彭萬新 楊友晨 孔嘉成 門芳 胡偉

摘 要：在人工智能領(lǐng)域飛速發(fā)展的今天，如何更好的服務(wù)人類成為近年來人工智能研究的重點(diǎn)。疫情的反復(fù)以及病毒變異，使得口罩成為了人們生活中必需品。在社會活動中帶口罩的人群越來越多，使得自動檢測人臉是否佩戴口罩的系統(tǒng)應(yīng)用成為一種趨勢。本文設(shè)計(jì)一款基于樹莓派的口罩人臉識別系統(tǒng)，能夠根據(jù)人臉身份識別與人臉戴口罩識別的基本功能，并且使用輕量化OpenCV的特征提取算法使采集圖像及處理圖像的速度大大提升。

關(guān)鍵詞：樹莓派；口罩識別；人臉檢測

一、引言

（一）背景及意義

新冠病毒在全世界大范圍內(nèi)的迅速蔓延嚴(yán)重危害了全世界人民的生命健康安全，對社會經(jīng)濟(jì)穩(wěn)定造成了巨大的影響，由于新型冠狀病毒具有強(qiáng)烈的傳染特性，因此對新冠病毒的防范顯得尤為重要。通過日常實(shí)踐表明外出佩戴口罩、勤洗手、注意個人衛(wèi)生對防范新型冠狀病毒具有一定的作用。

在疫情常態(tài)化的今天，需要將嵌入式人工智能、大數(shù)據(jù)、目標(biāo)檢測以及非接觸式測溫等技術(shù)綜合運(yùn)用來改善人臉識別精確度，即在現(xiàn)有的人臉身份識別基礎(chǔ)上配合疫防控優(yōu)化，增加口罩人臉識別以及紅外測溫等功能來輔助防疫檢查，真正實(shí)現(xiàn)無接觸式人臉身份識別。在對人臉測溫系統(tǒng)進(jìn)行全面研究后發(fā)現(xiàn)市面上的人臉測溫系統(tǒng)存在維護(hù)成本高、安裝費(fèi)用昂貴、大多使用工業(yè)級別攝像頭，需要高性能工控機(jī)配合使用，使得偏遠(yuǎn)地區(qū)不利于快速推廣應(yīng)用，并且在實(shí)際使用過程當(dāng)中往往需要被檢測對象主動配合、無法實(shí)現(xiàn)主動追蹤目標(biāo)對象以及實(shí)時分析、在復(fù)雜場景下辨識度低等問題，對未來推出解決產(chǎn)品的提出了一種更具有便利性、實(shí)用性、高可靠性、低成本的人臉身份識別與測溫系統(tǒng)解決方案。

（二）研究現(xiàn)狀

國外早在20世紀(jì)60年代，就已經(jīng)針對這一新型態(tài)的人臉識別成像技術(shù)的應(yīng)用問題進(jìn)行了一系列相關(guān)的科學(xué)技術(shù)研究。如今，人臉識別等新技術(shù)在人們的日常生活中所能夠起到的重要作用也愈加顯著。人臉識別信息技術(shù)主要是基于獲取人類自身臉部生物特征識別信息，來幫助實(shí)現(xiàn)人類身份信息識別的一種新型人體生物特征識別信息的技術(shù)。

國內(nèi)關(guān)于面部識別的研究可以追溯到20世紀(jì)80年代初。從20世紀(jì)80年代，清華大學(xué)、中國科學(xué)院、復(fù)旦大學(xué)等頂尖大學(xué)開始了對人臉識別技術(shù)研究并且有了一定的研究成果。自2001年起，國家支持一些專門部門利用人臉識別技術(shù)預(yù)防和打擊犯罪分子。該項(xiàng)技術(shù)的使用表明中國已進(jìn)入大規(guī)模使用階段。

二、設(shè)計(jì)

（一）方案設(shè)計(jì)

實(shí)現(xiàn)口罩下人臉識別系統(tǒng)包括一個樹莓派硬件的開發(fā)平臺和能夠使軟件在開發(fā)平臺上正常運(yùn)行的各種終端功能、驅(qū)動以及應(yīng)用程序等。在PC機(jī)平臺上調(diào)試人臉識別應(yīng)用程序，并對運(yùn)行該應(yīng)用程序的系統(tǒng)總體運(yùn)作機(jī)制和系統(tǒng)功能特性等進(jìn)行測試。通過軟件重新配置該應(yīng)用程序所需要使用的軟件環(huán)境，將其重新編譯成一個可以在嵌入式應(yīng)用平臺上正常測試運(yùn)行的應(yīng)用程序，最后再將其重新移植到一個新的嵌入式應(yīng)用平臺上，以此方式來對其進(jìn)行性能驗(yàn)證和正常測試運(yùn)行。

（二）系統(tǒng)設(shè)計(jì)

以樹莓派為核心，將傳感器技術(shù)與移動終端有機(jī)結(jié)合，利用OpenCV和人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行人臉數(shù)據(jù)處理，使得系統(tǒng)能夠通過捕捉人臉動態(tài)下的特征，采集數(shù)據(jù)，再經(jīng)過人工神經(jīng)網(wǎng)絡(luò)，也可以將圖像映射到表面，恢復(fù)為三維模型，進(jìn)行模型匹配等，基于原來的人臉識別算法，人臉識別機(jī)器在檢測到人臉后，會對人臉關(guān)鍵特征點(diǎn)進(jìn)行提取，經(jīng)過預(yù)處理之后，傳入后端，與庫存的已知人臉進(jìn)行比對，完成最終的識別分類。而戴著口罩會對個人的許多面部特征造成遮擋，從而降低人臉識別準(zhǔn)確率。因此，如何精準(zhǔn)完成口罩下的人臉識別，成為一個需要解決的難題。

本設(shè)計(jì)以樹莓派4B開發(fā)板為依托，使用的是樹莓派Linux操作系統(tǒng)，設(shè)計(jì)和開發(fā)圖形界面是通過QT庫來完成的。通過紅外及溫度檢測，判斷是否存在高溫人群。檢測人與系統(tǒng)的距離，運(yùn)用攝像頭捕捉技術(shù)，采集人臉圖片，進(jìn)行特征識別，判斷人員的身份信息。

三、口罩遮擋人臉實(shí)時識別系統(tǒng)

（一）數(shù)據(jù)集

為完成口罩和人臉同時的實(shí)時識別，系統(tǒng)構(gòu)造了一個小型的有口罩遮擋的人臉數(shù)據(jù)集。首先在瀏覽器搜索框輸入若干個明星關(guān)鍵詞，對搜索到的網(wǎng)頁，利用python網(wǎng)絡(luò)爬蟲技術(shù)進(jìn)行諸多明星戴口罩和不戴口罩的靜態(tài)圖片抓取，將抓取到的圖片全部保存到預(yù)先建好的文件夾中，然后對抓取后的所有圖片進(jìn)行手動篩查，將重復(fù)及不符合場景要求的圖片丟棄，構(gòu)造了共計(jì)40人的4000張數(shù)據(jù)集。

（二）模型訓(xùn)練

將預(yù)處理后的數(shù)據(jù)集送入RS_SSD口罩檢測網(wǎng)絡(luò)模型，檢測人臉是否佩戴口罩，然后輸入到Re_Face遮擋人臉識別網(wǎng)絡(luò)中訓(xùn)練，將獲得口罩檢測模型和人臉分類模型，進(jìn)而構(gòu)建口罩遮擋人臉識別系統(tǒng)。

網(wǎng)絡(luò)模型采用口罩遮擋人臉識別網(wǎng)絡(luò)，將16000張數(shù)據(jù)集劃分成 12800張訓(xùn)練集和3200張測試集，通過迭代實(shí)驗(yàn)，獲得最終集成模型的口罩及人臉平均識別率分別為96%和95%。

（三）實(shí)時識別系統(tǒng)

該口罩遮擋人臉實(shí)時識別系統(tǒng)的主要目的是實(shí)現(xiàn)攝像頭下實(shí)時拍攝人臉圖像，攝像頭拍攝到的有無口罩遮擋人臉圖像進(jìn)行裁剪保存至本地后，再通過預(yù)訓(xùn)練后的模型完成分類別，無論是否佩戴口罩，均可以實(shí)現(xiàn)準(zhǔn)確識別，并把分類識別的結(jié)果存放到數(shù)據(jù)庫里，完成人臉在佩戴口罩情況下也可以進(jìn)行人臉識別的操作。這為手機(jī)中的諸多需刷臉認(rèn)證app在含口罩遮擋人臉下也能完成高效認(rèn)證提供有力保障。實(shí)時識別系統(tǒng)如圖2所示。

操作步驟如下：

（1）選擇點(diǎn)擊“開啟攝像頭”對人臉進(jìn)行拍照，實(shí)現(xiàn)口罩及人臉實(shí)時視頻檢測識別，識別結(jié)果及拍攝圖像的顯示均在系統(tǒng)中間部分所示，然后點(diǎn)擊“保存圖片”，即可將拍攝的對象以靜態(tài)圖片的方式保存至本地文件夾。為節(jié)省時間并方便以后進(jìn)行識別，可以直接點(diǎn)擊“本地上傳”，將之前保存的圖片進(jìn)行識別。

（2）若不方便用攝像頭拍攝或不想對視頻圖像進(jìn)行識別，也可以點(diǎn)擊系統(tǒng)中的“網(wǎng)絡(luò)獲取圖片”，系統(tǒng)將自動跳轉(zhuǎn)本地瀏覽器，然后對瀏覽器鍵入相關(guān)關(guān)鍵詞即可實(shí)現(xiàn)圖像獲取。對靜態(tài)圖像的口罩及人臉的同時識別界面如圖3所示。

四、總結(jié)

首先利用python對含口罩遮擋人臉圖像進(jìn)行網(wǎng)絡(luò)爬取，構(gòu)建了一個含口罩遮擋人臉數(shù)據(jù)集，然后將數(shù)據(jù)樣本輸入口罩檢測網(wǎng)絡(luò)檢測人臉是否佩戴口罩，再將檢測出的有無口罩的人臉樣本輸入遮擋人臉識別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，完成一個實(shí)時識別口罩遮擋人臉的系統(tǒng)。

該系統(tǒng)識別人臉身份的同時也能對人臉佩戴口罩情況進(jìn)行識別，不僅可以通過攝像頭實(shí)時獲取識別對象，還可以將識別對象圖片存入系統(tǒng)，根據(jù)需要進(jìn)行識別，為諸多需要進(jìn)行人臉識別的app在有口罩遮擋下也可以進(jìn)行人臉識別登錄提供了可能性。

五、未來展望

對于本文所提出的口罩檢測網(wǎng)絡(luò)和有遮擋人臉識別網(wǎng)絡(luò)而言，即使能夠?qū)谡趾驼趽醯娜四樉哂休^高的檢測效果，但同時也存在一些不足，未來需要繼續(xù)研究優(yōu)化改進(jìn)的部分如下：（1）口罩檢測數(shù)據(jù)集過于單一。雖然本文口罩檢測網(wǎng)絡(luò)對RMFD數(shù)據(jù)集具有較高的檢測效果，但對于人臉存在其他遮擋或存在人群密集的數(shù)據(jù)集時，本文所提方法對口罩檢測性能將會降低，所以未來需要更多的數(shù)據(jù)集進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，提升口罩檢測網(wǎng)絡(luò)的性能。

參考文獻(xiàn)：

[1]薛同來，趙冬暉，張華方等.基于Python的深度學(xué)習(xí)人臉識別方法 [J]. 工業(yè)控制計(jì)算機(jī)，2019，32（2）： 118-119.

[2]王江偉，劉青.玩轉(zhuǎn)樹莓派 Raspberry Pi[M].北京： 北京航空航天大學(xué)出版社，2013：176-185.

[3]蒙克.樹莓派開發(fā)實(shí)戰(zhàn)[M].北京：人民郵電出版 社 ，2017：43.

[4]喬·米尼奇諾，約瑟夫·豪斯.OpenCV3計(jì)算機(jī)視覺：Python 語言實(shí)現(xiàn)[M].北京：機(jī)械工業(yè)出版社，2016：13-14

[5]李亞可，玉振明.級聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)人臉檢測方法[J].計(jì) 算機(jī)工程與應(yīng)用，2019，55（24）：184-189