朱洪浩，姚保峰，馬金金

?

基于XML與人臉識(shí)別的智能小區(qū)門禁管理系統(tǒng)設(shè)計(jì)

*朱洪浩，姚保峰，馬金金

(蚌埠學(xué)院計(jì)算機(jī)工程學(xué)院，安徽，蚌埠 233030)

為實(shí)現(xiàn)小區(qū)的智能化人性化管理，設(shè)計(jì)了一套基于XML與人臉識(shí)別的智能小區(qū)門禁管理系統(tǒng)。首先，集成網(wǎng)絡(luò)攝像頭和數(shù)據(jù)分析工作站，組成系統(tǒng)硬件平臺(tái)；嵌入人臉識(shí)別算法和XML結(jié)構(gòu)化數(shù)據(jù)，構(gòu)建了智能小區(qū)門禁管理系統(tǒng)。然后，結(jié)合圖像灰度處理、直方圖均衡化和haar特征檢測(cè)，設(shè)計(jì)了人臉圖像識(shí)別算子，實(shí)現(xiàn)人臉有、無來訪者身份確定。在Visiual Studio平臺(tái)開發(fā)系統(tǒng)，對(duì)所提智能小區(qū)門禁管理系統(tǒng)進(jìn)行了測(cè)試，輸出結(jié)果表明：所提出的智能小區(qū)門禁管理系統(tǒng)，在人臉識(shí)別和系統(tǒng)智能性方面，都優(yōu)于傳統(tǒng)小區(qū)門禁管理系統(tǒng)。

門禁管理系統(tǒng)；人臉圖像識(shí)別；XML結(jié)構(gòu)；直方圖均衡化；Haar特征檢測(cè)；圖像灰度

0 引　言

隨著城市化進(jìn)程的推進(jìn)，住宅小區(qū)數(shù)量和規(guī)模不斷增大，對(duì)小區(qū)門禁的安全保障和柔性管理提出了更高的要求。傳統(tǒng)的小區(qū)門禁管理往往以增加保安人工值守和刷卡進(jìn)出來維持小區(qū)秩序和安全。這種方式在一定程度上可以起到安保作用，但是人力成本是無法回避的問題，同時(shí)，存在業(yè)主忘記帶門禁卡而需走登記流程的不便捷問題。如何以智能化、柔性的方案和技術(shù)，高效地解決小區(qū)門禁管理的成本、安全與業(yè)主體驗(yàn)問題，是本文設(shè)計(jì)方案和智能小區(qū)門禁管理系統(tǒng)主要研究并解決的問題。

目前國(guó)內(nèi)專家在這一應(yīng)用領(lǐng)域的研究已經(jīng)獲得了一定進(jìn)展。比如，陳存強(qiáng)[1]等人將人臉識(shí)別技術(shù)應(yīng)用于門禁系統(tǒng)，制定出一種設(shè)計(jì)方案實(shí)現(xiàn)基于人臉識(shí)別的門禁管理，采用二維線性判別分析算法有效提升了人臉識(shí)別門禁系統(tǒng)的識(shí)別率。但是二維線性判別分析計(jì)算量大，導(dǎo)致識(shí)別時(shí)間過長(zhǎng)，降低了用戶體驗(yàn)。王越[2]等人采用TCP/IP協(xié)議完成了云服務(wù)器與單元門口機(jī)及手機(jī)APP的通信，利用URAT口或者socket網(wǎng)絡(luò)完成了人臉識(shí)別模塊與單元門口機(jī)的主控板卡ARM Cortex-A9之間的通信，但是主控板卡ARM Cortex-A9價(jià)格昂貴，很多普通小區(qū)不能夠承擔(dān)，導(dǎo)致該系統(tǒng)缺乏應(yīng)用普適性。汪成龍[3]等人設(shè)計(jì)一個(gè)基于SeetaFace的人臉識(shí)別門禁系統(tǒng)，搭配OpenCV先進(jìn)行圖像提取、樣本采集和圖像預(yù)處理，用Seeta Face-engine自帶的檢測(cè)模塊、特征點(diǎn)標(biāo)記模塊和特征提取識(shí)別模塊三個(gè)核心模塊來完成人臉識(shí)別的主要功能，通過軟件控制門禁，達(dá)到智能門禁的效果，但是SeetaFace過度依賴開源社區(qū)收集的通用人臉數(shù)據(jù)，缺乏針對(duì)所在小區(qū)人臉數(shù)據(jù)采集，從而存在人臉識(shí)別不穩(wěn)定的問題。

在通過智能技術(shù)適應(yīng)市場(chǎng)實(shí)際應(yīng)用需求的愿景下，本文提出了基于XML與人臉識(shí)別的智能小區(qū)門禁管理系統(tǒng)。通過構(gòu)建新的硬件平臺(tái)，運(yùn)用改進(jìn)的人臉識(shí)別算子，并嵌入XML結(jié)構(gòu)化數(shù)據(jù)來解決傳統(tǒng)系統(tǒng)硬件或者人工值守成本高、人臉識(shí)別不穩(wěn)定的問題，從而達(dá)到小區(qū)門禁安全管理，提高業(yè)主進(jìn)出門體驗(yàn)的目的。本系統(tǒng)以人臉識(shí)別為核心，業(yè)主不帶門禁卡，也可以方便進(jìn)出，省去尋求人工幫助的繁瑣，業(yè)主朋友拜訪只需經(jīng)業(yè)主電話確認(rèn)，在物業(yè)服務(wù)中心登記，開通權(quán)限，也可方便拜訪，省去原來尋求人工幫助的繁瑣和流程，提高業(yè)主置業(yè)體驗(yàn)，體現(xiàn)了本系統(tǒng)的人性化和柔性化管理。

1 本文智能小區(qū)門禁管理系統(tǒng)設(shè)計(jì)

本文系統(tǒng)想要達(dá)到的工程目標(biāo)有2個(gè)，首先，利用XML結(jié)構(gòu)化信息存儲(chǔ)并傳輸業(yè)主人臉特征數(shù)據(jù)；其次，設(shè)計(jì)人臉識(shí)別算子取代基于卡的門禁，提高門禁安全系數(shù)，提高業(yè)主出入門禁的體驗(yàn)，避免業(yè)主忘記帶門禁卡而走登記流程。

1.1 所提識(shí)別系統(tǒng)的結(jié)構(gòu)

如圖1(a)所示，為本文設(shè)計(jì)的系統(tǒng)架構(gòu)，小區(qū)單元樓門口安置IP攝像頭，攝像頭拍攝視野覆蓋來訪者人臉可能出現(xiàn)的范圍，完成實(shí)時(shí)人臉圖像采集。每個(gè)IP攝像頭采集數(shù)據(jù)通過局域網(wǎng)輸給小區(qū)后臺(tái)中心的數(shù)據(jù)分析服務(wù)器，服務(wù)器加載基于XML的人臉學(xué)習(xí)特征文件，完成人臉識(shí)別，并將識(shí)別結(jié)果以XML結(jié)構(gòu)化信息的形式傳輸給基于單元的門禁終端。XML是用來標(biāo)記數(shù)據(jù)、定義數(shù)據(jù)類型，是一種允許用戶對(duì)自己的標(biāo)記語言進(jìn)行定義的源語言，它非常適合萬維網(wǎng)傳輸，提供統(tǒng)一的方法來描述和交換獨(dú)立于應(yīng)用程序或供應(yīng)商的結(jié)構(gòu)化數(shù)據(jù)[4]。XML是Internet環(huán)境中跨平臺(tái)的、依賴于內(nèi)容的技術(shù)，也是當(dāng)今處理分布式結(jié)構(gòu)信息的有效工具[5]。本智能小區(qū)門禁管理系統(tǒng)借助XML存儲(chǔ)和傳輸結(jié)構(gòu)化數(shù)據(jù)信息的優(yōu)勢(shì)，相比于文本傳輸，在提高系統(tǒng)存儲(chǔ)傳輸效率同時(shí)，降低了系統(tǒng)維護(hù)成本。另外，本系統(tǒng)采用了局域網(wǎng)，實(shí)現(xiàn)門禁人臉圖像采集、服務(wù)器數(shù)據(jù)處理的關(guān)聯(lián)，在滿足系統(tǒng)功能的前提下，達(dá)到低成本高效的目的。如圖1(b)所示，本系統(tǒng)UI主要有實(shí)時(shí)人臉圖像采集、人臉識(shí)別、識(shí)別信息顯示。如圖1(c)所示，硬件平臺(tái)由IP攝像頭、單元門、轉(zhuǎn)動(dòng)鎖構(gòu)成。

1.2 人臉識(shí)別算子

為了實(shí)現(xiàn)業(yè)主人臉的準(zhǔn)確識(shí)別，首先需要對(duì)業(yè)主面部圖像進(jìn)行數(shù)據(jù)采集，建立業(yè)主人臉圖像庫，作為后續(xù)識(shí)別標(biāo)準(zhǔn)數(shù)據(jù)。然后，針對(duì)現(xiàn)場(chǎng)采集的人臉圖像，進(jìn)行灰度化處理，不需要彩色信息，不僅可以集中有效信息，而且可以降低算法計(jì)算復(fù)雜度，從而提高效率。為了進(jìn)一步增強(qiáng)人臉特征，本算子進(jìn)行直方圖均衡化處理。提取Haar特征，基于OpenCV函數(shù)，建立人臉檢測(cè)與識(shí)別分類器。以圖像識(shí)別算法取代傳統(tǒng)人工值守和刷卡進(jìn)出，以自主底層開發(fā)取代商業(yè)計(jì)算機(jī)視覺軟件。為此，本文采用基于haar的人臉檢測(cè)識(shí)別算子來解決上述難題。如圖2所示，為本文人臉識(shí)別算子工作過程。

圖2 本文人臉識(shí)別算子的過程

Step1：讀取采集圖像，進(jìn)行灰度化處理，基于如下灰度化處理公式：

式(1)中,代表圖像坐標(biāo)，Gray代表灰度圖，、、代表紅、綠、藍(lán)的三通道分量，本算子先進(jìn)行灰度化處理。

Step2：在灰度圖基礎(chǔ)上進(jìn)行直方圖歸一化，如下公式：

式(2)中代表歸一化直方圖，()代表像素值為的圖像直方圖，歸一化到[0, 1]。

Step3：接著進(jìn)行直方圖均衡化，如下公式：

式(3)中代表均衡化直方圖，f代表累積分布函數(shù)最小值，和分別代表圖像長(zhǎng)寬像素?cái)?shù)，代表灰度級(jí)。在此基礎(chǔ)上，進(jìn)行haar特征提取。

Step4：進(jìn)行haar特征提取。haar特征是計(jì)算機(jī)視覺領(lǐng)域一種常用的特征描述算子，受到一維haar小波的啟示而發(fā)明的[6]。haar多用于人臉檢測(cè)，可以理解為卷積模，haar特征模板內(nèi)只有白色和黑色兩種矩形，并定義該模板的特征值為白色矩形像素和減去黑色矩形像素[7]。haar特征值反映了圖像的灰度變化情況，例如：臉部的一些特征能由矩形特征簡(jiǎn)單地描述[8]。但矩形特征只對(duì)一些簡(jiǎn)單的圖形結(jié)構(gòu)如邊緣、線段較敏感，所以只能描述特定走向的結(jié)構(gòu)[9-10]。本算子采用36*36大小的矩形，在1204*1204的采集圖像幀中，不同位置和角度，導(dǎo)致數(shù)量較大，特征數(shù)量如下所示：

式(4)中、代表大圖長(zhǎng)寬，、代表矩形長(zhǎng)寬，代表haar特征個(gè)數(shù)。根據(jù)haar特征個(gè)數(shù)進(jìn)行提取，輸入openCV訓(xùn)練函數(shù)訓(xùn)練分類識(shí)別器。

Step5：XML 數(shù)據(jù)加載[11]。實(shí)際檢測(cè)時(shí)啟動(dòng)分類識(shí)別特征數(shù)據(jù)XML文件。

Step6；人臉檢測(cè)。本系統(tǒng)將IP攝像頭采集的業(yè)主人臉圖像幀作為人臉識(shí)別算子的訓(xùn)練與檢測(cè)輸入端。

以待識(shí)別目標(biāo)圖3為例，進(jìn)行檢測(cè)識(shí)別，得到人臉識(shí)別定位結(jié)果如圖4(a)所示，可見準(zhǔn)確檢測(cè)到人臉，并識(shí)別得出業(yè)主身份信息、姓名、所住地址，軟件系統(tǒng)UI顯示人臉對(duì)象識(shí)別為“業(yè)主”、“王杰”、“10#-803”。如圖4(b)所示，本系統(tǒng)人臉特征數(shù)據(jù)存儲(chǔ)在XML文件中，可見XML格式數(shù)據(jù)存儲(chǔ)方式分門別類，結(jié)構(gòu)清晰。由于人臉特征數(shù)據(jù)量比較大，達(dá)到萬級(jí)別行數(shù)，本文在此只節(jié)選部分，主要為了展示XML數(shù)據(jù)格式。

人臉識(shí)別算子的部分關(guān)鍵代碼如下：

int fullImageLowResolutionSzx = round (m_khiImage Width/downSampleRatio);

int fullImageLowResolutionSzy = round (m_khiImageHeight/downSampleRatio);

QImage fullImageLowResolution = QImage (fullImage Low Resolution Szx, fullImage Low ResolutionSzy, QImage::Format_RGB888);

fullImageLowResolution.fill(QColor(Qt::white).rgb()); // init with all white

std::cout<

std::vector > startingPoints;

for (int iw = 0; iw < num Of Block WSIW- numBlockPerTile; iw += numBlockPerTile) // -numBlockPerTile to be safe to avoid boundary conditions

{for (int ih = 0; ih < num Of Block WSIH- numBlockPerTile; ih += numBlockPerTile) // -numBlockPerTile to be safe to avoid boundary conditions{

std::vector thisPoint;

thisPoint.push_back(iw);

thisPoint.push_back(ih);

startingPoints.push_back(thisPoint);}}

#pragma omp parallel for

for (int it = 0; it < startingPoints.size(); ++it){

QImage tile = extract Tile From Dme trix (m_img, startingPoints[it][0], starting Points[it][1], numOfBlockWSIW, num Of Block WSIH, 256, 10);

#pragma omp critical

{shrinkAndPaintTileToGlobalViewImage(tile, fullImageLowResolution, startingPoints[it][0]*blockSize, startingPoints[it][1]*blockSize, downSampleRatio);}}}

圖3 待檢測(cè)圖像

2 實(shí)驗(yàn)結(jié)果及分析

采用Intel i5 四核CPU,，8GB的內(nèi)存，電腦系統(tǒng) Windows 7，64位，借助Visual Studio開發(fā)平臺(tái)對(duì)本文提出的基于XML和人臉識(shí)別的智能小區(qū)門禁管理系統(tǒng)進(jìn)行開發(fā)實(shí)現(xiàn)。

為了驗(yàn)證本文智能小區(qū)門禁管理的優(yōu)異性能，本文設(shè)立了對(duì)照實(shí)驗(yàn)，具體為文獻(xiàn)[1]和文獻(xiàn)[3]，分別記為A、B算法。輸入圖像如圖5所示，來訪者（實(shí)為業(yè)主）待識(shí)別，系統(tǒng)功能有圖像采集、人臉識(shí)別、身份信息顯示。對(duì)本文算法、A算法和B算法，在系統(tǒng)中實(shí)現(xiàn)仿真，處理圖5中原圖，分別得到結(jié)果如圖6、7、8所示。由于本文采用XML結(jié)構(gòu)化數(shù)據(jù)與人臉識(shí)別算法，實(shí)現(xiàn)人臉實(shí)時(shí)檢測(cè)和人臉定位識(shí)別。本文基于大數(shù)據(jù)樣本XML文件訓(xùn)練與haar特征識(shí)別，人臉定位、人臉識(shí)別準(zhǔn)確。本文算法首先準(zhǔn)確識(shí)別并定位了人臉位置，通過人臉識(shí)別檢測(cè)，匹配出了數(shù)據(jù)庫中的業(yè)主信息，界面中顯示了業(yè)主身份信息，如圖6所示。而A算法采用二維線性判別分析算法有效提升了人臉識(shí)別門禁系統(tǒng)的識(shí)別率，但是二維線性判別分析計(jì)算量大，導(dǎo)致識(shí)別時(shí)間過長(zhǎng)，在實(shí)際應(yīng)用中降低了業(yè)主體驗(yàn)度，業(yè)主配合度打折，不愿意較長(zhǎng)時(shí)間的站在攝像頭前等待識(shí)別結(jié)果，從而降低識(shí)別率，如圖7所示，雖然人臉定位檢測(cè)正確，但是識(shí)別未完成，所以身份信息未識(shí)別出，系統(tǒng)界面對(duì)應(yīng)信息顯示空白，無法反映出業(yè)主的名字等具體信息。對(duì)于B算法依賴開源包SeetaFace開發(fā)，缺乏小區(qū)人臉數(shù)據(jù)針對(duì)性，不能兼顧所有業(yè)主人臉特征變化，人臉定位和識(shí)別存在不穩(wěn)定，如圖8所示，首先人臉定位錯(cuò)誤，后續(xù)識(shí)別更是缺乏依據(jù)，識(shí)別失敗，系統(tǒng)界面對(duì)應(yīng)信息顯示空白，無法看到業(yè)主具體信息。綜上所述，本文算法識(shí)別人臉正確，并從人臉數(shù)據(jù)庫中比對(duì)出業(yè)主信息；對(duì)照實(shí)驗(yàn)A、B算法未識(shí)別正確，沒有對(duì)應(yīng)正確人臉信息，所以系統(tǒng)無法顯示業(yè)主信息。

圖5 智能系統(tǒng)與待檢測(cè)目標(biāo)

圖6 本文算法的檢測(cè)結(jié)果

圖7 文獻(xiàn)[2]的檢測(cè)結(jié)果

Fig.7 Test results of reference [2]

圖8 文獻(xiàn)[3]的檢測(cè)結(jié)果

3 結(jié)束語

為了提高小區(qū)門禁管理系統(tǒng)的智能化與業(yè)主用戶體驗(yàn)，減少經(jīng)濟(jì)成本，提高小區(qū)門禁安全保障，本文設(shè)計(jì)并開發(fā)實(shí)現(xiàn)了基于XML 與人臉識(shí)別的智能小區(qū)門禁管理系統(tǒng)。采用局域網(wǎng)、IP攝像頭、XML結(jié)構(gòu)化數(shù)據(jù)和中央服務(wù)器，組成低成本、高穩(wěn)定的智能小區(qū)門禁管理系統(tǒng)硬件架構(gòu)?；诨叶然幚?、直方圖均衡化和haar特征訓(xùn)練，構(gòu)建人臉檢測(cè)識(shí)別算子，達(dá)到人臉定位檢測(cè)和人臉識(shí)別的目的。用Visual Studio平臺(tái)來實(shí)現(xiàn)本文系統(tǒng)，結(jié)果表明：相比于對(duì)標(biāo)系統(tǒng)，在保證系統(tǒng)功能前提下，本文系統(tǒng)在人臉檢測(cè)定位方面具有更高的精度和穩(wěn)定性。

化妝與發(fā)型變化對(duì)識(shí)別率影響是本文目前研究成果上后續(xù)開展的內(nèi)容，以進(jìn)一步提高本文系統(tǒng)的智能程度與適應(yīng)性。

[1] 陳存強(qiáng). 基于人臉識(shí)別技術(shù)的門禁系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 內(nèi)燃機(jī)與配件,2018, 3(5): 23-27.

[2] 王越. 基于人臉識(shí)別技術(shù)的社區(qū)智能門禁系統(tǒng)的實(shí)現(xiàn)[J]. 電子測(cè)量技術(shù),2018, 7(6):121-126.

[3] 汪成龍. 基于SeetaFace的人臉識(shí)別門禁系統(tǒng)[J]. 制造業(yè)自動(dòng)化, 2018, 11(5): 58-63.

[4] Kim S H, Lee K H, Lee Y J. Multi-Query Processing of XML Data Streams on Multicore[J]. The Journal of Supercomputing, 2017, 73(6): 2339-2368.

[5] Bai L Y, Cao X R, Jia W J. Uncertain Spatiotemporal Data Modeling and Algebraic Operations Based on XML [J]. Earth Science Informatics，2018, 11(1): 109-127.

[6] 羅瑞奇,鐘忺,鐘珞. 一種改進(jìn)Haar-like特征的車輛識(shí)別算法[J]. 武漢大學(xué)學(xué)報(bào)(理學(xué)版)，2018, 64(3): 1042244-248.

[7] John M, Mike R, Brad L. Edge Detection in Pipe Images Using Classification of Haar Wavelet Transforms [J]. Applied Artificial Intelligence: An International Journal, 2014, 28(7): 675-689.

[8] Wang X. Moving Window-Based Double Haar Wavelet Transform for Image Processing[J]. IEEE Transactions on Image Processing, 2006, 15(9): 2771-2779.

[9] 謝春浩. 門禁管理系統(tǒng)中的人臉識(shí)別技術(shù)[J]. 現(xiàn)代建筑電氣, 2018, 29(1): 42-46.

[10] 萬卷. 基于改進(jìn)的二值形態(tài)學(xué)人臉識(shí)別算法[J]. 機(jī)械與電子,2018, 29(1): 42-46.

[11] 張濤,王秋紅. 面向數(shù)控車床的智能故障診斷系統(tǒng)的研究[J]. 井岡山大學(xué)學(xué)報(bào):自然科學(xué)版,2013,34(5): 65-69.

Intelligent Community Entrance Guard Management System based on XML and Face Recognition

*ZHU Hong-hao, YAO Bao-feng, MA Jin-jin

(School of computer engineering, BengbuUniversity, Anhui, Bengbu 233030, China)

In order to realize the intelligent and humanized management of residential area, this paper designs an intelligent residential area entrance guard management system based on XML and face recognition. Firstly, the system hardware platform is constructed by integrating webcam and data analysis workstation, embedding face recognition algorithm and XML structured data to construct the intelligent community entrance guard management system architecture. Then, a face recognition operator is designed, which combines image gray processing, histogram equalization and Haar feature detection to realize the identification of visitors and the presence of faces. The intelligent community entrance guard management system is tested in the Visual Studio platform development system. The results show that the intelligent community entrance guard management system proposed in this paper is superior to the traditional community entrance guard management system in face recognition and system intelligence.

access control management system; face image recognition; XML structure; histogram equalization; Haar feature detection; image gray level

TP391

A

10.3969/j.issn.1674-8085.2018.06.006

2018-09-10；

2018-10-28

安徽省高校自然科學(xué)研究一般項(xiàng)目(113052015KJ05)；安徽省自然科學(xué)研究重點(diǎn)項(xiàng)目(KJ2016A456, KJ2014A150)

*朱洪浩(1980-)，男，安徽碭山人，講師，碩士，主要從事圖像處理、人工智能、電子商務(wù)等方面的研究(E-mail: 183384669@qq.com);

姚保峰(1980-)，男，浙江寧波人，副教授，碩士，主要從事圖像處理、信息檢索、算法分析等方面的研究(E-mail:54096695@qq.com);

馬金金(1981-)，女，安徽蚌埠人，講師，碩士，主要從事圖像處理、人工智能、多媒體信息處理、數(shù)字媒體技術(shù)等方面的研究(E-mail:1060520358@qq.com).

1674-8085(2018)06-0033-06