基于無線通信技術的智慧園區人臉識別門禁控制方法

李 挺

（貴州省通信產業服務有限公司，貴州 貴陽 550001）

0 引 言

隨著科技的迅猛發展，智慧園區已成為現代城市的標志性建筑，其安全性和智能化管理的重要性日益凸顯。門禁控制系統作為智慧園區安全防范的核心環節，其技術實現與智能化程度對園區安全具有重大影響。按照識別方式，可以將我國的智慧園區門禁系統控制方法分為3 類。一是密碼識別門禁系統，通過輸入正確密碼來進行開鎖，雖然操作便捷，但存在密碼泄露的風險；二是卡片識別門禁系統，即將磁卡或射頻卡放置在感應設備上進行開鎖，存在丟失、損壞等風險；三是生物識別門禁系統，即識別來訪者的生物特征。文獻[1]在我國智能家居飛速發展的背景下，將EAIDK-310 和OneNET 云平臺結合在一起，開發了一種基于手勢識別、語音交互等功能的無接觸式門禁系統，可以保障住戶安全。文獻[2]在進行射頻指紋識別研究時，引入信號雙譜和改進殘差網絡（Residual Network，ResNet）構建了一種有效的指紋分類方法。該方法在電磁環境下對射頻指紋的識別率達到95.2%。文獻[3]提出一種基于信號導頻的射頻指紋識別方法，解決了傳統指紋識別技術未考慮指紋樣本攜帶內容對識別結果的影響問題。雖然我國學者在開展生物識別門禁研究時，針對指紋識別進行了深入探討，并取得一定研究成果，但是這種門禁控制方式對一些指紋不清晰的人不是很友好。基于此，文章研究并提出一種智慧園區人臉識別門禁控制方法，旨在提高門禁控制系統的智能化程度與安全性。

1 基于無線通信技術傳輸門禁端人臉圖像

我國智慧園區中傳統的門禁系統存在易失竊、易偽造以及易破解的風險。人臉識別作為一種生物識別手段，因具有安全、可靠、便捷的特性脫穎而出[4]。基于此，文章提出一種結合無線通信技術的智慧園區人臉識別門禁控制方法，旨在提升園區的安全水平和使用便捷性。目前，大多數人臉識別門禁系統仍依賴本地的數據處理模式，存在單點故障隱患。因此，文章設計的人臉識別門禁控制方法利用無線通信技術，將智慧園區門禁端采集的來訪者人臉圖像傳輸至遠程服務器端進行處理與識別[5]。

文章選用ZigBee 技術作為無線通信的主要手段。ZigBee 技術在物聯網領域表現出色，其低功耗策略通過優化休眠模式和數據傳輸速率，能夠顯著延長設備的使用壽命，降低維護成本。ZigBee 采用高可靠性的數據傳輸模式，通過碰撞避免策略和完全確認機制，有效避免了數據沖突和丟包的問題，從而確保數據的完整性和準確性。ZigBee 網絡具有大容量的特點，能夠支持大量設備的接入和管理，滿足大規模物聯網應用的需求。此外，ZigBee 網絡具有出色的自組織和自恢復能力，使設備能夠自動發現并加入網絡，還可以在設備故障或離線時自動調整，確保網絡的穩定運行，減少人工干預。根據園區門禁端人臉圖像的傳輸需求，組建了一個樹型拓撲結構的ZigBee 網絡。

文章在構建智慧園區ZigBee 無線通信網絡結構時，采用簇數路由算法，無須額外的存儲資源，僅通過網絡地址來選擇路由進行人臉圖像數據的傳輸。假設ZigBee 無線網絡中出現了新節點要入網，則需要根據式（1）分配子節點地址之間的偏移量，即

式中：D1(h)表示ZigBee 無線網絡路由器節點分配給子節點地址之間的偏移量；h表示無線網絡深度；N1表示ZigBee 無線網絡中一個父節點能夠擁有的最大子節點數目；H表示ZigBee 無線網絡的最大深度；N2表示ZigBee 無線網絡中一個父節點的全部子節點能夠擁有的最大路由器數目。根據式（1）可計算出ZigBee 無線網絡父節點為新加入子節點分配的地址，用公式表示為

式中：D路由器、D終端設備分別表示ZigBee 無線網絡中新加入節點的路由器、終端設備的網絡地址；D2表示路由器節點的網絡地址；N3表示子路由器節點數量。

文章在創建ZigBee 無線通信網絡時，利用協調器來執行網絡節點地址的分配算法，以完成ZigBee組網。

2 預處理智慧園區門禁端人臉圖像

在智慧園區的門禁系統控制中，完成門禁端來訪者人臉圖像的遠程傳輸后，為提高原始人臉圖像的質量，降低環境因素和個體差異對人臉識別準確性的影響，需要在遠程服務器端對圖像進行一系列的預處理操作[6]。先對接收的彩色人臉圖像進行灰度化處理，以提高處理速度，減少計算量。灰度轉換用公式表示為

式中：A表示灰度化處理后的人臉圖像灰度值；R、G、B分別表示原始人臉圖像的紅色、綠色、藍色分量。利用式（3）對圖像進行灰度化處理后，即可將原始彩色人臉圖像轉換為黑白圖像。為增強圖像的對比度并改善細節信息，需要對完成灰度化處理后的圖像進行直方圖均衡化處理，用公式表示為

式中：I(x,y)表示直方圖均衡化處理后的門禁端人臉圖像；(x,y)表示圖像像素點位置；m、n分別表示人臉圖像的行數與列數。直方圖均衡化可以提高人臉圖像的對比度，使人臉特征更加突出。智慧園區門禁端攝像頭會受自身采集精度和外界環境等因素的干擾，且原始人臉圖像存在噪聲，因此需對圖像進行濾波去噪處理，并保留人臉圖像的邊緣細節[7]。該過程可以用公式表示為

式中：J(x,y)表示高斯濾波去噪處理后的門禁端人臉圖像；ε表示高斯函數的標準差。

3 基于人臉圖像識別實現智慧園區門禁控制

為實現智慧園區安全且高效的門禁控制，在遠程服務器端檢測并識別預處理后的門禁端人臉圖像，根據識別結果下達門禁控制指令[8]。如果識別結果顯示來訪者的身份與數據庫中已注冊的信息相符，則系統自動解鎖門禁，允許來訪者進入園區；如果識別結果不符，系統會拒絕訪問請求，甚至觸發警報機制，通知管理人員做進一步處理。

主成分分析法作為一種有效的特征提取方法，通過一系列數學計算和變換將原始圖像數據中的多個維度精簡為幾個主成分。這些主成分恰恰代表原始數據中最核心、最重要的特征。已知預處理后的門禁端人臉圖像為J(x,y)，則特征提取公式為

式中：F表示主成分矩陣；ZF表示人臉圖像特征矩陣；X表示殘差矩陣。由式（6）提取的特征通常與人臉的輪廓、五官形狀等密切相關，是區分不同人臉的關鍵信息。在完成人臉圖像的特征提取后，可以通過特征匹配來完成人臉識別。該過程主要基于歐氏距離來度量特征之間的相似性。已知待識別的人臉圖像特征為Z(z1,z2,…,zM)，假設人臉數據庫中已存儲的特征為Q(q1,q2,…,qM)，則特征匹配的歐氏距離公式為

式中：d(Z,Q)表示待識別的人臉圖像特征Z和已存儲特征Q之間的歐氏距離；zi、qi分別表示第i個待識別的人臉圖像特征和已存儲特征；M表示特征數量。在進行人臉圖像特征匹配時，需要根據智慧園區門禁系統的實際情況定義一個閾值，將其與式（7）所求的歐氏距離進行對比。如果大于閾值，說明待識別的人臉圖像和門禁系統已存儲人臉圖像特征匹配成功；如果兩者相等，則無法確定人臉信息；如果小于閾值，說明待識別的人臉圖像和已存儲人臉圖像特征匹配失敗。

4 仿真實驗

4.1 實驗準備

為驗證基于無線通信技術的智慧園區人臉識別門禁控制方法的性能，搭建了一個仿真實驗環境。仿真實驗環境參數配置如表1 所示。

表1 仿真實驗環境參數配置

根據表1搭建實驗環境，分別收集單人人臉圖像、多人人臉圖像、非人臉圖像各200 張，將其設為實驗數據集。對比基于無線通信技術的人臉識別門禁控制方法、基于深度學習的人臉識別門禁控制方法、基于機器學習的人臉識別門禁控制方法，以驗證文章設計方法的分類性能。

4.2 實驗結果

為提高實驗效果的可信度，分別采用單人人臉圖像、多人人圖像以及非人臉圖像各200 張進行人臉識別門禁控制。統計并計算全部實驗圖像數據的正確識別檢測結果，具體結果如表2 所示。

表2 圖像正確識別檢測結果 單位：張

由表2可知，文章設計方法的人臉識別精度最高，3 種人臉圖像識別的平均準確率為98.5%；深度學習方法下3 種人臉圖像識別的平均準確率為92.8%；機器學習方法下3 種人臉圖像識別的平均準確率為89.0%，均低于文章所提方法。因此，文章提出的基于無線通信技術的智慧園區人臉識別門禁控制方法是可靠的，可以滿足智慧園區門禁系統控制中精準識別檢測來訪者人臉的需求。

5 結 論

文章深入探討基于無線通信技術的智慧園區人臉識別門禁控制方法的設計與實現。通過結合人臉識別技術、無線通信技術，提出一種新的門禁控制方法，旨在提高智慧園區門禁系統的智能化程度與安全性。盡管本次研究取得一些成果，但仍存在不足之處。未來，將繼續研究人臉識別技術，以提高該方法在各種環境下的準確率，并探索更加智能的門禁控制策略，以滿足智慧園區的多樣化需求。