陳 奎,邢雪妍，田欣沅,王吉豪,王 順

(1.徐州工程學(xué)院 信電工程學(xué)院，江蘇 徐州 221018;2.江蘇省智慧工業(yè)控制技術(shù)重點(diǎn)建設(shè)實(shí)驗(yàn)室，江蘇 徐州 221111；3.長(zhǎng)春財(cái)經(jīng)學(xué)院 信息工程學(xué)院，吉林 長(zhǎng)春 130122)

目前聲紋、指紋、人臉等生物識(shí)別技術(shù)迅猛發(fā)展，廣泛應(yīng)用于網(wǎng)購(gòu)、銀行、公安、電子護(hù)照等.基于人臉識(shí)別的門(mén)禁系統(tǒng)在很多中高端智能樓宇和智能庫(kù)房中的應(yīng)用越來(lái)越多.人臉識(shí)別方便靈活、衛(wèi)生健康、適用性強(qiáng)，只要配合完善的人員管理和門(mén)鎖控制，就可實(shí)現(xiàn)安全的刷臉進(jìn)門(mén).卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)是近年發(fā)展起來(lái)，并引起廣泛重視的一種高效的圖像識(shí)別方法.參照CNN深層神經(jīng)網(wǎng)絡(luò)框架[1-3]，文中利用Matlab設(shè)計(jì)與實(shí)現(xiàn)了一種10層CNN人臉識(shí)別模型并通過(guò)腳本節(jié)點(diǎn)導(dǎo)入到基于LabVIEW的門(mén)禁的控制與管理系統(tǒng).實(shí)驗(yàn)實(shí)測(cè)表明：人臉識(shí)別模型的準(zhǔn)確率適用，模型的泛化效果良好，LabVIEW門(mén)禁系統(tǒng)工作可靠，遠(yuǎn)程控制正常.

1 系統(tǒng)功能與組成

圖1 門(mén)禁系統(tǒng)組成

面向智能樓宇和智慧倉(cāng)儲(chǔ)的實(shí)際需求，文中所提人臉識(shí)別門(mén)禁系統(tǒng)具有嵌入式圖像采集、圖像遠(yuǎn)程傳輸、圖像預(yù)處理、CNN人臉識(shí)別、門(mén)禁管理數(shù)據(jù)庫(kù)以及門(mén)禁權(quán)限管理等功能[4].CNN人臉識(shí)別模型由Matlab通過(guò)離線訓(xùn)練、交叉驗(yàn)證生成，其余功能由LabVIEW VI實(shí)現(xiàn).

門(mén)禁系統(tǒng)組成如圖1所示，主要包括三個(gè)部分，即基于STM32與OV2640的嵌入式圖像采集與門(mén)鎖控制裝置，基于RS232與TCP協(xié)議的圖像與數(shù)據(jù)傳輸控制，基于LabVIEW VI和ACCESS數(shù)據(jù)庫(kù)的門(mén)禁信號(hào)操作與管理系統(tǒng).

鎖具采用磁力鎖，通過(guò)繼電器控制開(kāi)關(guān)，通過(guò)門(mén)磁輸入監(jiān)控鎖具狀態(tài).利用LabVIEW的WEB發(fā)布實(shí)現(xiàn)門(mén)禁系統(tǒng)的遠(yuǎn)程登錄和監(jiān)控.

2 系統(tǒng)軟件實(shí)現(xiàn)

門(mén)禁系統(tǒng)設(shè)計(jì)基本流程如圖2所示.軟件系統(tǒng)包括：基于Matlab的 CNN人臉識(shí)別模型的設(shè)計(jì)、離線訓(xùn)練和驗(yàn)證、LabVIEW門(mén)禁在線的控制與管理系統(tǒng).CNN包括卷積層、池化層、全連接層與softmax輸出層[5-8].門(mén)禁管理LabVIEW系統(tǒng)包括TCP連接管理、圖像獲取與傳輸、圖像預(yù)處理和人臉圖像識(shí)別、數(shù)據(jù)庫(kù)檢索和記錄、鎖具操作碼下行傳輸?shù)?

圖2 門(mén)禁系統(tǒng)設(shè)計(jì)基本流程

2.1 基于Matlab的CNN學(xué)習(xí)模型設(shè)計(jì)

目前，有許多CNN架構(gòu)的變體，但其基本結(jié)構(gòu)非常相似.CNN基本體系結(jié)構(gòu)通常由三種網(wǎng)絡(luò)層構(gòu)成，分別是卷積層、降采樣層(又稱(chēng)池化層)和全連接層.如圖3所示，采用10層CNN模型LeNet-5架構(gòu)設(shè)計(jì)，輸入層輸入RGB三通道的32×32像素的圖片.首個(gè)卷積層用5×5卷積核得到和卷積核數(shù)量相同大小為28×28的特征圖，然后將這些特征圖按一定的方式組合起來(lái)作為卷積層的輸出，經(jīng)過(guò)2次卷積和采樣，獲得5×5特征圖作為全連接層的輸入.2個(gè)全連接層后采用softmax全連接，得到激活值，即卷積神經(jīng)網(wǎng)絡(luò)提取到的圖片特征.

圖3 學(xué)習(xí)模型設(shè)計(jì)

1) 卷積層

CNN的基本卷積濾波器是底層局部圖像塊(patch)的一個(gè)廣義的線性模型(GLM).不同的卷積核提取的圖像有不同的特征，如顏色分布、紋理特征、邊界特征等.

CNN卷積運(yùn)算實(shí)現(xiàn)權(quán)值共享和稀疏權(quán)重，模擬出細(xì)胞簡(jiǎn)單的局部感受野.稀疏權(quán)重使得核的大小遠(yuǎn)小于輸入的大小，有效地減少網(wǎng)絡(luò)的運(yùn)算量.

2)池化層

池化函數(shù)使用某一位置的相鄰輸出的總體統(tǒng)計(jì)特征代替網(wǎng)絡(luò)在該位置的輸出，有效地減少了輸入?yún)⒓舆\(yùn)算的神經(jīng)單元，池化數(shù)學(xué)表達(dá)式為：

3) 激活函數(shù)選擇

激活函數(shù)使得各連網(wǎng)絡(luò)之間的連接關(guān)系變?yōu)榉蔷€性.

2.2 LabVIEW門(mén)禁管理

LabVIEW門(mén)禁系統(tǒng)程序框圖如圖4所示.

圖4 LabVIEW門(mén)禁系統(tǒng)程序框圖

1) TCP連接管理

門(mén)禁系統(tǒng)包括多個(gè)嵌入式系統(tǒng)管理多個(gè)磁力鎖.每個(gè)嵌入式設(shè)備與LabVIEW門(mén)禁管理系統(tǒng)構(gòu)成星型網(wǎng)絡(luò)，獨(dú)立通過(guò)TCP協(xié)議申請(qǐng)與系統(tǒng)連接.

系統(tǒng)采用典型的LabVIEW隊(duì)列結(jié)構(gòu)來(lái)管理前端多個(gè)嵌入式系統(tǒng)的TCP連接，包括TCP連接進(jìn)隊(duì)循環(huán)和出隊(duì)處理循環(huán).

2) 圖像與鎖控?cái)?shù)據(jù)傳輸

針對(duì)每一個(gè)出隊(duì)的TCP連接，通過(guò)應(yīng)用層會(huì)話接收OV2640圖像數(shù)據(jù)并截取有效部分，接收和發(fā)送門(mén)鎖狀態(tài)數(shù)據(jù)和操作數(shù)據(jù).

3) 人臉識(shí)別腳本節(jié)點(diǎn)

將訓(xùn)練和驗(yàn)證后CNN模型的predict函數(shù)使用Matlab Script節(jié)點(diǎn)引入LabVIEW中.Script節(jié)點(diǎn)的輸入為預(yù)處理后的圖像數(shù)據(jù)，輸出為識(shí)別后的人員的標(biāo)號(hào).

4) 數(shù)據(jù)庫(kù)設(shè)計(jì)與檢索

圖5 部分人臉圖像

為管理和記錄用戶信息、門(mén)鎖信息和門(mén)操作記錄信息，系統(tǒng)采用ACCESS數(shù)據(jù)庫(kù)設(shè)計(jì)Man、Door和Record 3個(gè)數(shù)據(jù)表.門(mén)鎖操作時(shí)，根據(jù)人臉識(shí)別結(jié)果檢索Man表與Door表，進(jìn)行合法性判斷和權(quán)限對(duì)比，同時(shí)在Record表中記錄門(mén)操作的詳細(xì)信息，包括時(shí)間、門(mén)號(hào)、人員、門(mén)動(dòng)作等信息.

數(shù)據(jù)庫(kù)連接使用DSN數(shù)據(jù)源名稱(chēng)，直接使用SQL語(yǔ)句字符串實(shí)現(xiàn)查詢(xún)、插入等數(shù)據(jù)庫(kù)操作.

3 實(shí)驗(yàn)與實(shí)測(cè)

實(shí)測(cè)過(guò)程中，人臉圖像數(shù)據(jù)集中包含有15人，每人100幅臉部圖像，共計(jì)1 500幅.OV7670的圖像的原始分辨率為320×240， 使用Matlab中的imresize函數(shù)可將其調(diào)整為100×100,如圖5所示.

數(shù)據(jù)集按7∶3的比例劃分為訓(xùn)練集和測(cè)試集.訓(xùn)練采用隨機(jī)梯度下降SGD(stochastic gradient descent)方式迭代10次，基礎(chǔ)學(xué)習(xí)率為0.001.訓(xùn)練集的正確率為0.987 8，測(cè)試集的正確率為0.988 5，從而表明泛化效果較好.

實(shí)測(cè)采取真人實(shí)測(cè)，將OV2640攝像頭安裝在門(mén)上，10個(gè)人共進(jìn)行112次開(kāi)門(mén)實(shí)驗(yàn).識(shí)別結(jié)果是出錯(cuò)6次、未識(shí)別10次、識(shí)別成功96次.

4 結(jié)語(yǔ)

基于LeNet-5架構(gòu)設(shè)計(jì)10層CNN用來(lái)實(shí)現(xiàn)人臉識(shí)別并使用LabVIEW構(gòu)建了一個(gè)完整的門(mén)禁智能管理系統(tǒng).系統(tǒng)具有多點(diǎn)圖像采集與傳輸、人臉識(shí)別和門(mén)鎖控制、數(shù)據(jù)庫(kù)門(mén)鎖操作管理等實(shí)用功能.研究結(jié)果表明整體結(jié)構(gòu)合理，工作正常，具有一定的借鑒作用和實(shí)用性.