摘 ?要：電站安全與國(guó)家安全和人民生產(chǎn)生活息息相關(guān)，因此對(duì)電站的出入人員進(jìn)行準(zhǔn)確的身份識(shí)別尤為重要。針對(duì)電站出入人員攜帶安全帽導(dǎo)致的面部特征采集不完全等問題，文章提出了融合高階門控卷積模塊對(duì)MTCNN和FaceNet網(wǎng)絡(luò)模型進(jìn)行改進(jìn)增強(qiáng)，通過顯式建模人臉面部特征向量之間的高階關(guān)聯(lián)，使得模型可以學(xué)習(xí)到更加準(zhǔn)確的特征映射函數(shù)，從而提高面部識(shí)別的準(zhǔn)確率。在LFW數(shù)據(jù)集上，提出的改進(jìn)方法相比于原Facenet模型的99.63%的準(zhǔn)確率提高到了99.68%的準(zhǔn)確率。最后，在電站的實(shí)際應(yīng)用場(chǎng)景中，出入識(shí)別的準(zhǔn)確率分別為99.12%和98.93%。

關(guān)鍵詞：電站；面部識(shí)別；高階門控卷積

中圖分類號(hào)：TP391.4 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? 文章編號(hào)：2096-4706（2023）16-0134-05

Application of Facial Recognition Algorithm Based on High-order Gated Convolution for Power Station Identification

GAO Sen

（Nanjing NanruiJibao Electric Co.， Ltd.， Nanjing ?211102， China）

Abstract： The security of the power station is closely related to national security and people's production and life， so it is particularly important to accurately identify the access personnel of the power station. Aiming at the problems such as incomplete collection of facial features caused by helmets carried by power station access personnel， this paper proposes to improve and enhance the MTCNN and FaceNet network models by integrating high-order gated convolution modules. By explicitly modeling the high-order correlation between facial feature vectors， the model can learn more accurate feature mapping functions to improve the accuracy of facial identification. On the LFW dataset， the improved method proposed in this paper improves the accuracy of the original FaceNet model by 99.63% to 99.68%. Finally， in the actual application scenario of the power station， the accuracy of the access identification is 99.12 % and 98.93 % respectively.

Keywords： power station; facial identification; high-order gated convolution

0 ?引 ?言

電網(wǎng)和電站在國(guó)家安全、社會(huì)穩(wěn)定以及人們的生產(chǎn)生活中承擔(dān)著十分重要的角色，因此電網(wǎng)和電站的安全一直受到國(guó)家和人民的重視和關(guān)注。運(yùn)用精確和穩(wěn)定的識(shí)別系統(tǒng)對(duì)電網(wǎng)和電站出入人員進(jìn)行準(zhǔn)確的身份識(shí)別對(duì)電網(wǎng)和電站的安全有著重要保障。由于出入電站和電網(wǎng)的工作人員大部分人會(huì)攜帶絕緣手套和佩戴安全帽等，所以傳統(tǒng)的基于指紋識(shí)別的方法不易于使用，且由于佩戴安全帽的原因會(huì)給面部識(shí)別帶來巨大挑戰(zhàn)。除此之外，利用虹膜特征對(duì)員工身份進(jìn)行檢測(cè)和識(shí)別的方式雖然準(zhǔn)確度高，但是代價(jià)高昂。綜合考慮，人臉識(shí)別更適用于電站和電網(wǎng)出入人員的身份識(shí)別。

人臉識(shí)別的發(fā)展歷經(jīng)手工提取特征到深度學(xué)習(xí)，在深度學(xué)習(xí)崛起之前，人臉檢測(cè)主要通過手工設(shè)計(jì)提取特征獲取面部信息，此類方法具有速度快，實(shí)現(xiàn)簡(jiǎn)單等特點(diǎn)，但是檢測(cè)精度較低。例如早期的人臉識(shí)別技術(shù)[1，2]主要是建立在子空間特征向量學(xué)習(xí)和特征模式統(tǒng)計(jì)學(xué)習(xí)上。例如利用SIFT特征進(jìn)行空間學(xué)習(xí)，首先選取固定數(shù)量的矩形區(qū)域進(jìn)行預(yù)處理，之后根據(jù)特征映射的空間統(tǒng)計(jì)以及預(yù)先設(shè)定的先驗(yàn)閾值來提升面部識(shí)別的魯棒性。

隨著深度學(xué)習(xí)技術(shù)的進(jìn)一步發(fā)展，通過設(shè)計(jì)合理的神經(jīng)網(wǎng)絡(luò)模型在大量數(shù)據(jù)上進(jìn)行訓(xùn)練來獲得面部和非面部的分類器使得人臉識(shí)別的可靠性和魯棒性跨越式增強(qiáng)。Hinton等人提出了在當(dāng)年ImageNet大賽上的冠軍方法AlexNet[3]，該模型是深度學(xué)習(xí)在計(jì)算機(jī)視覺任務(wù)上應(yīng)用的里程碑。深度學(xué)習(xí)的巨大成功促進(jìn)了深度學(xué)習(xí)算法和人臉識(shí)別的結(jié)合，例如張等人[4]提出的MTCNN，通過分級(jí)訓(xùn)練并使用三個(gè)子卷積神經(jīng)網(wǎng)絡(luò)來提升人臉識(shí)別的準(zhǔn)確率。Sun等人[5]提出的DeepID將人臉圖像分割成多個(gè)圖塊輸入給深度網(wǎng)絡(luò)進(jìn)行訓(xùn)練來提升網(wǎng)絡(luò)對(duì)特征的學(xué)習(xí)和表示能力。再有，谷歌提出的FaceNet[6]模型通過學(xué)習(xí)獲得一個(gè)特征映射函數(shù)將輸入映射為特征空間的身份向量，在利用相似度函數(shù)來比較特征向量的相似度來進(jìn)行面部識(shí)別，該模型在LFW人臉識(shí)別數(shù)據(jù)集上獲得了99.63%的識(shí)別準(zhǔn)確率。由此可見，深度學(xué)習(xí)相比于傳統(tǒng)的特征提取方法能夠?qū)W習(xí)到更加有用和更具表示能力的特征。本文針對(duì)電站門禁場(chǎng)景的特殊需求，利用高階門控卷積對(duì)MTCNN和FaceNet進(jìn)行改進(jìn)來提升模型的特征學(xué)習(xí)和表示能力進(jìn)而提升人臉識(shí)別的準(zhǔn)確率。最后，深度學(xué)習(xí)在人臉識(shí)別上的應(yīng)用進(jìn)一步推動(dòng)了人臉識(shí)別技術(shù)在各種實(shí)際場(chǎng)景的落地和應(yīng)用，例如視頻監(jiān)控、身份識(shí)別、游戲娛樂等諸多領(lǐng)域。

1 ?本文方法

作為計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)研究問題，人臉識(shí)別算法已經(jīng)取得了較好的結(jié)果[7-12]，但是距離實(shí)際應(yīng)用的要求還尚有不足，例如實(shí)際場(chǎng)景中捕獲的人臉圖片可能會(huì)受到光照、遮擋、面部快速移動(dòng)等各種因素的影響，進(jìn)行特征向量相似度計(jì)算時(shí)會(huì)產(chǎn)生較大的偏差導(dǎo)致無法正確識(shí)別。為有效緩解上述難點(diǎn)，本文提出了融合高階門控卷積進(jìn)一步增強(qiáng)模型的特征學(xué)習(xí)和表示能力。實(shí)驗(yàn)結(jié)果表明，改進(jìn)之后的i-FaceNet相比于原FaceNet網(wǎng)絡(luò)人臉識(shí)別的準(zhǔn)確率和運(yùn)行速度顯著提升。

人臉識(shí)別主要包含檢測(cè)和識(shí)別，其中前者是后者的基礎(chǔ)，本文使用i-MTCNN網(wǎng)絡(luò)作為面部檢測(cè)算法并使用i-FaceNet網(wǎng)絡(luò)對(duì)面部特征進(jìn)行識(shí)別，最后通過特征向量的相似度比較，對(duì)輸入面部圖片進(jìn)行識(shí)別進(jìn)而對(duì)進(jìn)出員工的身份進(jìn)行判定，如圖1所示。

1.1 ?高階門控卷積

高階門控卷積主要是通過門控卷積和遞歸操作來建模特征向量之間的高階關(guān)聯(lián)，具有推理效率高、擴(kuò)展性強(qiáng)以及平移不變性等特點(diǎn)。一般的卷積運(yùn)算（互相關(guān)運(yùn)算）沒有顯式地對(duì)特征空間中任意兩個(gè)特征向量的關(guān)聯(lián)進(jìn)行建模，而引入這種特征信息交互可以顯著提升模型的特征學(xué)習(xí)和表達(dá)能力。如圖2所示，該結(jié)構(gòu)主要是通過1×1卷積、基于深度的卷積以及基于元素相加等操作來實(shí)現(xiàn)。

假定輸入特征向量為 ，H表示特征向量的高，W表示特征向量的寬，C表示特征向量的通道數(shù)，1階門控卷積操作可以被表示為：

其中， 為1×1卷積，用于通道之間的特征信息交互， 為基于深度的卷積，j0為i的鄰域特征，Y表示特征向量i與其鄰域特征j0的一階特征交互輸出。在上述操作的基礎(chǔ)上，再對(duì)門控卷積結(jié)構(gòu)應(yīng)用遞歸方法來實(shí)現(xiàn)更高階的門控卷積結(jié)構(gòu)從而來顯式地考慮特征向量之間的高階依賴關(guān)系。

1.2 ?GC-MTCNN模型

為應(yīng)對(duì)復(fù)雜場(chǎng)景下的人臉檢測(cè)，多任務(wù)級(jí)聯(lián)人臉檢測(cè)方法MTCNN于2016年被張等人提出。如圖3所示（自上而下分別為P-Net網(wǎng)絡(luò)、R-Net網(wǎng)絡(luò)、O-Net網(wǎng)絡(luò)），該框架是一種適用于多任務(wù)的人臉檢測(cè)模型，主要包含三個(gè)卷積神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)模型，可以同時(shí)對(duì)輸入圖像進(jìn)行面部區(qū)域檢測(cè)和面部特征點(diǎn)檢測(cè)。該模型具備結(jié)構(gòu)簡(jiǎn)單、精度高、易于集成使用等特點(diǎn)。具體來說，為了得到更加精細(xì)化和更加準(zhǔn)確的模型，利用多個(gè)子網(wǎng)絡(luò)（P-Net、R-Net、O-Net）的輸出不斷修正檢測(cè)結(jié)果，最終得到一個(gè)最優(yōu)的模型用于人臉檢測(cè)。其中P-Net為面部區(qū)域提議模型，該模型會(huì)首先對(duì)輸入進(jìn)行處理，輸出經(jīng)過處理和校準(zhǔn)的人臉圖像，R-Net對(duì)這些區(qū)域進(jìn)行進(jìn)一步精細(xì)化處理，對(duì)其中置信度較低和錯(cuò)誤的提議區(qū)域進(jìn)行舍棄，輸出置信度較高的面部提議區(qū)域，最后O-Net對(duì)這些提議區(qū)域再進(jìn)一步處理輸出最終的面部區(qū)域和面部關(guān)鍵點(diǎn)坐標(biāo)。

本文對(duì)其中3×3卷積使用高階（3階）門控卷積進(jìn)行替換獲得了新的網(wǎng)絡(luò)結(jié)構(gòu)模型GC-MTCNN。與MTCNN的訓(xùn)練過程類似，如圖3所示，本文對(duì)三個(gè)子網(wǎng)絡(luò)分別逐次訓(xùn)練，首先對(duì)P-Net進(jìn)行訓(xùn)練，得到可能的面部建議區(qū)域，再輸入給R-Net網(wǎng)絡(luò)，進(jìn)一步對(duì)這些建議區(qū)域進(jìn)行校準(zhǔn)和篩選，最后輸入給O-Net網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

1.3 ?GC-FaceNet模型

FaceNet模型最初由谷歌團(tuán)隊(duì)于2015年提出，主要用于人臉識(shí)別、人臉聚類以及人臉驗(yàn)證，如圖4所示。

其中，輸入圖片分為三類，即錨樣本、正樣本、負(fù)樣本，CNN為Inception-ResNet-v1用于深度特征提取，嵌入空間指的是CNN輸出的特征向量經(jīng)過正則化處理之后的特征向量，三元組損失函數(shù)可以表示為同一類的嵌入空間的空間距離越近越好，反之，不同類的嵌入空間的空間距離越遠(yuǎn)越好，即該函數(shù)鼓勵(lì)同一類特征空間樣本距離不斷接近，對(duì)不同類的特征向量樣本懲罰接近使其不斷遠(yuǎn)離。與傳統(tǒng)的人臉識(shí)別方法不同的是，該模型通過在大量人臉數(shù)據(jù)上進(jìn)行訓(xùn)練并學(xué)習(xí)獲得一個(gè)最優(yōu)的特征映射函數(shù)，在推理階段，只需要對(duì)輸入的人臉圖片進(jìn)行特征映射獲得特征向量，利用相似度函數(shù)在身份特征空間中對(duì)輸入特征向量進(jìn)行比對(duì)，輸出相似度最高的人臉身份結(jié)果。本文利用高階門控卷積對(duì)Inception-ResNet-v1網(wǎng)絡(luò)中的3×3卷積進(jìn)行替換獲得新的網(wǎng)絡(luò)模型GC-FaceNet，再利用大量人臉圖像進(jìn)行訓(xùn)練學(xué)習(xí)使得錨樣本與正樣本之間的距離逐漸縮小，與負(fù)樣本之間的距離逐漸增大，使得三元組損失函數(shù)降到最低值，最后獲得表現(xiàn)最好的特征映射函數(shù)。

2 ?實(shí)驗(yàn)及結(jié)果分析

2.1 ?數(shù)據(jù)集

LFW數(shù)據(jù)集作為人臉識(shí)別研究的經(jīng)典數(shù)據(jù)集為人臉識(shí)別的研究和發(fā)展做出了突出貢獻(xiàn)，它于2007年被馬薩諸塞大學(xué)視覺研究實(shí)驗(yàn)室提出。該數(shù)據(jù)集包含了13 323張來自于全球范圍內(nèi)有一定影響力的人在各種場(chǎng)景下的自然人臉圖片，人臉身份數(shù)量為5 000個(gè)左右，其中約4 000人僅采集了1張自然人臉圖像，約1 000人采集了2張以上的自然人臉圖像，分別對(duì)每一張人臉圖片標(biāo)注不同的序號(hào)。

為了增強(qiáng)算法特定場(chǎng)景下的識(shí)別能力，對(duì)我司內(nèi)部人臉數(shù)據(jù)庫加以利用，處理形成增強(qiáng)數(shù)據(jù)集，該數(shù)據(jù)集共包含286個(gè)不同的身份在不同場(chǎng)景下共計(jì)2 860張圖片，其中大部分圖片均包含遮擋、光照、角度偏轉(zhuǎn)等挑戰(zhàn)性場(chǎng)景。

2.2 ?訓(xùn)練和驗(yàn)證

固定增強(qiáng)數(shù)據(jù)集不變，從LFW數(shù)據(jù)集中依照兩倍于增強(qiáng)數(shù)據(jù)集的比例隨機(jī)選取數(shù)據(jù)對(duì)和增強(qiáng)數(shù)據(jù)集組成訓(xùn)練集。模型的訓(xùn)練采用三元組的數(shù)據(jù)輸入，因此需要對(duì)上述數(shù)據(jù)進(jìn)行循環(huán)處理生成三元組輸入格式，再從中隨機(jī)選取6 000組數(shù)據(jù)對(duì)組成訓(xùn)練的輸入。在第8個(gè)批次的訓(xùn)練后，模型的損失函數(shù)降到最低點(diǎn)，識(shí)別的精度最高，再利用隨機(jī)選取的數(shù)據(jù)對(duì)對(duì)其進(jìn)行訓(xùn)練，模型的精度沒有增長(zhǎng)反而有細(xì)微的降低，因此設(shè)定訓(xùn)練批次數(shù)為8，學(xué)習(xí)率為0.001。模型在該參數(shù)下會(huì)最快收斂并達(dá)到最好的識(shí)別效果。

為了驗(yàn)證本文提出的模型的有效性，本文方法i-FaceNet與原FaceNet在LFW數(shù)據(jù)集上的識(shí)別準(zhǔn)確率對(duì)比如表1所示，相比于原模型，本文方法獲得了0.05個(gè)百分點(diǎn)的提升。部分檢測(cè)識(shí)別結(jié)果如圖5所示，由實(shí)驗(yàn)結(jié)果可知，本文模型相比于改進(jìn)之前的模型，對(duì)于面部特征的學(xué)習(xí)和表示能力明顯增強(qiáng)，例如對(duì)于第二行第三列中左上角模糊化的人臉，改進(jìn)之前的模型沒有進(jìn)行檢測(cè)和識(shí)別，本文模型成功的檢測(cè)到了該部位的人臉；再有第三行第二列中被大面積遮擋的人臉，改進(jìn)之前的模型發(fā)生了漏檢，本文模型相對(duì)正確的檢測(cè)出了該部分的人臉。這表明在整合了高階門控卷積之后，模型在面臨遮擋、模糊等挑戰(zhàn)性的檢測(cè)識(shí)別場(chǎng)景時(shí)，依然具備較高的魯棒性。

3 ?本文模型在電站身份識(shí)別系統(tǒng)中的應(yīng)用

為了滿足現(xiàn)代化智能電站安全防護(hù)的需求，以面部識(shí)別、多種生物識(shí)別技術(shù)為基礎(chǔ)的智能身份識(shí)別系統(tǒng)使得電站能夠更加穩(wěn)定和安全的運(yùn)行和維護(hù)。其中面部識(shí)別算法是構(gòu)成身份識(shí)別系統(tǒng)的最重要的一環(huán)，優(yōu)秀的面部識(shí)別算法能夠提高身份識(shí)別的準(zhǔn)確率和系統(tǒng)的運(yùn)行效率。通過在電站出入口設(shè)置攝像頭對(duì)出入人員進(jìn)行面部數(shù)據(jù)采集，并輸入給身份識(shí)別系統(tǒng)，身份識(shí)別系統(tǒng)根據(jù)采集到的圖像進(jìn)行分析和比對(duì)確定進(jìn)出入人員的身份信息。

與正常情況下的面部識(shí)別不同的是，電網(wǎng)中心工作人員出入電站時(shí)，面部可能會(huì)被安全帽等遮擋從而對(duì)特征檢測(cè)和識(shí)別造成挑戰(zhàn)，如圖6所示。本文采用高階門控卷積來替換普通卷積結(jié)構(gòu)，使其可以學(xué)習(xí)到更加復(fù)雜的空間特征關(guān)聯(lián)從而提升模型的特征表示能力，在包含遮擋等多種挑戰(zhàn)性場(chǎng)景的識(shí)別任務(wù)中，本文模型獲得了令人滿意的結(jié)果。因此，將本文算法與電網(wǎng)中心門禁系統(tǒng)相結(jié)合，在經(jīng)過了6個(gè)月總計(jì)1 800個(gè)小時(shí)的有效系統(tǒng)在線時(shí)間實(shí)際測(cè)試后得到了如表2所示的識(shí)別準(zhǔn)確率結(jié)果。由表2可以看出，系統(tǒng)在進(jìn)入電站的識(shí)別準(zhǔn)確率為98.93%，離開電站的準(zhǔn)確率為99.12%，造成這種識(shí)別差異的主要原因?yàn)槲宜敬蠖鄶?shù)員工會(huì)在進(jìn)入電站時(shí)佩戴安全帽，離開電站時(shí)解除安全帽。

4 ?結(jié) ?論

電網(wǎng)和變電站的安全與人們生產(chǎn)生活的方方面面關(guān)系密切甚至關(guān)系到國(guó)家安全，因此對(duì)電網(wǎng)和變電站的身份識(shí)別系統(tǒng)的安全性和魯棒性要求更高。為了進(jìn)一步提高面部識(shí)別的準(zhǔn)確度和系統(tǒng)的魯棒性，本文提出了融合高階門控卷積的FaceNet模型的改進(jìn)版本i-FaceNet，該方法在LFW數(shù)據(jù)集上的準(zhǔn)確率相比于原FaceNet模型99.63%提升到了99.68%，且在實(shí)際電站使用場(chǎng)景中出入電站的人臉識(shí)別的準(zhǔn)確率分別達(dá)到99.12%和98.93%。雖然本文的研究已經(jīng)取得了不錯(cuò)的結(jié)果，但是人臉檢測(cè)和識(shí)別依然具有很多挑戰(zhàn)和難點(diǎn)，如圖6第一行第一列中，由于主體攜帶安全帽和口罩造成的大面積面部特征遮擋導(dǎo)致本文算法并沒有能夠成功檢測(cè)和識(shí)別。盡管如此，本文提出的算法依舊具有很高的檢測(cè)和識(shí)別精度，相信本文提出的模型會(huì)為電站的安全出入和穩(wěn)定運(yùn)行做出一定的貢獻(xiàn)，并能夠?yàn)橥I(lǐng)域的研究提供一定的參考價(jià)值。

參考文獻(xiàn)：

[1] ZHAO W，CHELLAPPA R，PHILLIPS P J，et al. Face recognition：A literature survey [J].ACM Computing Survey，2003，35（4）：399-458.

[2] MOGHADDAM B，JEBARA T，PENTLAND A. Bayesian face recognition [J].Pattern recognition，2000，33（11）：1771-1782.

[3] KRIZHIVSKY A，SUTSKEVER I，HINTON G E. ImageNet classification with deep convolutional neural networks [J].Communications of the ACM，2017，60（6）：84-90.

[4] ZHANG K，ZHANG Z，LI Z，et al. Joint face detection and alignment using multitask cascaded convolutional networks [J].IEEE Signal Processing Letters，2016，23（10）：1499-1503.

[5] SUN Y，WANG X，TANG X. Deep Learing Face Representation from Predicting 10，000 Classes [C]//2014 IEEE Conference on Computer Vision and Pattern Recognition.Columbus：IEEE，2014：1891-1898.

[6] SCHROFF F，KALENICHENKO D，PHILBIN J. FaceNet：A unified embedding for face recognition and clustering [C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Boston：IEEE，2015：815-823.

[7] 祝永志，蘇曉云.基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別技術(shù)研究 [J].通信技術(shù)，2020，53（3）：718-723.

[8] 任艷，張蕾，徐春，等.基于圖像處理的人臉識(shí)別技術(shù)研究 [J].電子元器件與信息技術(shù)，2020，4（7）：81-82.

[9] 蔣曉，高瑋瑋，楊亦樂，等.基于Prewitt算子的卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法 [J].軟件，2019，40（10）：16-19.

[10] 黃良輝，康祖超，張昌凡，等.基于輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法 [J].湖南工業(yè)大學(xué)學(xué)報(bào)，2019，33（2）：43-47.

[11] 魯磊.基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究 [D].西安：西安科技大學(xué)，2019.

[12] 楊玉漣，官鈺翔，沈毅，等.基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別 [J].電子測(cè)試，2020（21）：60-61+99.

作者簡(jiǎn)介：高森（1990—），男，漢族，江蘇南京人，自動(dòng)化工程師，本科，研究方向：計(jì)算機(jī)視覺、電氣工程及其自動(dòng)化、信息安全。