薛 健, 祖 央, 岑 丹

(1. 北京師范大學(xué)珠海分校 圖書館, 廣東 珠海 519000; 2. 吉林大學(xué) 圖書館, 長春 130012)

0 引 言

互聯(lián)網(wǎng)時代的進步和科學(xué)技術(shù)的發(fā)展, 使智能化越來越貼近人們的生活。然而, 大部分高校圖書館通常都是使用學(xué)生證登記、 借閱卡或一卡通刷卡等方式借書, 隨時都存在著非本人借書、 丟書或非本校人員進館等不文明或不安全的現(xiàn)象發(fā)生, 給圖書館管理帶來了重大安全隱患[1]。因此筆者提出基于云計算的智能人臉識別借閱系統(tǒng), 使圖書館采用人臉識別技術(shù)對學(xué)生們的借閱進行實時管理與掌控, 則這種現(xiàn)象將不再發(fā)生, 也會使圖書管理系統(tǒng)更加智能化、 靈活化、 人性化, 從而使圖書借閱變得便捷、 高效、 可行。

1 基于云計算的人臉識別借閱系統(tǒng)概述

1.1 云計算的概述

圖1 云計算的基本構(gòu)架Fig.1 The basic framework of Cloud Computing

云計算提供虛擬化、 效用計算、 基礎(chǔ)設(shè)施等服務(wù)[2], 如圖1所示, 其能提供可用的、 方便的、 按需的網(wǎng)絡(luò)訪問, 且會將資源快速提供, 使更少的人力、 物力和財力投入到管理工作中, 利用云計算還能很好地解決計算復(fù)雜和比較高難度的信息技術(shù)問題[3], 平臺會對收到的數(shù)據(jù)進行處理并進行自動保存。

1.2 智能人臉識別技術(shù)

智能人臉識別技術(shù)是一種按照生物體自身獨立特性區(qū)別每個生物個體的技術(shù), 并根據(jù)該特性在人臉圖像中精確找出人臉位置及大小, 把其中有用的結(jié)構(gòu)特性、 模板特性、 輪廓特性等信息挑選出來, 并利用這些特性對人臉進行檢測。人臉識別是一種非接觸式技術(shù), 具有可視化, 適合人們思維習(xí)慣等特點, 并可通過空間自動收集人臉圖像進行識別, 無需身體部位接觸檢測設(shè)備, 便于實施。同時, 人臉是一種具有唯一性的身份標(biāo)識, 不易被復(fù)制, 有效保證了用戶信息的安全[4]。目前, 人臉檢測的方法有基于特性的方法、 基于模板匹配的方法[5]和基于統(tǒng)計的方法等(見圖2)。

圖2 人臉檢測的方法Fig.2 The technology of face detection

1.3 基于云計算的人臉識別借閱系統(tǒng)

基于云計算的人臉識別借閱系統(tǒng), 通過刷臉自動識別用戶信息, 包括人臉圖像采集, 特征提取和圖像識別等模塊, 主要是將收集到的信息利用云計算平臺強大的數(shù)據(jù)處理技術(shù)[6]和存儲兼容技術(shù)進行處理, 使處理后的人臉特征信息生成人臉特征碼, 并存儲在云計算平臺里, 與其他的生物識別技術(shù)相比, 基于云計算的人臉識別借閱系統(tǒng)有著簡單操作、 成本低、 精準(zhǔn)度高和結(jié)果直觀等特點, 更為師生接受和使用。

2 系統(tǒng)框架

圖3 系統(tǒng)框架圖Fig.3 The system frame-chart

基于云計算的智能人臉識別借閱系統(tǒng)系統(tǒng)框架如圖3所示?；谠朴嬎愕闹悄苋四樧R別借閱系統(tǒng)主要分為兩端, 即用戶端和云服務(wù)器端。前者負責(zé)采集圖像和接收數(shù)據(jù), 后者分為3層： 第1層為Web負載均衡服務(wù)器； 第2層為集群服務(wù)器層； 第3層為文件管理層。用戶端主要提供用戶友好界面并利用PC攝像頭對人臉進行采集和平滑、 濾波和均衡化等預(yù)處理, 并對人臉進行檢測。云端工作主要搭建Hadoop平臺, 利用加載了Java CV庫和Hadoop庫的eclipse進行編程, 將人臉庫存儲在HDFS, 并對人臉庫圖像進行訓(xùn)練, 保存其訓(xùn)練結(jié)果。當(dāng)用戶端提交待檢測人臉時, 通過負載均衡服務(wù), 將數(shù)據(jù)打包傳入云計算平臺并將其進行備份, 利用保存的特征臉結(jié)果進行識別。

3 方案設(shè)計

該系統(tǒng)采用FaceCore人臉檢測開放平臺, 構(gòu)建一個基于云計算的智能人臉檢測系統(tǒng), 利用嵌入式視頻采集前端采集人臉數(shù)據(jù)對人臉圖像進行預(yù)處理、 人臉檢測及數(shù)據(jù)分割上傳, 同時在云平臺中進行任務(wù)計算資源分配、 數(shù)據(jù)處理和人臉姿態(tài)估計, 再將其特性提取[7], 通過對待測人臉信息和特征信息進行對比識別, 最終得出數(shù)據(jù)。該系統(tǒng)使用典型的映射-協(xié)議框架將面部特征分發(fā)到云平臺上的計算機, 以實現(xiàn)并進行計算, 從而廣泛適應(yīng)因年齡, 肥胖(瘦弱), 疾病, 角度, 光線等因素造成的人臉圖像的變化。系統(tǒng)方案圖如圖4所示。

圖4 系統(tǒng)方案圖Fig.4 The system scheme diagram

4 系統(tǒng)實現(xiàn)

人臉識別借閱系統(tǒng)結(jié)合云計算, 先用攝像頭對全校師生臉部進行多方位抓拍, 并對人臉信息進行登記注冊, 導(dǎo)入云平臺, 云平臺利用二值化、 光線補償、 灰度變化和對比度增強等方法進行人臉處理, 處理后將生成獨立的人臉特征碼存入云端, 并自動進行備份。

借閱時, 借助攝像頭對人臉進行拍攝, 計算機將拍攝的信息通過中間件傳輸?shù)皆破脚_, 平臺啟用數(shù)據(jù)處理功能, 快速生成一個人臉識別碼, 并將該識別碼與之前存儲在HDFS的人臉特征碼進行比對及篩選, 最后將結(jié)果顯示到用戶端, 圖書管理人員即可查看到該人臉匹配的相似度及該人員信息。系統(tǒng)實驗流程如圖5所示。

圖5 系統(tǒng)實現(xiàn)流程Fig.5 System implementation process

4.1 人臉注冊

設(shè)備啟動： 讀取本地USB攝像頭信息, 并自動加載啟動。

信息注冊： 將注冊的人臉圖像姓名、 人臉照片和人臉特性值保存在云端(見圖6)。

4.2 人臉導(dǎo)入處理

圖6 人臉注冊Fig.6 Face enrollment

人臉?biāo)鸭? 將所收集到的人臉信息上傳至云計算平臺, 平臺對其進行復(fù)雜的圖像處理、 檢測和識別, 主要采取以下4種方法進行處理。

二值化[8]： 它是圖像處理中最為常見的處理方式。通過對彩色圖片進行灰度化后, 將獲取到的灰度圖像進行二值化處理。對于二值化, 其目的是將目標(biāo)用戶背景分類, 為后續(xù)的人臉識別做準(zhǔn)備?；叶葓D像二值化最常用的方法是閾值法, 其利用圖像中目標(biāo)與背景的差異, 把圖像分別設(shè)置為兩個不同的級別, 選取一個合適的閾值, 以確定某像素是目標(biāo)還是背景, 從而獲得二值化的圖像(見表1和圖7)。

表1 二值化

圖7 二值化的編碼過程Fig.7 The encode process of binarization

光線補償[9]： 為了抵消光線不平衡造成的色彩偏差, 將整個圖像中所有像素的高度從高到低進行排列。取前5%的像素, 然后線性放大, 使這些像素平均亮度達到極大值。光線補償結(jié)果如表2所示。

表2 光線補償

灰度變化[10]： 指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐點改變源圖像中每一個像素灰度值的方法。目的是改善畫質(zhì), 使圖像顯示效果更加清晰, 如表3和圖8所示。

表3 灰度變化

圖8 灰度變化示意圖 Fig.8 The sketch map of gray processing

對比度增強[11]： 將圖像中的亮度值范圍拉伸或壓縮成指定的亮度顯示范圍, 從而提高圖像全部或局部對比度(見表4和圖9)。

表4 對比度增強

圖9 對比度增強過程Fig.9 The enhancement process of Contrast ratio

4.3 人臉檢索

經(jīng)過以上步驟處理后的圖像上傳到云計算平臺進行保存并備份。當(dāng)圖書館攝像頭定位到某個人時, 系統(tǒng)將通過靜止圖像檢索或動態(tài)圖像檢索識別人臉, 再將檢索到的人臉上傳至云計算平臺與之前處理過的圖像進行對比識別, 得出最后結(jié)果, 若信息匹配成功則檢測通過, 允許借閱； 反之, 檢測不通過。

靜止圖像檢索： 靜止圖像檢索使用的是特征臉方法, 當(dāng)系統(tǒng)識別到人臉靜止的圖像時, 自動提取反映該圖像的特征向量, 通過將該圖像特征向量與特征庫中的特征向量進行匹配, 并根據(jù)匹配結(jié)果到圖像庫中搜索, 進而識別人臉圖像(見表5)。

表5 靜止圖象檢索

動態(tài)圖像檢索： 動態(tài)圖像檢索采取網(wǎng)格作為模板, 將圖像間的比較變?yōu)榫W(wǎng)格間的比較, 使用一種基于動態(tài)鏈接結(jié)構(gòu)的彈性匹配法來定位人臉, 并根據(jù)人臉數(shù)據(jù)庫進行匹配識別。通過動態(tài)圖像檢索, 可以有效的在多人臉、 不同尺寸、 不同姿態(tài)、 不同膚色、 不同光照條件和復(fù)雜背景情況下對人臉進行識別(見表6)。

表6 動態(tài)圖像檢索

5 測試與分析

為測試系統(tǒng)的實時功能和人臉識別效果, 通過采集不同年齡、 不同性別的100張人臉圖像, 進行系統(tǒng)測試, 分別在每個人臉不同角度、 表情和背景的情況下對其進行年齡、 性別、 人臉識別和人臉個數(shù)等進行測試, 驗證平均檢測時間[15], 結(jié)果如表7所示。

表7 系統(tǒng)功能測試

測試結(jié)果驗證了基于云計算的人臉識別系統(tǒng)的穩(wěn)定性以及檢測的實時性、 準(zhǔn)確性和可行性, 由于使用云平臺服務(wù)最大的優(yōu)點是不計本地的存儲和計算代價, 所以完全可以在師生注冊時, 在云端上傳更多張包含更多細節(jié)和姿態(tài)的人臉圖以供精準(zhǔn)識別[16]。

6 結(jié) 語

相對于借閱卡、 一卡通等方式, 基于云計算的人臉識別借閱系統(tǒng)將物的識別上升為人的面部特征的智能識別, 更直觀、 更智能、 更便捷、 更精準(zhǔn), 可防止因校園借閱卡或一卡通遺失造成卡片盜刷, 減少圖書館書籍丟失率, 防止身份不明人士入館, 提升圖書館環(huán)境安全, 減少圖書館職員的工作量。因此, 基于云計算的智能人臉識別借閱系統(tǒng)對于圖書館從“互聯(lián)網(wǎng)+圖書館”到“智能+圖書館”轉(zhuǎn)變, 具有非常積極的意義。