基于百度AI人臉識別的機(jī)場危險(xiǎn)人員監(jiān)控

馬宇軒 潘緯航 廖騰烈 全爔宇 李詠楠

摘? 要：隨著社會經(jīng)濟(jì)的飛速發(fā)展，人們在生活水平提高的同時安防意識也不斷增強(qiáng)，推動了深度學(xué)習(xí)技術(shù)的成熟與發(fā)展，現(xiàn)如今已廣泛應(yīng)用于公共安全、安防系統(tǒng)、身份識別等領(lǐng)域。文章對機(jī)場危險(xiǎn)人員監(jiān)控告警系統(tǒng)進(jìn)行了研究，該系統(tǒng)基于百度AI，在云AI上建立危險(xiǎn)人員用戶組，利用攝像頭掃描人臉并通過平衡車Wi-Fi模塊上傳人臉圖像，將其與數(shù)據(jù)庫進(jìn)行匹配，識別危險(xiǎn)人群并發(fā)出警告。該系統(tǒng)以可移動平衡車為載體，平衡車在機(jī)場內(nèi)自主巡航時對機(jī)場環(huán)境進(jìn)行監(jiān)控，嚴(yán)防潛在危險(xiǎn)人員對機(jī)場的安全造成威脅。

關(guān)鍵詞：百度AI;人臉識別;機(jī)場安防

中圖分類號：TP391.4;TP18 ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2022）01-0025-04

Abstract： With the rapid development of social economy， while people’s living level is improving， their security awareness is also increasing， which promotes the maturity and development of in-depth learning technology. Now it has been widely used in the fields of public security， security system， identity recognition and so on. This paper studies the airport dangerous person monitoring and warning system. The system is based on Baidu AI， establishes a dangerous person user group on cloud AI， scans person’s face with the camera， uploads the face image through the Wi-Fi module of the balance vehicle， matches it with the database， identifies the dangerous person group and issues a warning. The system takes the mobile balance vehicle as the carrier. When the balance vehicle cruises independently in the airport， it monitors the airport environment to prevent potential dangerous personnel from threatening the safety of the airport.

Keyword： Baidu AI; face recognition; airport security

0? 引? 言

如今，全面智能時代已悄然到來，許多新興技術(shù)在社會各個領(lǐng)域得到了廣泛的應(yīng)用，其中的人臉識別技術(shù)更是學(xué)術(shù)界研究的熱點(diǎn)，被廣泛應(yīng)用于公共安防、身份識別、公安系統(tǒng)等領(lǐng)域[1，2]。利用人臉識別技術(shù)對公共場所潛在危險(xiǎn)人員進(jìn)行辨別分析和告警，對公共場所的安防、協(xié)助公安辦案具有重要作用。機(jī)場存在監(jiān)控視野盲區(qū)，在此應(yīng)用場景下，將基于百度AI的人臉識別技術(shù)與平衡車相結(jié)合，著重監(jiān)控機(jī)場視野盲區(qū)，鎖定機(jī)場潛在的危險(xiǎn)人員，協(xié)助公安系統(tǒng)對危險(xiǎn)人員進(jìn)行身份確認(rèn)。

1? 研究背景

21世紀(jì)以來，世界恐怖主義日益猖獗，各國遇到的公共安全問題越來越多，而隨著科學(xué)技術(shù)的飛速發(fā)展，公共安全危機(jī)事件也越來越隱蔽。為了辨別出公共場所里的各種隱患，各國紛紛加大公共安全保障力度，其中對生物信息的辨別與檢測表現(xiàn)出前所未有的重視，并應(yīng)用于社會的各個領(lǐng)域。以往，公共場所的生物體識別主要依靠核實(shí)身份證、目視人臉、攝像頭拍攝對比等方法，然而這些方法存在丟失、偽造、遺忘等問題[3]。隨著信息網(wǎng)絡(luò)時代的到來，人們意識到傳統(tǒng)的身份識別方法存在太多的缺陷，可靠性不高，于是逐漸把目光轉(zhuǎn)向生物體的各種體征上。通過生物體征識別人可彌補(bǔ)傳統(tǒng)方法的各種不足，并且識別效率和準(zhǔn)確性大大提高。

目前，人們普遍將生物辨認(rèn)技術(shù)分成兩大類：其一是以虹膜、人臉、指紋為主的物體體征辨認(rèn);其二是以體態(tài)、動作、書寫等為主的行為體征辨認(rèn)。計(jì)算機(jī)圖像處理技術(shù)可以對上述體征進(jìn)行有效識別。

根據(jù)我們對社會人員的觀察分析，大部分人想要記住一個人，都是通過觀察一個人的具體特征，尤其是面部特征。面部特征主要分為五官、表情、神情等，可是一個人隨著年齡的增長，他的一部分面部特征可能會發(fā)生改變，但我們?nèi)匀豢梢酝ㄟ^其他面部特征來認(rèn)出這個人，這說明一個人的面部特征對我們判斷其身份起到重要的作用。而通過計(jì)算機(jī)圖像處理技術(shù)可以更快地記錄、分析、識別面部特征，快速完成人臉識別過程。

人臉檢測識別主要分為三個部分：（1）采集面部特征樣本;（2）將面部重要特征篩選并提取出來，將提取出來的數(shù)據(jù)導(dǎo)入我們的特征數(shù)據(jù)庫中;（3）進(jìn)行身份鑒定，按照特定的匹配算法將采集到的面部特征信息在數(shù)據(jù)庫中進(jìn)行匹配，匹配度達(dá)到一定數(shù)值時即表示識別成功。在圖像輸入計(jì)算機(jī)的過程中，由于受輸入轉(zhuǎn)換器件以及環(huán)境的影響，輸入計(jì)算機(jī)的圖像因含有各種各樣的噪聲而失真，為穩(wěn)定地進(jìn)行特征提取，必須消除圖像噪聲，矯正其失真情況[4]。人臉識別憑借其直接、主動、友好、簡便等特點(diǎn)而在產(chǎn)業(yè)中享有一定份額，隨著技術(shù)的創(chuàng)新與更迭，勢必會得到更為廣泛的應(yīng)用。

我們的設(shè)計(jì)采用目前較為主流的百度AI技術(shù)。百度AI擁有一個生態(tài)良好且開源的數(shù)據(jù)庫，就云搭建而言，百度AI技術(shù)一直走在科技的前沿，其具有領(lǐng)先的深度學(xué)習(xí)算法和海量數(shù)據(jù)，功能覆蓋一系列人臉檢測、人臉解析功能，助力我們實(shí)現(xiàn)人臉識別，避免了重構(gòu)數(shù)據(jù)庫的繁難，并且極大地降低了人臉檢測的漏檢率。

2? 系統(tǒng)設(shè)計(jì)

2.1? 系統(tǒng)框架

在采集畫面前，我們先錄入特定的人臉信息。平衡車運(yùn)行期間通過攝像頭采集畫面并進(jìn)行base64編碼，用于檢測人臉。若未檢測到人臉，則顯示攝像頭所拍攝的實(shí)時畫面;若檢測到人臉但人臉匹配得分未達(dá)到80%，則用藍(lán)色框框出這些人臉。若檢測到人臉并且人臉匹配得分大于80%，則用紅色框框出人臉并在旁邊顯示人員姓名，保存圖片并發(fā)出警告，具體流程如圖1所示。

2.2? 成員管理

在百度云AI上建立危險(xiǎn)人員用戶組，使用本地程序?qū)Υ擞脩艚M進(jìn)行人員建立、人臉上傳、人員刪除等管理操作。我們編寫了一個Python程序，如圖2所示，工作人員可以對本地圖片的路徑進(jìn)行選擇和查看，輸入某人在云端記錄的ID及姓名后點(diǎn)擊“上傳信息”按鈕便可成功錄入該人的人臉，還可以對已記錄人員進(jìn)行刪除操作。在百度AI算法中，對于未在組內(nèi)用戶ID會在用戶組中建立新的對應(yīng)用戶ID，上傳重復(fù)用戶ID的不同圖片時，百度AI會通過優(yōu)化算法提高人臉識別精度。

2.3? 人臉檢測

平衡車配備有自動導(dǎo)航模塊與手動控制模塊。自動導(dǎo)航模塊通過PID算法實(shí)現(xiàn)循跡和避障功能。手動控制模塊利用無線Wi-Fi通信模塊，通過與上位PC機(jī)的通信，實(shí)現(xiàn)對智能小車的遠(yuǎn)程手動控制。系統(tǒng)未發(fā)現(xiàn)危險(xiǎn)人員時，平衡車將根據(jù)固定軌跡循環(huán)監(jiān)控。系統(tǒng)發(fā)現(xiàn)危險(xiǎn)人員時，平衡車可由工作人員更改為手動控制，工作人員使用電腦遙控軟件實(shí)時控制。

平衡車在接收到攝像頭拍攝的視頻后，會記錄視頻中的單幀圖片，并對圖片進(jìn)行base64編碼，然后將此信息上傳到百度云AI，調(diào)用百度AI的人臉檢測程序，其分類器可以檢測人面部的150個關(guān)鍵點(diǎn)信息。百度AI對以往基于多尺度全卷積神經(jīng)網(wǎng)絡(luò)的模型進(jìn)行改進(jìn)，它的每一個卷積核能對圖片的細(xì)節(jié)進(jìn)行感知，同時輸出精度更高的feature map，使得模型能夠更加精確地捕捉肢體的細(xì)節(jié)以及被遮擋的部分，攝像頭探測人臉更加精準(zhǔn)。攝像頭采集的畫面未通過人臉檢測時，系統(tǒng)不會調(diào)用人臉識別程序，指揮中心收到云AI返回的畫面后直接在電腦上顯示監(jiān)控畫面。畫面通過人臉檢測程序后，會向系統(tǒng)返回人臉數(shù)量、人臉在圖片中的位置（包括人臉區(qū)域距上邊界、左邊界的距離，以及人臉的寬度和高度）等信息。此后系統(tǒng)會利用這些信息繼續(xù)調(diào)用百度AI的人臉識別程序。

2.4? 人臉匹配與警報(bào)系統(tǒng)

人臉檢測通過后，系統(tǒng)會對檢測到的人臉進(jìn)行人臉識別，調(diào)用百度AI的人臉?biāo)阉鱉：N識別算法，該算法會對上傳的圖片進(jìn)行人臉特征提取，然后進(jìn)行人臉識別并返回人臉匹配得分，最多可以識別一張圖片中的10張人臉。為提高人臉識別范圍，本系統(tǒng)將檢測攝像頭中較大的10張人臉并對其進(jìn)行人臉識別。

百度AI的人臉識別具有極高的準(zhǔn)確率，人臉匹配得分閾值設(shè)置為80時，系統(tǒng)僅有萬分之一的誤報(bào)率，但是這種誤報(bào)依舊不可忽視，所以系統(tǒng)在設(shè)計(jì)時將考慮誤報(bào)信號并對警報(bào)系統(tǒng)做出約束。攝像頭拍攝到的畫面經(jīng)百度AI的人臉識別程序返回到指揮中心的電腦顯示窗口后，會用藍(lán)色框框出本次識別的非危險(xiǎn)人員（即人臉匹配得分在80以下的人員）人臉。而畫面中有一張或多張人臉匹配得分超過80時，如圖3所示，電腦的顯示窗口中會以紅色框標(biāo)記出這些危險(xiǎn)人員，并在紅色標(biāo)記框上方顯示危險(xiǎn)人員姓名，與此同時，系統(tǒng)會自動將本次識別結(jié)果的圖片存放到指揮中心的電腦中，并向外發(fā)出約3秒的簡短警報(bào)聲，提醒工作人員查驗(yàn)?zāi)繕?biāo)是否識別準(zhǔn)確。而如果此后1分鐘之內(nèi)連續(xù)3次在畫面中發(fā)現(xiàn)與危險(xiǎn)人員用戶組相匹配的人員時，系統(tǒng)會發(fā)出長達(dá)10秒的尖銳警報(bào)聲。

3? 系統(tǒng)實(shí)驗(yàn)與分析

3.1? 識別能力

本系統(tǒng)實(shí)際測試運(yùn)行時，僅探測單張人臉的平均識別速度為0.74秒，鏡頭中出現(xiàn)多張人臉時，單次識別最長時間一般不超過1秒。

單一用戶只錄入一張人臉的情況下，系統(tǒng)在不同環(huán)境下的識別能力較弱，人臉匹配得分一般在87左右。同一用戶錄入超過3張不同環(huán)境下的人臉后，百度AI在復(fù)雜環(huán)境中可有更高的人臉識別精度，光線良好時3米以內(nèi)人臉匹配得分一般高達(dá)95。

3.2? 系統(tǒng)探測距離

在危險(xiǎn)人員用戶組內(nèi)用戶較少時，并未出現(xiàn)將未錄入人員識別為危險(xiǎn)人員的情況。在光線條件良好時，對距離平衡車3米以內(nèi)固定目標(biāo)的正面識別率基本達(dá)到100%，識別結(jié)果如圖3所示，千次識別測試樣本中并未出現(xiàn)不被識別發(fā)現(xiàn)的情況。對距離平衡車3米到5米的正面目標(biāo)，識別發(fā)現(xiàn)率可以達(dá)到70%，效果如圖4所示。但是對于距離平衡車7米以外的目標(biāo)，由于目標(biāo)可采集信息較少，系統(tǒng)無法在此距離處發(fā)現(xiàn)目標(biāo)人員。

3.3? 光照條件測試

在環(huán)境條件較好的情況下（即被拍攝人員面部受光均勻時），系統(tǒng)3米內(nèi)人臉識別精度良好，正面識別率基本可以達(dá)到100%，效果如圖3所示。而在環(huán)境條件較差（例如面部光照不均勻）的情況下，若畫面中目標(biāo)面部信息未因光照導(dǎo)致輪廓不清晰，系統(tǒng)仍可識別目標(biāo)人員，效果如圖5所示。而一旦目標(biāo)面部信息由于逆光等原因而導(dǎo)致面部輪廓不清晰時，系統(tǒng)很難有效識別人臉，百次測試中僅出現(xiàn)個別識別成功樣本，效果如圖6所示。

4? 應(yīng)用前景

我國人臉識別技術(shù)起步于20世紀(jì)80年代，雖然起步較晚，但是卻取得了很好的研究成果。目前全國范圍內(nèi)的人臉識別技術(shù)處于較為成熟的階段，廣泛應(yīng)用于各個領(lǐng)域，如醫(yī)院、酒店、車站、機(jī)場等區(qū)域的安保，但我們發(fā)現(xiàn)這些固定位置的人臉識別安保措施仍然存在許多漏洞，比如監(jiān)控視野盲區(qū)問題。一些危險(xiǎn)人員會尋找安保漏洞，在監(jiān)控視野范圍之外進(jìn)行不法行為，這就會導(dǎo)致安保存在隱患，而我們通過將人臉識別檢測技術(shù)與可移動的平衡車及可自動調(diào)節(jié)攝像頭相結(jié)合，可有效減少檢測盲區(qū)的存在，減小偶然性誤差。但要真正做到機(jī)器自動檢測識別，需要克服許多不可抗力因素對人臉識別準(zhǔn)確性的影響，例如受被檢測者面部表情、特征變化，及其佩戴口罩使面部特征被遮擋等因素的影響。

目前人臉識別技術(shù)已經(jīng)趨于飽和，在各個市場中競爭相當(dāng)激烈，但從人臉數(shù)據(jù)庫的完整性以及人臉識別技術(shù)的可靠性方面來看，百度AI技術(shù)是更加適合我們的。我們采用百度AI，通過將特定的人臉輸入到用戶庫，向攝像機(jī)輸入動態(tài)圖可以進(jìn)行二維及三維的運(yùn)動估計(jì)，從而建立三維的人臉模型[5]。將三維人臉模型與用戶庫里的人臉進(jìn)行比對，再根據(jù)相似度等指標(biāo)進(jìn)行篩選、過濾，就可以實(shí)現(xiàn)對危險(xiǎn)人員的捕捉。但也不排除受人為因素的干擾，使攝像頭捕捉到的角度不佳以及存在遮擋情況等，這些難點(diǎn)是我們在今后的研究中需要克服和解決的。

人臉識別技術(shù)可以識別人的身份信息，廣泛應(yīng)用于公共安全、企業(yè)辦公、教育、人機(jī)交互等領(lǐng)域。與其他生物特征識別相比，人臉識別又具有友好、隱蔽、成本低廉等優(yōu)勢，因此其在安全監(jiān)控、罪犯追捕等方面更具可行性，數(shù)碼相機(jī)和智能手機(jī)的普及也更加方便了人臉識別的廣泛應(yīng)用[6]。

經(jīng)過我們的調(diào)查總結(jié)，人臉識別技術(shù)與平衡車相結(jié)合有廣大的發(fā)展前景，其精準(zhǔn)、便捷的特點(diǎn)將會在機(jī)場、車站等地方的安保巡邏中發(fā)揮極大的作用。

5? 結(jié)? 論

本文研究了人臉識別技術(shù)在機(jī)場安防中的應(yīng)用。人臉識別技術(shù)與平衡車相結(jié)合，使機(jī)場安防具有靈巧性、實(shí)時性，擁有廣大的發(fā)展前景，反之，也意味著會面臨巨大的挑戰(zhàn)。如目前我們的項(xiàng)目遇到一些問題，比如光照導(dǎo)致識別目標(biāo)的輪廓不清晰，使得在逆光情況下系統(tǒng)不能準(zhǔn)確地檢測出人臉，或者在某人的面部被口罩遮擋時系統(tǒng)無法快速準(zhǔn)確地識別出人臉等。我們設(shè)計(jì)的產(chǎn)品正式投入運(yùn)營時，將會面臨需要創(chuàng)建一個安全有效的人臉識別系統(tǒng)的問題，以便可以在機(jī)場這種龐大人流、錯綜復(fù)雜的環(huán)境下進(jìn)行有效識別，并且只對記錄在案人員進(jìn)行人臉分析，嚴(yán)格遵守國家法律，不侵犯其他人員的個人隱私，以及如何在這種開放的環(huán)境下保證系統(tǒng)的穩(wěn)定性等，這些都是我們需要解決的問題。隨著未來科技的進(jìn)步，人臉識別的新發(fā)展階段，安防領(lǐng)域的新應(yīng)用，人臉識別系統(tǒng)的智能化等問題，都值得我們?nèi)パ芯颗c探索。

參考文獻(xiàn)：

[1] 何燕琴，吳戀，郭清粉，等.人臉識別技術(shù)發(fā)展現(xiàn)狀與未來趨勢分析 [J].無線互聯(lián)科技，2021，18（13）：80-82.

[2] 顧國強(qiáng).基于智能識別的人員密集場所安防預(yù)警系統(tǒng) [J].港口科技，2019（8）：19-23+44.

[3] 鄭悅.創(chuàng)業(yè)教育的中國故事 [J].IT經(jīng)理世界，2013（18）：98-100+101.

[4] 王巖，周蕭.針對人臉識別的圖像預(yù)處理 [J].科技信息，2011（16）：94.

[5] 錢鋒.淺談人臉識別技術(shù)的現(xiàn)狀與應(yīng)用 [J].信息與電腦（理論版），2009（16）：26.

[6]李苗在，谷海紅.人臉識別研究綜述 [J].電腦知識與技術(shù)，2011，7（24）：5992-5994.

作者簡介：馬宇軒（2000—），男，漢族，遼寧沈陽人，本科在讀，研究方向：電路與系統(tǒng)。