王麗

摘 要：近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展，安全防盜設(shè)備以及智能家居知識(shí)的不斷普及，自動(dòng)識(shí)別技術(shù)的應(yīng)用顯著增多。為了保證識(shí)別的安全性，以生物特征作為識(shí)別依據(jù)的技術(shù)產(chǎn)品走進(jìn)了日常生活中。在生物識(shí)別中，比較典型的有人臉識(shí)別。文章主要介紹了活體人臉檢測(cè)技術(shù)在智能門禁系統(tǒng)中的應(yīng)用。

關(guān)鍵詞：智能門禁；活體檢測(cè)；人臉識(shí)別

自動(dòng)識(shí)別系統(tǒng)可以根據(jù)被識(shí)別對(duì)象的特征分類：一類是數(shù)據(jù)采集技術(shù)，數(shù)據(jù)采集技術(shù)需要被識(shí)別物體具有特定的識(shí)別特征載體，像日常生活中用到的磁卡、射頻卡、IC卡等。另一類是特征提取技術(shù)，是根據(jù)被識(shí)別物體的特征來(lái)完成數(shù)據(jù)的自動(dòng)采集。得到廣泛應(yīng)用的生物識(shí)別就屬于特征提取識(shí)別技術(shù)。

目前國(guó)內(nèi)的門禁系統(tǒng)以卡類設(shè)備、指紋設(shè)備、無(wú)線射頻識(shí)別（Radio Frequency Identification，RFID）設(shè)備為主。但門禁卡易丟失、遺忘，不但造成了極大的不便，而且還產(chǎn)生了安全隱患。如果被不法分子獲得卡片，即可實(shí)施盜竊。指紋類設(shè)備可以解決卡類產(chǎn)品的不足，但是總有5%左右的人群，無(wú)法用指紋識(shí)別。隨著人臉識(shí)別算法的不斷成熟，算法的準(zhǔn)確率與算法的計(jì)算速度不斷提高，人臉識(shí)別廣泛應(yīng)用于智能門禁系統(tǒng)。但是仍然存在安全問(wèn)題，不法分子利用非法獲取或是偽造的用戶照片或是視頻，放在攝像頭前面，欺騙人臉識(shí)別系統(tǒng)。因此，相對(duì)于傳統(tǒng)的人臉識(shí)別系統(tǒng)而言，人們對(duì)活體檢測(cè)的需求越來(lái)越多。

1 系統(tǒng)設(shè)計(jì)

該系統(tǒng)基于圖像處理技術(shù)，實(shí)現(xiàn)當(dāng)用戶回家時(shí)，啟動(dòng)智能門禁系統(tǒng)，自動(dòng)打開房門，或是未授權(quán)人啟動(dòng)系統(tǒng)，戶主手機(jī)上則收到提示，并顯示未授權(quán)人的圖片信息；若是熟人，戶主可通過(guò)手機(jī)實(shí)現(xiàn)遠(yuǎn)程自動(dòng)開鎖。若是不法分子拿用戶照片試圖進(jìn)入用戶家中，系統(tǒng)則通過(guò)手機(jī)進(jìn)行遠(yuǎn)程報(bào)警。

1.1 硬件結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)硬件結(jié)構(gòu)如圖1所示。3D攝像頭：用來(lái)進(jìn)行信息采集，進(jìn)一步實(shí)現(xiàn)活體檢測(cè)和人臉識(shí)別。微處理器：使用STM32處理器，圖片處理速度快。USB接口、通用輸入/輸出（General Purpose Input Output，GPIO）接口、串口、并口：在使用前，微處理器與計(jì)算機(jī)串口相連，系統(tǒng)參數(shù)設(shè)定程序模塊，進(jìn)行系統(tǒng)參數(shù)的設(shè)定，將系統(tǒng)參數(shù)存入微處理器的只讀內(nèi)存鏡像中。存儲(chǔ)器：存儲(chǔ)圖片信息。WiFi模塊：與家中無(wú)線路由器相連，實(shí)現(xiàn)遠(yuǎn)程通信。門禁控制器：用于控制門鎖的開關(guān)。液晶顯示器（Liquid Crystal Display，LCD）：用來(lái)顯示攝像頭結(jié)果，方便人們查看。

1.2 軟件結(jié)構(gòu)設(shè)計(jì)

基于活體人臉檢測(cè)的智能門禁系統(tǒng)由信息采集模塊、數(shù)據(jù)處理模塊、控制模塊和通信模塊構(gòu)成，其軟件結(jié)構(gòu)如圖2所示。

信息采集模塊：信息的采集端，采集人物圖像。信息采集模塊將采集到的數(shù)據(jù)發(fā)送到數(shù)據(jù)處理模塊。數(shù)據(jù)處理模塊含有圖像預(yù)處理模塊、人臉檢測(cè)模塊、活體檢測(cè)模塊、人臉識(shí)別模塊，接收信息采集模塊傳來(lái)的數(shù)據(jù)，并進(jìn)行綜合分析。圖像預(yù)處理程序模塊：對(duì)圖像進(jìn)行增強(qiáng)處理；人臉檢測(cè)模塊將圖像中的人臉檢測(cè)出來(lái)；活體檢測(cè)模塊對(duì)檢測(cè)出來(lái)的人臉進(jìn)行分析，判定是否為真人；人臉識(shí)別模塊，判定為真人后，對(duì)檢測(cè)到的人臉進(jìn)行識(shí)別，判定是否為戶主。并接收通信模塊傳來(lái)的數(shù)據(jù)。數(shù)據(jù)處理模塊將處理結(jié)果發(fā)送到控制模塊。通信模塊負(fù)責(zé)與用戶手機(jī)端進(jìn)行相互通信?？刂颇K接收數(shù)據(jù)處理模塊發(fā)送的結(jié)果，控制門鎖的開關(guān)。

圖1 硬件結(jié)構(gòu)

圖2 軟件結(jié)構(gòu)

2 人臉識(shí)別

人臉識(shí)別技術(shù)日漸火熱，與其他生物識(shí)別技術(shù)相比，其在實(shí)際應(yīng)用中具有天然的優(yōu)勢(shì)：人臉識(shí)別是通過(guò)攝像頭獲取圖像，以非接觸的方式完成識(shí)別過(guò)程，比較方便，人們更容易接受。目前其已在金融、景區(qū)、社保等領(lǐng)域?qū)崿F(xiàn)廣泛應(yīng)用。

一個(gè)完整的人臉識(shí)別系統(tǒng)需要通過(guò)4個(gè)步驟實(shí)現(xiàn)，首先是對(duì)采集到的圖像進(jìn)行預(yù)處理，然后提取圖像特征進(jìn)行人臉檢測(cè)，再次對(duì)檢測(cè)到的人臉進(jìn)行特征描述，最后根據(jù)人臉特征進(jìn)行匹配識(shí)別。

2.1 圖像預(yù)處理

攝像頭采集到的圖像可能會(huì)受到噪聲的影響，導(dǎo)致圖像質(zhì)量較差，不利于圖像處理。因此，人臉識(shí)別系統(tǒng)都會(huì)對(duì)采集到的圖像進(jìn)行預(yù)處理，從而改善圖像的質(zhì)量，便于進(jìn)一步的人臉識(shí)別。

圖像的噪聲主要來(lái)源于圖像采集和傳輸過(guò)程中，環(huán)境的光線變化，大氣后向散射，以及攝像頭電荷耦合元件（Charge-Coupled Device，CCD）本身都會(huì)產(chǎn)生噪聲。本文系統(tǒng)中的人臉圖像噪聲一般是椒鹽噪聲和高斯噪聲兩類，預(yù)處理過(guò)程主要包括圖像的光線補(bǔ)償、直方圖均衡化、高斯濾波、高通濾波等。

2.2 人臉檢測(cè)

人臉檢測(cè)是指在采集到的圖像中根據(jù)圖像的特征檢測(cè)人臉的數(shù)量和位置。精確的檢測(cè)是進(jìn)行人臉識(shí)別的基礎(chǔ)。數(shù)字圖像處理技術(shù)可以利用的圖像特征很多，人臉檢測(cè)常用的特征是Haar特征、Sift特征等。人臉檢測(cè)就是把圖像中特定的特征挑出來(lái)，并利用這些特征實(shí)現(xiàn)人臉檢測(cè)。

主流的人臉檢測(cè)算法大多是利用Adaboost算法進(jìn)行檢測(cè)，Adaboost算法訓(xùn)練的分類器是級(jí)聯(lián)分類器，通過(guò)把多個(gè)弱分類器進(jìn)行級(jí)聯(lián)，得到檢測(cè)效果較好的強(qiáng)分類器。

本文的系統(tǒng)采用Haar特征加Adaboost算法來(lái)實(shí)現(xiàn)人臉檢測(cè)，在檢測(cè)過(guò)程中各個(gè)弱分類器會(huì)挑選一些最能表征人臉的Haar特征，然后對(duì)各個(gè)弱分類器進(jìn)行加權(quán)，可以得到一個(gè)強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，就可以對(duì)圖像中的人臉區(qū)域進(jìn)行檢測(cè)。這種方法可以有效提高人臉檢測(cè)的速度。

2.3 人臉圖像特征提取

人臉檢測(cè)的過(guò)程是檢測(cè)人臉共性特征的過(guò)程，根據(jù)人臉的共有特征判斷是不是人臉。而人臉識(shí)別是對(duì)檢測(cè)到的人臉進(jìn)行再次匹配，需要提取人臉的一些特征對(duì)特定人臉進(jìn)行表征描述，這也可以看作是對(duì)檢測(cè)到的人臉進(jìn)行建模。

人臉表征描述的方法主要有兩種：基于知識(shí)的表征方法，該方法是根據(jù)人臉五官的形狀和它們之間的距離對(duì)人臉進(jìn)行特征描述，其特征向量通常包括各特征點(diǎn)之間的曲率、角度和距離等信息；基于代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的表征方法，是將人臉圖像作為矩陣數(shù)據(jù)進(jìn)行分析，通過(guò)數(shù)學(xué)運(yùn)算得到描述人臉的特征。endprint

本文系統(tǒng)采用圖像的代數(shù)特征進(jìn)行人臉表征描述，將檢測(cè)到的人臉?biāo)诰匦慰蚩醋饕粋€(gè)矩陣，利用主成分分析算法提取人臉的特征。

2.4 人臉圖像匹配與識(shí)別

人臉圖像的匹配與識(shí)別的過(guò)程可以看作是將檢測(cè)到的人臉特征數(shù)據(jù)與數(shù)據(jù)庫(kù)中存儲(chǔ)的已知特征進(jìn)行匹配的過(guò)程。

首先，需要將待識(shí)別的人臉圖像利用同樣的特征提取算法，得到特征模板存入數(shù)據(jù)庫(kù)中。然后，當(dāng)系統(tǒng)工作時(shí)，將檢測(cè)到人臉進(jìn)行特征提取。最后將提取的特征和已知的模板進(jìn)行相似性判斷，如果相似性高于設(shè)定的閾值則認(rèn)為識(shí)別成功，否則認(rèn)為該次檢測(cè)到的人臉不是目標(biāo)人臉。

3 活體檢測(cè)

人臉識(shí)別中，使用活體檢測(cè)技術(shù)是抵御對(duì)生物特征識(shí)別系統(tǒng)進(jìn)行攻擊的一種有效方法，可以提高系統(tǒng)的安全可靠性，從而進(jìn)一步提高智能門禁系統(tǒng)的安全性。

在利用人臉識(shí)別進(jìn)行身份認(rèn)證時(shí)，為了防止不法分子竊取他人的圖像或是視頻用于身份認(rèn)證，基于人臉識(shí)別的門禁系統(tǒng)需要具有活體檢測(cè)的功能，判斷是否為真人。目前活體人臉檢測(cè)主要有動(dòng)態(tài)視頻人臉檢測(cè)、人臉眨眼、熱紅外與可見光人臉關(guān)聯(lián)等方法。

本系統(tǒng)利用3D攝像頭拍攝人臉，從而得到相應(yīng)的人臉區(qū)域的3D數(shù)據(jù)，然后利用卷積神經(jīng)網(wǎng)絡(luò)算法，對(duì)攝像頭提取到的圖像信息進(jìn)行分析處理，判斷是否為活體。

在現(xiàn)實(shí)生活中，通常使用到的攝像頭是二維的，沒有深度信息，每一個(gè)景象都是平面的連續(xù)播放。而3D攝像頭在二維圖像的基礎(chǔ)上增加了對(duì)拍攝對(duì)象的深度測(cè)量，即三維的位置及尺寸信息，從而形成三維圖像，實(shí)現(xiàn)了從平面視覺到立體視覺的轉(zhuǎn)換。

為了實(shí)現(xiàn)3D攝像頭活體檢測(cè)，首先用3D人臉圖像訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于活體檢測(cè)。由于活體人臉檢測(cè)是一個(gè)二分類問(wèn)題，因此其監(jiān)督信號(hào)比較弱，提取特征魯棒性不好，算法性能不理想。因此，用活體檢測(cè)訓(xùn)練圖像對(duì)Alex-net進(jìn)行微調(diào)得到一個(gè)更高效的網(wǎng)絡(luò)。采用基于動(dòng)態(tài)特征的卷積神經(jīng)網(wǎng)絡(luò)活體檢測(cè)算法。首先采用金字塔LK光流法跟蹤視頻，得到圖像的動(dòng)態(tài)信息，然后對(duì)光流運(yùn)動(dòng)信息進(jìn)行分析，計(jì)算水平位移和垂直位移，進(jìn)一步根據(jù)兩個(gè)位移計(jì)算位移幅度圖，即動(dòng)態(tài)特征圖，將動(dòng)態(tài)特征圖作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，最后進(jìn)行特征提取以及活體檢測(cè)。

4 結(jié)語(yǔ)

基于活體人臉檢測(cè)的智能門禁系統(tǒng)，采用嵌入式系統(tǒng)，實(shí)現(xiàn)活體檢測(cè)和人臉識(shí)別，提高系統(tǒng)的安全性，抵抗對(duì)簡(jiǎn)單人臉識(shí)別的攻擊。該系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，操作方便，可用于家用安防或是公司安防等。

[參考文獻(xiàn)]

[1]甘俊英，劉呈云，李山路.多顏色空間中三正交平面的WLDLBP活體人臉檢測(cè)算法[J].五邑大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（2）：14-19.

[2]任玉強(qiáng)，田國(guó)棟，周祥東，等.高安全性人臉識(shí)別系統(tǒng)中的唇語(yǔ)識(shí)別算法研究[J].計(jì)算機(jī)應(yīng)用研究，2017（4）：1221-1225，1230.

[3]黃葉玨.基于交互式隨機(jī)動(dòng)作的人臉活體檢測(cè)[J].軟件導(dǎo)刊，2015（12）：26-28.

[4]盤海玲.人臉識(shí)別系統(tǒng)中活體檢測(cè)技術(shù)[J].科技資訊，2015（10）：226.

[5]楊健偉.面向人臉識(shí)別的人臉活體檢測(cè)方法研究[D].北京：北京郵電大學(xué)，2014.endprint