无感考勤和人数感知设备实现方法

魏军福

（福建星网物联信息系统有限公司 福建省福州市 350108）

1 引言

随着科技的进步和社会的发展，人脸识别技术被越来越多的应用于企业和学校的考勤中。人脸识别考勤相对传统的刷卡签到考勤有着明显的优势：首先，刷脸考勤更加方便快捷；其次，需要比对现场实时人脸，避免了代人打卡的考勤作弊问题。

但是，目前绝大多数的人脸考勤设备在进行人脸考勤过程中，还存在一定的问题：首先，需要被考勤人员在终端前进行人脸识别，在人数较多时，容易造成拥堵。其次，基于人脸图像比对的考勤设备，容易通过在摄像头前展示打印照片、屏幕图片、视频等材料进行攻击，无法完全防止考勤作弊现象。

此外，对于大多数的考勤场景，一般位于办公室、会议室、教室等场所；管理者对此除了需要了解具体考勤情况，还需要掌握该场景的实时和历史人数统计情况。而以考勤为主的设备，虽然具备一定的AI 计算能力，却无法满足非考勤时段的人数感知需求。

2 研究方法

针对特定场景的人员无感考勤和人数统计问题，本文研究一种基于视频智能分析和AI 感知算法的无感考勤系统及设备，实现对人员进行快速精准的无感考勤、流量统计功能。

2.1 无感考勤系统

本文采用深度学习技术，收集整理海量人脸数据，设计定制模型，训练出快速精准的人脸检测、人脸识别、活体检测算法，将算法植入高性能边缘设备，实现多人员无感快速识别考勤功能。无感考勤算法具体流程：首先，读取设备高清摄像头的实时视频帧，通过人脸检测算法检出图像内的所有人脸。检出人脸后，依次对人脸进行活体判断，仅对活体识别判断通过的人脸进行识别比对。考虑到在应用中，人脸识别比对算法已经很成熟，本文主要在活体识别的算法并在嵌入式设备部署的优化方面进行研究。

2.1.1 人脸检测算法

人脸检测需要在复杂多样的环境里，对影像中的人脸进行快速定位。当前业内主流的人脸检测算法通常采用一个端到端、并且融合了多尺度信息的深度学习模型，对人脸边框进行回归定位。这个方案有着目前行业较高水准的识别精确度。然而在实际的边缘设备应用中，深度学习模型通常需要做浮点转整数的量化处理，这一步会导致在一定程度上不同于训练样本外的图像数据，在模型内部产生数值溢出，从而严重影响到模型的识别精确度。同时，由于边缘设备不同的摆设角度、不同的场景光照、不同的成像质量等等因素，使得真实场景的影像在量化模型内部造成数值溢出的概率大大增加。由此，当前的深度学习模型，虽然在平均准确率上达到先进水准，但在某些特定场景依然偶尔存在误检现象。

表1：活体检测模型验证结果

表2：头部检测算法比对结果

图1：小人头检测比对（右图为本文算法结果）

本文采用自主研发的深度学习网络结构，对当前已有的人脸检测模型进行对应修改，使得修改后的模型从判别式变成决定式。在判别式中，模型学习的是人脸和非相关图像的区别、分界线，不是人脸即是背景，不是背景即是人脸。这个判断方式无法对异常值作出响应。然而在决定式中，模型既学习人脸和非人脸，也学习背景和非背景，在人脸和背景都被否定的情况下，即是异常。因此可以在样本外的场景中，有效减少模型做出低级失误的情况，同时也减少模型返厂和优化的次数。

2.1.2 活体检测算法

活体检测是目前人脸考勤系统中防造假攻击的主要环节。常见的造假方式有纸张打印、视频播放、3D 面具等。目前，一个严谨完备且基于深度学习的静默式活体检测算法通常需要实时分析三种影像数据：RGB 图像、红外图像和景深图像。这样一套设备往往体积庞大、成本高昂，由此不利于大范围的商业推广和低成本部署。

本文采用轻量级层级式深度学习网络结构，其能够对单张RGB 的人脸图像进行从微观到宏观、依次递进进行真假图像的特征学习。这个模型能够确保模型学习到真脸和假脸的特征，而不是对某个特定的人脸和样本进行记忆。

首先通过特征工程，将RGB 图像变换到HSV 和YCrCb 空间[1]。这两个空间内，图像的纹理结构能够被有效地暴露出来。随后通过深度学习，来学习攻击图像和活体图像上的纹理结构差异，从而达到活体检测的目的。

2.2 人数感知

本文采用超广角、高清摄像头抓取全场景图像，并采用深度学习技术训练人员头部检测模型。实现远距离全场景的人数感知功能。根据实际部署应用需要，头部检测算法需要对通用场景内的人员进行精准的定位和识别。由于在全景图像中人物的大小呈现近大远小的特点，因此人的大小差距极大，而现有算法由于检测的尺度有限，无法检测高分辨率下的小人头；并且由于光照强度随着时间的变化而变化，检测场景往往包含弱光线场景，而弱光线下摄像头采集的图像人物往往不清晰，且噪声干扰严重，因此人数的统计往往不够准确。

为解决物体分辨率过小无法检测的问题，本文采用了多尺度人员头部检测算法lsc-cnn[2]，进行模型的学习训练。该模型不仅学习了图像中离摄像头近处的人，也学习了图像中离摄像头远处的人，因此能够检测到图像中不同大小的人，减少了因为人物成像过小而导致的漏检问题。同时，为解决弱光线检测不准确问题，本文采用了模拟噪点的图像增强算法，使得算法模型能够学习到模拟的弱光线场景，获得更佳的检测能力。

3 实验验证

3.1 活体检测算法训练和测试

为了使算法模型能够适用于真实使用场景，满足无感考勤和静默无配合活体验证需要，本文采用自动对焦高清摄像头，采集不同光照条件和不同距离下的人脸原始真人数据；通过在摄像头前播放人员视频、手机照片，展示纸质打印人像的方式采集非活体攻击样本，其中真人图片样本数205812 个，攻击样本数163935 个。训练后模型在不同场景测试集上的结果如表1所示。模型在验各验证集上的准确率在89%以上，平均准确率在95%以上。基本满足无感考勤和防作弊攻击的低成本部署应用需要。

3.2 人员头部检测算法训练和对比测试

为了训练和测试头部检测算法，我们收集并标注了办公室、教室、会议室、培训室等106个场景的4982张全景图片，用于模型训练。并选择了11 个场景的517 张分辨率为1920×1080 的全景图片作为测试图片。测试过程在rk3399-pro 设备上运行。本文训练的模型测试结果和基于rk3399-pro 自带的ROCK-X 算法比对如表2所示。

数据统计结果显示本文训练的算法无论是在速度还是误检率和检出率等性能指标上对比rk3399-pro 设备自带的算法都有较大的优化。根据图1所示比对结果，本文算法在检测小人头方面比ROCK-X 算法有较大改进。

4 结束语

本文研究了一种无感考勤和人数感知系统和设备，通过优化人脸检测算法，减小了边缘设备上人脸误检测；通过设计基于深度学习技术的活体识别模型，结合特定设备和场景采集活体和各类攻击样本，完成了基于RGB 图像的静默活体识别模型的训练，取得了较高的精度，达到低成本应用部署要求；但该模型仍存在受训练数据样本影响大，不同场景准确率不够稳定等问题，有待后续进行更加深入的研究。同时本文基于lsc-cnn 训练了人员头部检测算法，并通过对不同光照条件的模拟增强，降低了整体人数感知的误检率和漏检率。