侯現(xiàn)坤 谷敏惠 周瑋 胡華朝

摘 要：提出用多尺度直方圖解決特征提取中的塊大小選擇問題，并用歐拉公式白化矩陣。遮擋下的人臉識(shí)別一直是現(xiàn)實(shí)場(chǎng)景中的一個(gè)難題。提出了一個(gè)新的框架修復(fù)人臉，利用邊緣生成網(wǎng)絡(luò)還原遮擋區(qū)域的邊緣，在此基礎(chǔ)上再利用區(qū)域填充網(wǎng)絡(luò)恢復(fù)被遮擋的人臉，同時(shí)保留身份信息。為提升模型的性能，提出空間加權(quán)對(duì)抗損失和身份一致性損失訓(xùn)練上述網(wǎng)絡(luò)，并利用關(guān)鍵點(diǎn)信息，構(gòu)建了兩個(gè)戴口罩的人臉數(shù)據(jù)集。該文根據(jù)霍夫線檢測(cè)判斷人臉是否戴口罩，通過提取未覆蓋部分的hog特征和級(jí)聯(lián)分類器來提高口罩覆蓋人臉識(shí)別的準(zhǔn)確率。

關(guān)鍵詞：口罩遮擋;人臉識(shí)別;嵌入式系統(tǒng)

基于邊緣檢測(cè)的人臉識(shí)別是目前主流的生物識(shí)別技術(shù)，廣泛應(yīng)用于日常生活中。應(yīng)用于門禁系統(tǒng)、電腦手機(jī)安全、ATM智能報(bào)警系統(tǒng)、人員跟蹤等領(lǐng)域。它具有誤識(shí)率低、不易偽造、不易察覺、不接觸、自然等優(yōu)點(diǎn)。人臉識(shí)別技術(shù)對(duì)于小區(qū)門禁管理、人臉門禁考勤、車站人臉閘機(jī)等場(chǎng)合都是不可或缺的。在新冠肺炎疫情期間，口罩使人臉識(shí)別技術(shù)這一身份驗(yàn)證的重要手段基本失效。因此，它引起了許多研究者的關(guān)注。

一、嵌入式系統(tǒng)設(shè)計(jì)

一個(gè)嵌入式系統(tǒng)的搭建離不開硬件設(shè)備的支持，本系統(tǒng)硬件由以下幾個(gè)模塊組成：⑴主控模塊：主芯片采用具備主流性能Arm So C的RK3228H，搭載OPEN AI LAB嵌入式AI開發(fā)平臺(tái)AID（包含支持異構(gòu)計(jì)算庫(kù)HCL、嵌入式深度學(xué)習(xí)框架Tengine以及輕量級(jí)嵌入式計(jì)算機(jī)視覺加速庫(kù)Blade CV），控制整個(gè)系統(tǒng)的運(yùn)行;⑵人臉采集模塊：使用Usb攝像頭設(shè)備采集戴口罩的人臉數(shù)據(jù);⑶網(wǎng)絡(luò)通信模塊：通過網(wǎng)口使嵌入式平臺(tái)與PC機(jī)能夠通信，以便調(diào)試應(yīng)用程序;⑷顯示模塊：使用HDMI接口的觸摸屏來顯示人臉圖像;⑸外部存儲(chǔ)模塊：在TF卡槽中插入TF卡來擴(kuò)展存儲(chǔ)空間。

嵌入式系統(tǒng)軟件設(shè)計(jì)一般包括環(huán)境搭建和程序設(shè)計(jì)兩個(gè)部分。其中，環(huán)境搭建主要內(nèi)容是加載引導(dǎo)程序U-Boot、燒寫Linux內(nèi)核以及根文件系統(tǒng)，自己搭建的話比較麻煩，而且很容易出錯(cuò)所以本文使用了官方打包好的Linux系統(tǒng)Fedora 28。

而程序設(shè)計(jì)根據(jù)需求有以下幾個(gè)過程：首先，是戴口罩的人臉采集，它使用了V4L2接口以及UVC協(xié)議來控制攝像頭采集的規(guī)格，并且調(diào)用函數(shù)打開Usb攝像頭進(jìn)行圖像采集;然后，是人臉檢測(cè)，它采用Adaboost檢測(cè)算法對(duì)戴口罩的人臉進(jìn)行定位;之后，是戴口罩的人臉模型訓(xùn)練，將采集到的人臉進(jìn)行預(yù)處理，并且在用戶人臉數(shù)據(jù)上進(jìn)行標(biāo)記用來訓(xùn)練人臉模型;最后，是戴口罩的人臉識(shí)別，將采集到的實(shí)時(shí)人臉同樣使用Adboost算法定位人臉，進(jìn)行預(yù)處理，再調(diào)用人臉識(shí)別算法，即可識(shí)別出是不是戴口罩的本人。

二、算法設(shè)計(jì)

（一）人臉檢測(cè)算法設(shè)計(jì)

當(dāng)前運(yùn)用比較廣泛的人臉檢測(cè)方法大多是以Harr+Adaboost的方式實(shí)現(xiàn)的。其中harr特征由黑白兩種矩形組成特征模板，并且定義特征值為白色矩形像素和減黑色矩形像素和，所以Harr特征值反映了圖像的灰度變化[5]。而Adaboost是一種迭代算法，它可以通過大量的Harr特征來訓(xùn)練很多個(gè)弱分類器，最后再將這些弱分類器集合在一起構(gòu)成一個(gè)強(qiáng)分類器，使用強(qiáng)分類器來區(qū)分是不是人臉，達(dá)到人臉檢測(cè)的目的。

（二）人臉識(shí)別算法設(shè)計(jì)

Opencv中分別有Eigenface、Fisherface以及LBPH三種人臉識(shí)別算法。其中Eigenface就是特征臉的意思，是一種從主成分分析（PCA）中導(dǎo)出的人臉識(shí)別和描述技術(shù)。特征臉方法的主要思路就是將輸入的人臉圖像看作一個(gè)個(gè)矩陣，通過在人臉空間中一組正交向量，并選擇最重要的正交向量，作為“主成分”來描述原來的人臉空間。Fisheerface主要是結(jié)合了PCA降維以及LDA特征提取的優(yōu)點(diǎn)，將多維的人臉投影在一維的特征空間上，從而得到一組特征向量來代表人臉的特征。而LBPH主要是通過LBP提取人臉特征的方式來實(shí)現(xiàn)人臉的識(shí)別。

三、系統(tǒng)測(cè)試

嵌入式人臉識(shí)別系統(tǒng)在過去的幾十年里已經(jīng)發(fā)展得很成熟了，但是由于人臉識(shí)別過程中容易受到光照、姿勢(shì)、表情、年齡等因素的影響，導(dǎo)致人臉識(shí)別系統(tǒng)的不完善。除此之外，嵌入式硬件的發(fā)展也達(dá)到了瓶頸。

嵌入式人臉識(shí)別系統(tǒng)想要再一次發(fā)展，一方面就是解決人臉識(shí)別中的影響因素，另一方面就是發(fā)展新型的嵌入式人工智能平臺(tái)，它不僅能夠促進(jìn)嵌入式系統(tǒng)硬件的發(fā)展，更可以滿足一些實(shí)時(shí)性高的場(chǎng)景中，比如無人駕駛。而本文使用Eaidk-310這一款嵌入式人工智能平臺(tái)，有很大的原因就是為了將人臉識(shí)別系統(tǒng)運(yùn)用在新型的嵌入式平臺(tái)上。