基于人臉識(shí)別的圖書(shū)館智能門(mén)禁系統(tǒng)

0   引言

人臉識(shí)別門(mén)禁是基于先進(jìn)的人臉識(shí)別技術(shù)，結(jié)合成熟的ID 卡和指紋識(shí)別技術(shù)而推出的安全實(shí)用的門(mén)禁產(chǎn)品。產(chǎn)品采用分體式設(shè)計(jì)，人臉、指紋和ID 卡信息的采集和生物信息識(shí)別及門(mén)禁控制內(nèi)外分離，實(shí)用性高、安全可靠。系統(tǒng)采用網(wǎng)絡(luò)信息加密傳輸，支持遠(yuǎn)程控制和管理，可廣泛應(yīng)用于銀行、軍隊(duì)、公檢法、智能樓宇等重點(diǎn)區(qū)域的門(mén)禁安全控制。

目前學(xué)校圖書(shū)館門(mén)禁依舊采用的是刷校園卡進(jìn)入的方式, 對(duì)于同學(xué)們而言十分不便, 而且也有外來(lái)人員借用本校學(xué)生校園卡進(jìn)入圖書(shū)館的現(xiàn)象。使用人臉識(shí)別方式進(jìn)入可以有效杜絕這類(lèi)情況的發(fā)生, 也方便同學(xué)進(jìn)入圖書(shū)館學(xué)習(xí)以及學(xué)校對(duì)于圖書(shū)館的日常管理。

1   設(shè)計(jì)思路

根據(jù)對(duì)預(yù)期功能的分析結(jié)合我們運(yùn)用的技術(shù)，首先需要給出總體設(shè)計(jì)方案，本課題所實(shí)現(xiàn)的人臉識(shí)別系統(tǒng)不僅包含硬件開(kāi)發(fā)平臺(tái)，而且還有在開(kāi)發(fā)平臺(tái)上運(yùn)行的各種端口函數(shù)、驅(qū)動(dòng)程序和應(yīng)用程序，其中硬件部分主要有：視頻采集部件、視頻傳輸部件和視頻顯示部件；程序部分主要有：基于樹(shù)莓派的操作系統(tǒng)、視頻采集程序、視頻編碼程序、視頻傳輸程序、PC 機(jī)上顯示程序等。系統(tǒng)設(shè)計(jì)方案的總體框架如圖1 所示。

本次人臉識(shí)別系統(tǒng)的開(kāi)發(fā)分為兩個(gè)部分實(shí)施：PC和嵌入式平臺(tái)。在PC 平臺(tái)上，對(duì)設(shè)計(jì)好的人臉識(shí)別程序進(jìn)行調(diào)試，驗(yàn)證程序的整體機(jī)理和功能。程序功能沒(méi)有問(wèn)題后，再將程序環(huán)境進(jìn)行重新配置，編譯成可以在嵌入式平臺(tái)上運(yùn)行的程序，然后移植到嵌入式平臺(tái)上驗(yàn)證運(yùn)行。這樣分兩步走的開(kāi)發(fā)方式，雖然需要對(duì)程序進(jìn)行兩次編譯，但是，在程序的調(diào)試和驗(yàn)證過(guò)程中帶來(lái)了很大便利，對(duì)問(wèn)題的查找和處理更高效率。

2   硬件平臺(tái)設(shè)計(jì)

本設(shè)計(jì)使用嵌入式板卡作為其運(yùn)行的硬件平臺(tái)。對(duì)于嵌入式開(kāi)發(fā)板，其運(yùn)行性能的關(guān)鍵是嵌入式處理芯片，作為嵌入式系統(tǒng)的核心部件，其運(yùn)算處理速度的快慢直接影響系統(tǒng)平臺(tái)的運(yùn)行效率。目前市面上存在多種內(nèi)核結(jié)構(gòu)的嵌入式芯片，包括ARM 內(nèi)核芯片、IBM 的Power PC、Intel 的x86 等，而以ARM 為內(nèi)核的處理芯片在全球嵌入式芯片市場(chǎng)中占據(jù)主導(dǎo)地位[1]。項(xiàng)目所選用的Raspberry Pi 開(kāi)發(fā)平臺(tái)采用的是高性能的樹(shù)莓派4B 作為主處理器，支持的操作系統(tǒng)為：樹(shù)莓派專(zhuān)用系統(tǒng)Debian GNU/Linux、Fedora、Arch Linux、RISC OS、Windows10 IoT，搭載1.5 GHz 的64 位四核處理器（Broadcom BCM2711，Quad core Cortex-A72(ARM v8) 64-bit SoC @ 1.5 GHz），支持Bluetooth 5.0，兩個(gè)USB 3.0 和兩個(gè)USB 2.0 接口，雙micro HDMI 輸出，支持4K 分辨率，microSD 存儲(chǔ)系統(tǒng)增加了雙倍數(shù)據(jù)速率支持，先前版本的microUSB 供電接口在樹(shù)莓派4B 中改為USB Type-C 接口[2]。

3   模塊介紹

1) 樹(shù)莓派4B 英7 寸顯示屏

樹(shù)莓派4B 英7 寸顯示屏的分辨率為1 024×600，功耗為0.84 A×5 V。通過(guò)顯示屏顯示運(yùn)行程序，并觀察運(yùn)行程序后的情況。

2)800 萬(wàn)像素4K 超清攝像頭

對(duì)準(zhǔn)人臉首先檢測(cè)人臉，接著錄入人臉信息，將待識(shí)別人臉對(duì)準(zhǔn)攝像頭進(jìn)行識(shí)別。

3) 樹(shù)莓派4B 開(kāi)發(fā)板

樹(shù)莓派4B 開(kāi)發(fā)板包含1.5 GHz 四核64 位ARM Cortex-A72 CPU，兩個(gè)USB 3.0 和兩個(gè)USB 2.0 端口，雙頻802.11ac 無(wú)線網(wǎng)絡(luò)和4GB 的LPDDR4 SDRAM。

4)LY03 小型斜口電磁鎖

LY03 小型斜口電磁鎖用來(lái)模擬圖書(shū)館門(mén)禁系統(tǒng)開(kāi)門(mén)。攝像頭識(shí)別人臉后，若人臉信息能與庫(kù)中信息匹配，則開(kāi)鎖；否則報(bào)警。

5)1 路5 V 繼電器模塊

此模塊高電平觸發(fā)，即模塊供電后，控制端口收到高電平繼電器導(dǎo)通，給門(mén)鎖供電。

6) 蜂鳴器

蜂鳴器用來(lái)實(shí)現(xiàn)人臉識(shí)別不成功報(bào)警的功能，蜂鳴器電壓是2~3.5 V，工作電流小于25 mA，頻率為1.8~2.8 kHz。直流電源輸入經(jīng)過(guò)振蕩系統(tǒng)的放大取樣電路在諧振裝置作用下產(chǎn)生聲音信號(hào)。

4   軟件設(shè)計(jì)

4.1 基于OPENCV的人臉檢測(cè)

OpenCV 是Intel 公司支持的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，輕量而且高效，由一系列C 函數(shù)和少量C++ 類(lèi)構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。作為一個(gè)基本計(jì)算機(jī)視覺(jué)、圖像處理和模式識(shí)別的開(kāi)源項(xiàng)目，OpenCV 可以直接應(yīng)用于很多領(lǐng)域，其中包括人臉識(shí)別的算法實(shí)現(xiàn)，是二次開(kāi)發(fā)的理想工具^[2]。人臉識(shí)別功能包括以下幾個(gè)方面（如圖2）。

1) 圖像采集和預(yù)處理

可以通過(guò)下載開(kāi)源的人臉識(shí)別數(shù)據(jù)集以及自己拍照建立人臉數(shù)據(jù)庫(kù)進(jìn)行圖像采集。由于大部分臉部檢測(cè)算法對(duì)光照、臉部大小、位置表情等非常敏感，圖像預(yù)處理是將檢測(cè)到的臉部后需轉(zhuǎn)化為灰度圖像，進(jìn)行直方圖歸一化處理。

2) 人臉檢測(cè)

OpenCV 采用一種叫做Haar cascade classifier 的人臉檢測(cè)器，利用保存在XML 文件中的數(shù)據(jù)確定每一個(gè)局部搜索圖像的位置，并利用其內(nèi)置函數(shù)進(jìn)行檢測(cè)。函數(shù)使用針對(duì)某目標(biāo)物體訓(xùn)練的級(jí)聯(lián)分類(lèi)器在圖像中找到包含目標(biāo)物體的矩形區(qū)域，并將這些區(qū)域作為序列矩形框返回，最終檢測(cè)結(jié)果保存在變量中^[3]。

4.2 基于Dlib的人臉識(shí)別

Dlib 是一個(gè)機(jī)器學(xué)習(xí)C++ 庫(kù)，包含許多機(jī)器學(xué)習(xí)常用的算法。dlib 先檢測(cè)人臉，然后通過(guò)Resnet 生成一個(gè)128 維的向量，Resnet 有幾種不同深度結(jié)構(gòu)，dlib 庫(kù)采用68 點(diǎn)位置標(biāo)志人臉重要部位，再采用相應(yīng)模塊識(shí)別人臉。

4.3 部分設(shè)計(jì)代碼

1) 讀取數(shù)據(jù)，設(shè)置攝像頭參數(shù)

known_face_encodings ,known_face_names =getFace.getFaceArray()

todayAlreadRegister = DBUtils.getAlreadyRegisterArray()

print(todayAlreadRegister)

print(known_face_names)

signRight = “Right”

signWrong = “Wrong”

video_capture = cv2.VideoCapture(0)

rcout = 12

width=1024

height=768

video_capture.set(cv2.CAP_PROP_FOURCC, cv2.

VideoWriter.fourcc(‘M’, ‘J’, ‘P’, ‘G’))

video_capture.set(cv2.CAP_PROP_FPS , 12);

video_capture.set(cv2.CAP_PROP_FRAME_

WIDTH,width)

video_capture.set(cv2.CAP_PROP_FRAME_

HEIGHT,height)

2) 錄入人臉信息

face_locations = []

face_encodings = []

face_names = []

process_this_frame = True

fcounter = 0

while True:

ret, frame = video_capture.read()

small_frame = cv2.resize(frame, (0, 0), fx=0.3,

fy=0.3)

rgb_small_frame = small_frame[:. :, ::-1]

if fcounter==rcout:

fcounter=0

face_locations = api.face_locations(rgb_small_

frame)

face_encodings = api.face_encodings(rgb_

small_frame, face_locations)

face_names = []

for face_encoding in face_encodings:

matches = api.compare_faces(known_face_

encodings, face_encoding)

name = “Unknown”

face_distances = api.face_distance(known_face_

encodings, face_encoding)

#face_distances = list(face_distances <= 0.5)

best_match_index = np.argmin(face_distances)

if matches[best_match_index] and “False” not in

str(face_distances):

name = known_face_names[best_match_

index]

face_names.append(name)

else:

fcounter = fcounter + 1

3) 識(shí)別人臉

for ( top, right, bottom, left), name in zip(face_

locations, face_names):

font = cv2.FONT_HERSHEY_DUPLEX

if name in “Unknown”:

# cv2.rectangle(small_frame, (left, top), (right,

bottom), (0, 0, 255), 2)

cv2.putText(small_frame, name, (left + 5, bottom -

5), font, 0.6, (0, 0, 255), 1)

# cv2.putText(small_frame, signWrong, (left + 5,

bottom - 15), font, 0.6, (0, 0, 255), 1)

else:

#cv2.rectangle(small_frame, (left, top), (right,

bottom), (0, 255, 0), 2)

# if name in todayAlreadRegister:

cv2.putText(small_frame, name, (left + 5, bottom -

5), font, 0.6, (0, 255, 0), 1)

cv2.putText(small_frame, signRight, (left + 5, bottom

+ 20), font, 0.6, (0, 255, 0), 1)

# else:

# DBUtils.insertRegister(name)

#todayAlreadRegister.append(name)

cv2.imshow(‘Video’, small_frame)

if cv2.waitKey(1) & 0xFF == ord(‘q’):

break

video_capture.release()

cv2.destroyAllWindows()

5   實(shí)驗(yàn)過(guò)程

1) 首先將軟件安裝好，連接硬件好；

2) 將攝像頭打開(kāi)，檢測(cè)人臉信息，并錄入人臉信息；

3) 錄入人臉信息后，運(yùn)行識(shí)別程序，將攝像頭對(duì)準(zhǔn)已錄入信息的人臉，識(shí)別成功，顯示錄入姓名并開(kāi)鎖；對(duì)準(zhǔn)未錄入信息的人臉，識(shí)別失敗，顯示unknown 并報(bào)警。

6   結(jié)論

本項(xiàng)目以O(shè)penCV 為核心, 樹(shù)莓派為硬件基礎(chǔ)設(shè)計(jì)實(shí)現(xiàn)了具有人臉識(shí)別功能的智能安防門(mén)禁系統(tǒng)。本智能門(mén)禁系統(tǒng)首先將授權(quán)的人臉信息進(jìn)行灰度化、降維及計(jì)算特征值等處理, 再進(jìn)行準(zhǔn)備訓(xùn)練, 得到授權(quán)人的相關(guān)信息。然后對(duì)攝像頭采集到的人臉信息進(jìn)行處理。經(jīng)過(guò)測(cè)試, 該智能門(mén)禁系統(tǒng)較好地完成了人臉識(shí)別功能, 識(shí)別成功開(kāi)鎖，失敗則報(bào)警，完成了門(mén)禁系統(tǒng)的設(shè)計(jì)要求，實(shí)現(xiàn)了圖書(shū)館的門(mén)禁智能化。

參考文獻(xiàn)：

[1] 周昕梓.樹(shù)莓派開(kāi)始，玩轉(zhuǎn)Linux[M].北京:電子工業(yè)出版社,2018.

[2] GOLDEN R.樹(shù)莓派應(yīng)用速成：網(wǎng)絡(luò)應(yīng)用秘方.符鵬飛.譯.北京:科學(xué)出版社,2014.

[3] 朱偉.OpenCV圖像處理編程實(shí)例[M].北京:電子工業(yè)出版社,2016.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2021年4月期）