar特征等關鍵信息，采取AdaBoost學習算法，從提取的關鍵信息中挑選組合形成人臉矩形特征等弱分類器，再由一定數量的弱分類器共同組成處于層疊結構狀態的強分類器。

(二)人臉圖像信息預處理

根據人臉識別技術的實際應用情況來看，受到攝像頭型號、光照條件變化、噪聲、拍攝角度、現場干擾源等多方面因素影響，系統所拍攝人臉圖像信息較為模糊，如果直接從圖像資料中提取面部特征信息進行識別，容易出現身份識別錯誤、面部特征信息失真、信息提取不全等問題，致使人臉識別技術應用受阻，無法取得預期的應用效果。針對于此，在智慧樓宇中應用人臉識別技術時，需要在系統識別人臉過程中增設圖像信息預處理步驟，依次開展視頻圖像光線補償、灰度調整、直方圖均衡處理、歸一化處理、幾何圖形校正、圖像銳化等操作行為，盡量消除外部條件對人臉識別精度及效率造成的限制干擾。以歸一化處理為例，對圖像信息中所統計面部特征數據依次開展幾何歸一化與灰度歸一化處理，分別采取廣義變化法和光線補償法實現操作，調整圖像信息中的面部特征點位與灰度。

而在圖像濾波處理環節，采取高斯平滑濾波或是均值濾波處理措施，濾除所采集圖像資料信息中夾雜的雜波，高斯平滑濾波處理法依照傅里葉變換原理，將圖像資料信息切換為特定頻域后構建高斯函數模型，在模型輸出值中自動濾除初始圖像資料中夾雜的噪音，憑借二維函數對稱性特征準確檢測和處理圖像不平滑部位的像素。而均值濾波處理法是通過獲取周邊圖像和值與求解均值的方式，采取均值像素更換圖像資料中檢測標記的噪聲圖像，具有處理效率高、方法簡單的優勢，但會破壞圖像細節，容易出現局部變形現象，致使人臉識別準確度隨之下滑。

(三)人臉特征提取

在人臉識別技術體系中，人臉特征提取原理為，將人臉圖像信息中的面部特征數據視為柔性體，從中提取原始特征數據來對應高維數據，通過提取、分類處理人臉原始特征，在低維空間內完成數據處理任務，以此來替代傳統的高維數據處理任務，起到減少數據處理量、提高數據處理效率、有效保留人臉特征識別數據的作用。參照人臉識別技術在國內同類智慧樓宇項目中的應用實例來看，人臉特征提取算法包括線性判別分析以及主成分分析兩種，均采取轉換二維圖像矩陣的方式完成特征提取任務，在提取過程中產生較大圖像位數，致使人臉特征提取效率降低，系統難以在短時間內準確識別用戶真實身份，沒有在真正意義上實現人臉識別系統與門禁系統、樓宇對講系統、視頻布控系統等配套系統的聯動控制。針對于此，在開發智慧樓宇人臉識別系統時，可選擇采取全新算法來替代傳統算法，如LDA算法和二維主成分分析算法，以此來提高人臉特征提取效率，但LDA算法具有訓練樣本數量小的局限性，二維主成分分析算法有著識別精度低的局限性，應根據項目需求加以選擇。

現階段，在智慧樓宇項目中，主要采取AdaBoost算法來取代傳統的boosting算法，這項算法具備可自動調節初始化誤差值、自學習能力、權重系數自適應調整、快速生成強弱分類器的優勢。在實際應用過程中，人臉識別系統基于AdaBoost算法，選取積分圖計算方式準確描述圖像資料中的面部灰度信息，掌握數值特征和切換至相同數理特征，在訓練過程中極短時間內生成弱分類器并整合為強分類器，使用弱強分類器依次對圖像資料中的面部特征信息進行過濾檢測，完成人臉特征信息提取任務。

(四)身份識別

系統將人臉圖像中提取處理后的特征數據導入靜態/動態人臉特征數據庫中加以搜索匹配，在數據庫中預先設定閾值，將人臉面部特征量以分類器形式進行定向分類搜索匹配處理，在搜索匹配結構相似度超過預定閾值后，輸出匹配結果，完成人臉識別過程，確定人員的真實身份。同時，在人臉識別系統中可采取辨別識別方法或是確認識別方法，辨別識別是將面部特征量同時與多個搜索結果進行匹配，識別效率較高，但設計難度較大。而確認識別是采取一對一的搜索匹配方式，識別效率低下，但設計方法較為成熟。

此外，還應正確認識到各種人臉識別方式的技術局限性，攻克技術難題，進一步提高人臉識別效率和準確率。以常見的多尺度人臉檢測機制為例，在保持檢測窗口大小不變或等比例放大縮小的前提下，使用經過預先訓練學習的分類器覆蓋圖片窗口執行檢測操作，在數據庫中匹配相似度超過一定標準的用戶身份。根據實際應用情況來看，多尺度人臉檢測機制有著檢測速度快的優勢，但所設定檢測窗口的縮放次數與比例合理性缺乏保證，容易出現漏檢問題，且系統實時運算量較大。針對于此，需要提前在系統中預設縮放次數和比例的閾值，在各層級圖像中設置統一的配對積分圖，將檢測窗口步進值設定為2，以此來解決上述技術問題。

三、結語

綜上所述，為進一步提高智慧樓宇的智能化、自動化程度，向業主提供優質服務，企業必須正確認識到人臉識別技術在智慧樓宇中的應用價值，深入了解技術原理和人臉識別過程，結合項目情況科學制定人臉識別系統設計方案，持續拓展人臉識別技術的應用場景。