嚴(yán)輝 邢子昊

（安徽建筑大學(xué)電子與信息工程學(xué)院 安徽省合肥市 230022）

1 引言

門禁系統(tǒng)又稱出入管理控制系統(tǒng)(Access Control System)，用于對人員放行或禁行。傳統(tǒng)的門禁系統(tǒng)使用刷卡認(rèn)證或者指紋認(rèn)證等識別方式，但存在一定的安全隱患且穩(wěn)定性較差。而人臉識別技術(shù)可以有效提取人的面部特征，依次與人臉庫中的數(shù)據(jù)進(jìn)行比對，其對人員身份識別具有非侵犯性、無法取代性等顯著優(yōu)點(diǎn)，在門禁系統(tǒng)中得到廣泛應(yīng)用。

2 系統(tǒng)軟件設(shè)計(jì)流程

門禁系統(tǒng)的軟件功能設(shè)計(jì)分為視頻幀人臉獲取、人臉檢測、人臉跟蹤、人臉特征提取、人臉特征比對等，具體流程如圖1所示。

對視頻中的每一幀人臉圖像進(jìn)行人臉檢測以確定圖像中人臉?biāo)诘膮^(qū)域，使用人臉跟蹤以應(yīng)對人臉區(qū)域的移動(dòng)，通過對視頻幀中人臉的特征進(jìn)行提取與人臉庫中的人臉特征進(jìn)行人臉比對，若相似度超過閾值則予以放行，反之禁行。

3 關(guān)鍵技術(shù)

3.1 人臉檢測

系統(tǒng)采用Adaboost 算法進(jìn)行人臉檢測操作，Adaboost 算法是一種基于Haar 特征的人臉檢測算法[1]，主要使用Haar 特征訓(xùn)練弱分類器，通過對多個(gè)弱分類器進(jìn)行篩選獲取最優(yōu)弱分類器，由多個(gè)最優(yōu)弱分類器進(jìn)行組合得到強(qiáng)分類器，最后將多個(gè)強(qiáng)分類器進(jìn)行組合得到級聯(lián)分類器[2]，具體流程如圖2所示。在應(yīng)用時(shí)將每一層分類器分別設(shè)定對應(yīng)的閾值，消除絕大多數(shù)非人臉區(qū)域，提高檢測的準(zhǔn)確率。

3.2 人臉跟蹤

系統(tǒng)采用單人臉、攝像頭不動(dòng)的檢測方式。人臉晃動(dòng)時(shí)，通過CamShift 算法進(jìn)行人臉跟蹤操作[3]。CamShift 算法是是一種以顏色直方圖為目標(biāo)的跟蹤算法，當(dāng)視頻圖像人臉區(qū)域發(fā)生變化時(shí)可以通過調(diào)整區(qū)域位置進(jìn)行連續(xù)跟蹤操作。

算法操作步驟：

（1）獲取人臉檢測得到的初始人臉區(qū)域。

（2）計(jì)算得到人臉區(qū)域的反向投影。

（3）利用Mean-shift 算法獲取人臉區(qū)域新的位置和大小。

（4）對于下一幀圖像，根據(jù)步驟（3）獲取的人臉區(qū)域位置和大小初始化原人臉區(qū)域，重復(fù)執(zhí)行步驟（2）即可做到連續(xù)跟蹤操作。

3.3 人臉比對

采用人臉1：N 比對方式，使用Gabor 小波進(jìn)行人臉特征提取[4]。由于單一人臉框相對較大，此時(shí)對人臉框進(jìn)行分塊處理，從中提取最能反映人臉特點(diǎn)的特征則能有效提取相應(yīng)特征值。通過小波變換方法進(jìn)行多尺度細(xì)化分析，鎖定圖片的低頻分量和高頻分量，將圖像中的某一顯著特征體現(xiàn)在某一頻率上，再對低頻分量進(jìn)行特征提?。ㄈ缪劬?、鼻子、嘴巴等特征），對這些局部特征不同屬性進(jìn)行數(shù)字標(biāo)注，然后從大到小排列形成特征向量。根據(jù)原圖像進(jìn)行Gabor 小波變換操作后，Gabor 提取的特征能夠反應(yīng)諸如眼睛、鼻子、嘴巴等部位人臉圖像的位置、亮度等特征信息。

圖1：門禁系統(tǒng)流程圖

圖2：Adaboost 算法流程

圖3：檢測結(jié)果

4 軟件實(shí)現(xiàn)

4.1 環(huán)境搭建

系統(tǒng)軟件開發(fā)環(huán)境為Android Studio，編程語言為Java。由于達(dá)成人臉識別算法中的大多數(shù)函數(shù)都為直接調(diào)用OpenCV 的庫函數(shù)，所以本系統(tǒng)程序設(shè)計(jì)整體比較整潔。

4.2 實(shí)現(xiàn)流程

4.2.1 畫出人臉框

使用函數(shù)onCameraOpened 來打開攝像頭，設(shè)置人臉框的寬和高的取值范圍，并將初始人臉框設(shè)為空。

使用函數(shù)onPreview 規(guī)劃人臉框，其中對攝像頭設(shè)置nv21 原數(shù)據(jù)回調(diào)且清空上一次畫框。具體代碼如下：

4.2.2 人臉對齊

若圖像數(shù)據(jù)寬高不符合要求，使用OpenCV 自帶的getAlignedBitmap 函數(shù)獲取對齊后的圖像。用OpenCV 自帶的Haar函數(shù)執(zhí)行人臉檢測，利用積分圖檢測出人臉上諸如：眼睛、鼻子、嘴巴等主要目標(biāo)的坐標(biāo)進(jìn)行鎖定，規(guī)劃好人臉框位置進(jìn)行人臉檢測操作，具體代碼如下：

4.2.3 人臉特征提取

提取規(guī)劃好的單人臉框的當(dāng)前幀人臉圖像的灰度特征和Gabor小波特征，使用extractFaceFeature 函數(shù)傳入分離的圖像信息數(shù)據(jù)，包括圖像數(shù)據(jù)、圖像的寬和高、人臉框位置和圖像的顏色格式。定義FaceFeature 變量來獲取對應(yīng)的人臉特征，并在FaceFeature 的二進(jìn)制數(shù)組中保存獲取到的人臉特征數(shù)據(jù)，解析出人臉特征數(shù)據(jù)，具體代碼如下：

4.2.4 人臉特征比對

在系統(tǒng)提取出當(dāng)前幀人臉的特征數(shù)據(jù)后，根據(jù)設(shè)置的相似度閾值進(jìn)行人臉庫中的人臉圖像數(shù)據(jù)比對，高于相似度閾值即可確定人臉特征比對成功。

使用compareFaceFeature 函數(shù)來進(jìn)行人臉比對操作，其中定義比對代碼，并在代碼中添加當(dāng)前幀人臉圖像的人臉特征，人臉庫中圖像的人臉特征、比對模型、比對相似度。最后篩選結(jié)果選出最相似的人臉，具體代碼如下：

4.2.5 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)使用的是根據(jù)Android 系統(tǒng)開發(fā)的專用設(shè)備，Android版本為5.1.1，內(nèi)核版本為3.10.0。

檢測結(jié)果如圖3所示，當(dāng)掃描到的人臉與人臉庫中的某張圖片相似度超過95%時(shí)，則可以認(rèn)定為身份辨認(rèn)通過，允許通過門禁系統(tǒng)。

5 結(jié)語

本文基于人臉識別技術(shù)設(shè)計(jì)了這款門禁系統(tǒng)，相較于以前單純僅通過刷卡就能夠隨意通過的門禁系統(tǒng)來看安全性有了很大的提升。這款門禁系統(tǒng)有著人臉檢測、人臉跟蹤、人臉比對三個(gè)模塊，解決了單一拍照引發(fā)的檢測時(shí)間長的問題和人臉表情變化引發(fā)的誤檢性問題，同時(shí)人臉識別帶來的非接觸性、簡單便捷性、高效率性也深受人員的青睞，因此人臉識別技術(shù)的廣泛推廣必將開啟新的局面。