龍子璇 陳超 肖添翼 周璐 艾樂巍

摘 要：近年來，隨著我國航空事業(yè)的不斷發(fā)展，機(jī)場(chǎng)安檢工作所面臨的壓力變得越來越大，人臉識(shí)別技術(shù)作為一種快捷、準(zhǔn)確、安全的技術(shù)，可讓機(jī)場(chǎng)安檢變得更加方便。本次研究旨在研究人臉識(shí)別技術(shù)并將其與機(jī)場(chǎng)安檢聯(lián)系起來。

關(guān)鍵詞：人臉識(shí)別技術(shù)；機(jī)場(chǎng)安防；卷積神經(jīng)網(wǎng)絡(luò)

人臉識(shí)別技術(shù)在機(jī)場(chǎng)安檢中的應(yīng)用最早是從21世紀(jì)初期，主要是用于身份認(rèn)證與黑名單管理，而隨著近年來應(yīng)用技術(shù)的不斷成熟，人臉識(shí)別技術(shù)在機(jī)場(chǎng)安檢中得到了更加廣泛的應(yīng)用，人臉識(shí)別技術(shù)可從視頻圖像中實(shí)時(shí)識(shí)別人臉，并與人臉數(shù)據(jù)庫進(jìn)行比對(duì)，從而實(shí)現(xiàn)快速身份識(shí)別與智能預(yù)警。

1 人臉識(shí)別技術(shù)與機(jī)場(chǎng)安防

目前，國內(nèi)機(jī)場(chǎng)對(duì)于人臉識(shí)別技術(shù)的應(yīng)用主要集中在安檢驗(yàn)證方面，但這一技術(shù)的應(yīng)用價(jià)值卻并不僅限于此。我們認(rèn)為如果在機(jī)場(chǎng)安防系統(tǒng)設(shè)置人臉識(shí)別系統(tǒng)有以下幾點(diǎn)優(yōu)勢(shì)：

首先，可以提高效率。很多群眾在選擇出行的時(shí)候都會(huì)出于對(duì)安檢速度的恐懼而提早過多到達(dá)機(jī)場(chǎng)，這就造成了出行效率明顯降低的問題。如果將人臉識(shí)別技術(shù)應(yīng)用進(jìn)來，那么，速率可能會(huì)翻倍提高。

其次，可以提高準(zhǔn)確性和安全性。由于人臉識(shí)別系統(tǒng)是在機(jī)場(chǎng)進(jìn)行動(dòng)態(tài)實(shí)時(shí)的布控，因而不僅能夠解決傳統(tǒng)機(jī)場(chǎng)安防系 統(tǒng)的漏洞，而且還能夠準(zhǔn)確識(shí)別出黑名單人員，在事件處理的過程中占據(jù)有利地位[1]。

2 人臉識(shí)別系統(tǒng)的設(shè)計(jì)

假定機(jī)場(chǎng)后臺(tái)將當(dāng)天需要乘搭飛機(jī)的乘客人臉信息已經(jīng)提前調(diào)到一個(gè)人臉數(shù)據(jù)庫中，等乘客到機(jī)場(chǎng)進(jìn)行安檢時(shí)，用攝像頭采集人臉與數(shù)據(jù)庫中的人臉進(jìn)行匹配，若匹配成功則調(diào)出該乘客的航班信息，若不成功則交給安檢人員進(jìn)一步處理。

人臉識(shí)別可大致分為三個(gè)過程：人臉檢測(cè)、特征提取、人臉鑒別[2]，系統(tǒng)設(shè)計(jì)流程如圖2。本設(shè)計(jì)所用的開發(fā)工具是Pycharm，語言為python。設(shè)計(jì)思路是首先準(zhǔn)備好人臉數(shù)據(jù)庫；再用dlib人臉識(shí)別器[3]提取圖片中的人臉部分；接著使用卷積神經(jīng)網(wǎng)絡(luò)來建立模型訓(xùn)練數(shù)據(jù)；最后用攝像頭采集人臉進(jìn)行性能評(píng)估。

2.1 數(shù)據(jù)庫的準(zhǔn)備

錄入測(cè)試頭像作為將進(jìn)行安檢乘客，并在網(wǎng)上下載開源人臉數(shù)據(jù)庫，進(jìn)行統(tǒng)一像素大小、去噪音等處理后放入一個(gè)測(cè)試文件下，作為當(dāng)天預(yù)乘搭飛機(jī)的乘客人臉庫。

2.2 CNN卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)用

根據(jù)第一步準(zhǔn)備好的數(shù)據(jù)庫，用dlib人臉識(shí)別器把圖片中的人臉特征信息提取出來，然后作為神經(jīng)網(wǎng)絡(luò)模型的輸入。基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法就是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和分類能力對(duì)人臉進(jìn)行特征提取與識(shí)別，卷積神經(jīng)網(wǎng)絡(luò)[4]是目前比較熱門的一種算法，一般分為四個(gè)步驟：卷積層初步提取特征、池化層提取主要特征、全連接層將各部分特征匯總、產(chǎn)生分類器進(jìn)行預(yù)測(cè)識(shí)別。

卷積層的作用就是提取每個(gè)小部分里具有的特征。假定一個(gè)尺寸為5*5的圖像，每一個(gè)像素點(diǎn)都存儲(chǔ)著圖像的信息。再定義一個(gè)相當(dāng)于權(quán)重的卷積核，用來從圖像中提取一定的特征。卷積核與數(shù)字矩陣對(duì)應(yīng)位相乘再相加，得到卷積層輸出結(jié)果[5]，結(jié)果如圖2。池化層的輸入就是卷積層輸出的原數(shù)據(jù)與相應(yīng)的卷積核相乘后的輸出矩陣。卷積層和池化層的工作就是提取，并減少原始圖像帶來的參數(shù)。為了生成最終的輸出，我們需要應(yīng)用全連接層來生成一個(gè)等于我們需要的類的數(shù)量的分類器。

用python搭建神經(jīng)網(wǎng)絡(luò)模型的步驟如下：首先讀取數(shù)據(jù)集，并定義好權(quán)重函數(shù)、偏置值函數(shù)、卷積函數(shù)和池化函數(shù)；接著進(jìn)行第一次和第二次卷積池化工作，再接入全連接層，全連接層1有1024個(gè)神經(jīng)元，全連接層2有10個(gè)神經(jīng)元，相當(dāng)于生成的分類器；最后使用梯度下降法優(yōu)化求準(zhǔn)確率。經(jīng)過訓(xùn)練可以得出結(jié)論，訓(xùn)練人臉庫照片越多，識(shí)別的正確率越高，缺點(diǎn)是運(yùn)行時(shí)非常占內(nèi)存，整個(gè)任務(wù)完成比較耗時(shí)間。

2.3 用戶界面

在完成人臉識(shí)別后，為了有效配合機(jī)場(chǎng)安檢人員完成安檢工作，我們把識(shí)別結(jié)果放在用戶界面里，并計(jì)劃顯示成功通過驗(yàn)證的乘客的航班信息。用戶界面（User Interface，簡(jiǎn)稱UI），是用來將硬件內(nèi)的信息轉(zhuǎn)化成人能夠接受的形式的軟件[6]。在本系統(tǒng)中，用戶界面主要用于將視頻圖像信息、識(shí)別結(jié)果信息、以及乘客航班信息可視化。為了使用者能清楚的看到這些信息，界面被分為三個(gè)區(qū)域：

1）視頻圖像顯示區(qū)域。用于顯示攝像頭實(shí)時(shí)獲取的圖像信息。

2）乘客航班信息顯示區(qū)域。顯示的信息包括航班號(hào)、始發(fā)站、到達(dá)站、艙位、座位號(hào)、登記時(shí)間、登機(jī)口、日期的詳細(xì)信息。

3）識(shí)別結(jié)果顯示區(qū)域。用于顯示捕獲的人臉數(shù)據(jù)與人臉庫對(duì)比后的匹配結(jié)果。

從攝像頭捕獲的人臉數(shù)據(jù)與人臉庫中的數(shù)據(jù)進(jìn)行對(duì)比后，有兩種可能的情況。

第一種情況，匹配失敗，那么識(shí)別部分的函數(shù)給出匹配失敗的信號(hào)，然后在識(shí)別結(jié)果顯示區(qū)域顯示識(shí)別失敗，如圖3。

第二種情況，匹配成功，識(shí)別部分的函數(shù)給出匹配成功的信號(hào)，并返回被識(shí)別人的身份證號(hào)，如圖4。然后在識(shí)別結(jié)果顯示區(qū)域就顯示識(shí)別成功，再利用Qt的信號(hào)槽機(jī)制，將匹配成功信號(hào)和乘客信息搜索函數(shù)進(jìn)行綁定，而身份證信息作為乘客信息搜索函數(shù)的索引信息。在本系統(tǒng)中，存儲(chǔ)乘客航班信息所使用的數(shù)據(jù)庫是MySQL，所以在身份證信息已經(jīng)確定的情況下，利用select語句即可查詢到表中該乘客的航班信息，最后將這些信息在圖形界面的航班信息顯示區(qū)域顯示出來。

3 總結(jié)

這次的研究旨在將人臉識(shí)別和機(jī)場(chǎng)的安檢更好的結(jié)合起來，做到在無需安檢人員的情況下完成乘客的人臉信息、身份信息以及航班信息的核對(duì)，并提供乘客將乘坐航班的詳細(xì)信息。顯示乘客信息一方面便于旅客登機(jī)，另一方面也為逐漸推行的“無紙化”登機(jī)提供方便。

參考文獻(xiàn)

[1]候啟真.機(jī)場(chǎng)安全防范技術(shù)[M].天津：中國民航出版社.2013.

[2]熊欣.人臉識(shí)別技術(shù)與應(yīng)用[M].河南：黃河水利出版社.2018

[3]周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社.2016。

[4]魏秀參.解析深度學(xué)習(xí)： 卷積神經(jīng)網(wǎng)絡(luò)原理與視覺實(shí)踐[M].北京：電子工業(yè)出版社.2018.

[5]吳岸城.神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)[M].北京：電子工業(yè)出版社.2016.

[6][英]Mark Summerfield. Python QT GUI快速編程 編程指南[M].閆鋒欣譯注.北京：電子工業(yè)出版社.2016.