王 欽，彭文竹

（集美大學(xué) 誠毅學(xué)院，福建 廈門 361021）

在“新工科”背景下，加強實驗室的開放建設(shè)逐漸成為實驗教學(xué)改革的重要方向.但基于實驗室安全及管理要求，目前各個高校實驗室大多數(shù)只針對學(xué)生上課時段進行使用，其他時段的使用則一般需通過申報，這就造成了實驗室一定程度的閑置及實驗設(shè)備利用率低的問題[1].為了平衡實驗室對有需求師生的開放及實驗室安全管理問題，設(shè)計一款實驗室門禁智能管理系統(tǒng)就變得非常必要.

傳統(tǒng)的“一卡通”刷卡式實驗室門禁系統(tǒng)和指紋識別實驗室門禁系統(tǒng)都需要一定的時間，而且容易被人代替，防偽性能有待提高[2].人臉識別技術(shù)在生產(chǎn)生活的各個方面已經(jīng)在逐步普及使用中.在各大高校的實驗室門禁中加入人臉識別系統(tǒng)，實驗室管理人員在預(yù)約系統(tǒng)提供實驗室開放時間，師生可根據(jù)自身的時間安排預(yù)約進入實驗室的時間，實驗室管理人員對申請使用這些實驗室的人員進行權(quán)限設(shè)置，通過攝像頭采集進入實驗室的人臉圖像，與學(xué)校數(shù)據(jù)庫的信息進行比對，識別成功后，實驗室門開啟，既保證了實驗室最大程度的開放給師生使用，又可以避免無關(guān)的人員入內(nèi).系統(tǒng)可以同時實現(xiàn)人員身份的認證及出入時間等信息的記錄，實現(xiàn)了高校實驗室的智能化及開放式管理.

1 系統(tǒng)設(shè)計

本系統(tǒng)是基于嵌入式系統(tǒng)和OpenCV 庫函數(shù)實現(xiàn)的，主要由主控模塊、拍照模塊、人體感應(yīng)模塊、門鎖控制模塊、電源模塊等組成，如圖1 所示.本系統(tǒng)的工作流程：將人臉識別設(shè)備安裝在實驗室門口一側(cè)，并將預(yù)約實驗室人員的人臉提前導(dǎo)入到系統(tǒng)中，當(dāng)人站在設(shè)備門口時，紅外感應(yīng)器感應(yīng)到有人，攝像頭采集人臉圖像傳遞給主控制器，對人臉圖像進行定位，檢測和識別，對符合數(shù)據(jù)庫中的人臉圖像通過樹莓派4B的GPIO 引腳控制繼電器打開電磁鎖，并記錄相關(guān)信息，否則顯示禁入標志，多次嘗試進入，則門禁系統(tǒng)發(fā)出報警聲音.

圖1 系統(tǒng)的結(jié)構(gòu)框圖

各主要模塊的選擇和設(shè)計情況如下：

主控模塊本系統(tǒng)的主控模塊選擇樹莓派4B，它是一款基于ARM 的微型電腦主板，具有所有PC 的基本功能，具有40 個GPIO 口，每個針腳都可以用導(dǎo)線和外部設(shè)備相連，體積小，成本低便于實踐操作.

攝像頭模塊系統(tǒng)選擇與樹莓派兼容的免驅(qū)動USB 高清攝像頭，它是一款可調(diào)焦攝像頭，分辨率為640×480，尺寸為：25 mm×30 mm×22 mm.

紅外感應(yīng)模塊紅外感應(yīng)模塊選擇HC-SR501，實驗室門口有人出現(xiàn)時，啟動攝像頭采集人臉圖像.它的工作電壓為5 V 至20 V，輸出電平范圍為0～3.3 V，電路圖如圖2 所示.

圖2 紅外感應(yīng)模塊

繼電器模塊系統(tǒng)通過控制樹莓派GPIO 驅(qū)動繼電器來控制實驗室門禁的電磁鎖.

2 人臉識別

2.1 人臉圖像采集

系統(tǒng)通過攝像頭獲取人臉圖像，通過調(diào)用函數(shù)cv.VideoCapture(0)采集，讀出每幀圖像，然后采用靜態(tài)圖像中的人臉檢測方法檢測人臉.

2.2 人臉圖像的預(yù)處理

門禁系統(tǒng)采集的視頻圖像易受到光照，距離等外部環(huán)境影響，容易導(dǎo)致圖像失真，因此需要對采集的人臉圖像進行預(yù)處理.為了加快人臉圖像的處理速度，先將人臉圖片裁剪成統(tǒng)一大小，通過OpenCV 庫函數(shù)cv.cvtColor()將人臉圖像轉(zhuǎn)換成灰度圖像，轉(zhuǎn)換的公式如下：

得到灰度圖像后，使用cv.equalizeHist()函數(shù)對圖像進行直方圖均衡化處理以減小光照對圖像的影響，同時使用cv.medianBlur()函數(shù)對人臉圖像進行中值濾波操作，既實現(xiàn)了對圖像噪聲點進行過濾，又保持了圖像的邊緣特性.

2.3 人臉檢測

人臉檢測的目的是從攝像頭獲取的信息中準確快速的找到人臉，系統(tǒng)采用的人臉檢測的方法是提取庫中人臉的Haar-like 特征，使用積分圖方法加速對Haar-like 特征求值，使用AdaBoost 算法實現(xiàn)人臉區(qū)域的檢測.本文采用OpenCV 中cv.CascadeClassifier()函數(shù)加載人臉檢測模型，通過調(diào)用自帶的haarcascad e_frontalface_default.xml 分類器和cv.detectMultiScale()函數(shù)獲取人臉區(qū)域，具有人臉特征的區(qū)域?qū)⑼ㄟ^矩形框返回.

使用Haar-like 特征做檢測Haar-like 特征模板的常見類型如圖3 所示[3].以F表示特征值，S表示像素和，則特征值F的計算方法是特征模板在人臉圖像中滑動，用白色矩形的像素和S（白）減去黑色矩形像素和S（黑）.

圖3 四個基本特征結(jié)構(gòu)

圖像積分圖由于人臉圖像的每一個特征值的計算量大，通過引入積分圖的方式提升特征值計算效率，提高訓(xùn)練及檢測時的精度和速度[4].積分圖可以通過公式表示：

式中f(k,l) 表示原始圖，ii(x,y)表示積分圖.通過遍歷一次圖像，即可求得所有子窗口的特征值.圖4 中，區(qū)域A的像素通過下式計算得到：

圖4 圖像積分圖

AdaBoost 算法AdaBoost 是一種由弱學(xué)習(xí)聯(lián)合形成強學(xué)習(xí)的迭代算法，使用訓(xùn)練樣本提取的矩形特征作為一個弱分類器，將弱分類器訓(xùn)練成強分類器[5]，并將多個強分類組器合成級聯(lián)分類器對人臉進行檢測，人臉檢測過程如圖5 所示.具體步驟如下：

圖5 人臉檢測結(jié)構(gòu)

（1）初始化訓(xùn)練數(shù)據(jù)的權(quán)值分布D1(i).假設(shè)我們有N個樣本的訓(xùn)練集：

每個訓(xùn)練樣本都被賦予相同的權(quán)值wi：1/N.

（2）進行m次迭代，使用具有權(quán)值Dm的訓(xùn)練集學(xué)習(xí)，得到弱分類器Dm(x)：

（3）計算Dm(x)訓(xùn)練數(shù)據(jù)集上的分類誤差率誤差em.

（4）計算Dm(x)的權(quán)重系數(shù)

（5）更新數(shù)據(jù)集的權(quán)重分布，繼續(xù)步驟（2），得到m個弱分類器.

（6）組合m個弱分類器：

所有的弱分類器與其權(quán)重通過sign 函數(shù)轉(zhuǎn)換得到最終的分類器：

2.4 識別原理

OpenCV 有三種人臉識別方法，分別是特征臉Eigenfaces 算法、Fisherfaces 算法和LBPH 方法.Eigenfaces 是基于PCA 處理的，PCA 主成分分析方法是一種使用最廣泛的數(shù)據(jù)降維算法，人臉圖像經(jīng)過PCA 變換之后，可以保留任意數(shù)量的對圖像特征貢獻較大的維數(shù)分量，提取人臉分布的主要成分[6].PCA 的人臉識別過程本質(zhì)是將庫中的人臉圖像和待測試圖像都投影到特征向量空間，通過計算測試圖像投影特征系數(shù)和已有圖片的投影特征系數(shù)的歐式距離得到識別結(jié)果.系統(tǒng)通過OpenCV 庫中的cv.face.createEigenFaceRecognizer()創(chuàng)建人臉識別的模型.具體過程如圖6 所示，分為以下幾個步驟：

圖6 人臉圖像識別和訓(xùn)練過程

（1）數(shù)據(jù)預(yù)處理：均值歸一化.對于一幅w×h的圖將其列排起來形成一個列向量xi.假設(shè)人臉訓(xùn)練集中有K幅圖像，則這K個列向量就形成一個(w×h)×K維的矩陣x.

（2）計算平均臉u，

u=，計算差值臉di=xi-u,i=1,2,…,K，構(gòu)建協(xié)方差矩陣：

（3）求出協(xié)方差矩陣的特征值λi和特征向量Vi，構(gòu)建特征臉空間w.

其中，A=[(x1-u),(x2-u),…,(xi-u)]

（4）將每一幅人臉圖像去“平均化”，并在“特征臉”空間中做投影，表示為：

人臉識別的步驟如下：

（1）將測試的人臉圖像Γ 進行去“平均化”并在“特征臉”空間投影，特征向量為：

（2）定義閾值：

（3）利用歐式距離度量相似度：

（4）進行判斷，若dist＞T，則該對象與數(shù)據(jù)庫中的已知人臉圖像相符合，為準入人員，否則若dist＞T時，說明輸入圖像與數(shù)據(jù)庫中的已有人臉不匹配，不允許入內(nèi).

3 系統(tǒng)測試

論文對基于嵌入式的高校實驗室人臉識別算法進行了分析，完成了智能門禁系統(tǒng)的設(shè)計.為了提高人臉識別的適用性，在系統(tǒng)測試中，分別測試了樣本數(shù)為30 人、50 人和100 人在正常光和較暗光情況下人臉檢出率，漏檢率和誤檢率.經(jīng)過測試，該門禁系統(tǒng)有較高的人臉識別成功率，人臉識別過程所需的平均時間低于1 s，用戶的識別率可達到95%，如表1.系統(tǒng)穩(wěn)定可靠，可以實現(xiàn)實驗室開放功能.論文設(shè)計的系統(tǒng)硬件配置簡單，成本消耗低，在其他領(lǐng)域智能門禁的應(yīng)用中有著很好的應(yīng)用前景.

表1 人臉識別算法測試結(jié)果

4 結(jié)語

人臉識別與其他的識別技術(shù)相比優(yōu)勢明顯，已廣泛應(yīng)用于各類智能控制系統(tǒng)中.嵌入式人臉識別技術(shù)在高校實驗室門禁系統(tǒng)中的應(yīng)用，主要體現(xiàn)在實時性、便捷性和可靠性方面，它為實驗室的開放管理提供了硬件保證.通過實際測試，系統(tǒng)具有普遍適用性，能夠應(yīng)用于多數(shù)高校實驗室門禁系統(tǒng)中，具有較好的應(yīng)用價值.