基于人脸识别门禁系统的应用与研究

马飞

（中国电建集团贵阳勘测设计研究院，贵州 贵阳 550081）

0 引言

人脸识别是基于人的面部特征信息进行身份识别的一种技术，它通过电子仪器采集图像中的人脸信息，经过图像检测和分析，对捕捉到的人脸进行跟踪和鉴别，以确定身份是否合法[1]。与指掌纹识别技术相比，人脸识别技术具有非接触性、高安全性、难以伪造等特点，使用灵活，识别率高，因此广为人们所接受，是未来身份鉴别的主流技术与发展趋势。

1 人脸识别核心技术及实现原理

1.1 人脸识别检测算法

传统人脸检测算法主要有两种：其一是基于特征匹配的检测算法，利用人脸的面部骨骼特征、器官特征、肤色特征，通过先验知识将人脸图像以特征表示出来，在进行人脸检测时通过面部轮廓、皮肤颜色、器官的形状大小、相对距离等信息，来判断待检测的图像中是否存在人脸[2]。其二是基于模型匹配的检测算法，通过预先设定器官形状大小及相对位置、皮肤颜色、面部骨骼轮廓等各种人脸参数来建立人脸模型库，在进行人脸识别时通过将检测到图像与人脸模型库中的模型进行匹配，若达到匹配要求，比如相似度达到90%以上则匹配成功，判定检测到的图像为人脸[3]。

以上两种检测算法在实际使用过程中可能会受到站立姿态、面部表情、光线明暗程度等因素影响，大大降低了人脸识别的实时性和准确性，用户体验较差。

深度学习是通过模拟人类大脑的学习机制，由浅入深地构建多层次的神经网络单元来学习，通过将大量的图片输入到神经网络中进行模拟训练，逐步修正模型和算法，使其最终能快速准确地区分出不同的人脸。

神经网络算法对不清晰的图像会进行超分辨率重建，即利用低分辨率图像生成高分辨率图像。根据信号相关性原理，通过模拟插值法将其放大到目标的实际大小，再通过映射函数生成结果，作为高分辨率图像输出，从而增强了特征的判别性，提高了人脸识别的准确性和实时性。

1.2 人脸识别实现原理

识别人脸的基本原理是通过将前端人脸识别仪检测到的人脸图像与后端存储的人脸库中的人脸特征向量进行匹配，以此来判别身份的合法性。

在计算机人脸识别过程中，首先将人脸最外在的特征如眼睛大小和形状、鼻子的大小和形状、嘴巴的大小和形状、眉毛的大小和形状等信息理解成最外层人脸特征向量；其次将五官的位置、相对距离、面部骨骼轮廓、脸上的皱纹斑点等信息理解成中间层人脸特征向量；最后将人脸信息抽象，提炼出人脸不随拍摄的角度、光线的明暗程度等因素影响的特征，理解为最里层人脸特征向量[4]。随着人脸特征向量逐层深入，一层比一层更加可靠。

人脸识别读头进行识别时，通过设备产生的微电子流深入人脸识别深层获取人脸识别信息，可对人工制造的人脸识别套和人脸识别膜进行自动防伪鉴别，只针对真实的人脸进行识别验证，杜绝一切真实人脸之外的物质，防止伪造人脸。

2 人脸识别门禁系统设计与实现

2.1 系统的模型设计

通过摄像头采集到图像后，经过人脸检测系统进行检测，若识别到目标，则将检测到的人脸信息进行预处理，采集人脸特征信息，通过人脸识别系统将检测到的人脸数据信息与人脸库中的人脸特征数值进行比对。若为合法用户，人脸识别系统就向门禁控制系统下达开闸放行指令，同时将信号发送到显示系统显示人员信息，并根据设定的场景进行语音播报；若为非法用户，则进行语音报警提示。内部员工人脸识别门禁管理系统模型如图1所示。

图1 内部员工人脸识别门禁管理系统模型图

外部人员来访时，首先进行人脸图像采集，并将采集到的访客信息推送到人脸识别门禁系统。在访客通过门禁设备时，由人脸识别仪拍摄采集到人脸图像信息后，经过人脸检测系统进行检测。若识别到目标，则将检测到的人脸信息进行预处理，采集人脸特征信息，并通过人脸识别系统将检测到的人脸数据信息与人脸库中的人脸特征数值进行比对。若为合法用户，人脸识别系统就向门禁控制系统下达开闸放行指令，同时将信号发送到显示系统显示人员信息，并根据设定的场景进行语音播报；若为非法用户，则进行语音报警提示。来访人员人脸识别门禁管理系统模型如图2所示。

图2 来访人员人脸识别门禁管理系统模型图

2.2 系统的架构设计

本系统架构如图3所示，从逻辑上划分为三个功能模块，即信息采集模块、数据分析模块、指令执行模块。其中，信息采集模块主要为前端红外感应器和人脸识别仪，当有人靠近门禁闸机时，红外感应器感应到热源，人脸识别仪自动打开，进行人脸图像进行捕捉检测，并将识别到的人脸信息传回数据分析模块。数据分析模块主要为人脸检测分析系统，对前端人脸识别仪传回的数据进行预处理，采集人脸特征信息，并通过人脸识别系统将检测到的人脸数据信息与后台人脸库中的人脸特征数值进行比对，判断是合法用户还是非法用户，并将判断结果传回指令执行模块。指令执行模块根据数据分析模块传回的指令执行相应的动作，若为合法用户，人脸识别系统就向门禁控制系统下达开闸放行指令，同时将相关信息发送到显示系统显示人员信息，并根据设定的场景进行语音播报，若为非法用户，则进行语音报警提示。

图3 人脸识别门禁管理系统架构图

2.3 系统的部署实施

本系统由红外感应器、高清人脸比对分析仪、门禁管理软件、门禁控制器、UPS备用电源和计算机网络共同组成。

其中，高清人脸比对分析仪内置了人脸识别算法，可自动完成人脸捕捉过滤、特征值提取，并将检测到的人脸数据信息与后台人脸库中的人脸特征数值进行比对，判断是合法用户还是非法用户，最后输出人脸识别结果到显示系统，将通行人员的主要信息实时地显示出来，比如该通行人员的姓名及人脸图像等，并根据设定的场景进行语音播报，如进门时播报欢迎光临，出门时播报一路平安。对于非法闯入的人员，则进行语音报警提示，播报未授权用户等。

同时，本系统为来访人员定制开发了访客管理系统，来访人员通过关注企业微信公众号来提交访客信息，如访客姓名、人脸图片、手机号码、车牌号码、所在单位、访问事由等，并通过被访人员的工作手机号来查询和选择被访人员，待被访人员审批通过之后，来访人员的人脸图片数据会上传到后端的访客管理系统，并通过访客管理系统把当前的人脸图片信息同步到授权的所有通道人脸识别门禁设备，实现来访人员在授权允许通行的门禁设备上都可以通过人脸识别的方式进行通行，既提高了门禁管理的效率，又提高了人员管理的安全性。

此外，为门禁系统配置了专门的小型UPS备用电源，保证在市电断电的情况下门禁设备正常工作，不影响人员通行。

其系统执行步骤如图4所示：

图4 人脸识别门禁管理系统执行步骤

步骤1：系统初始化，检测各设备的各项参数是否正常，设备是否正常开启。

步骤2：前端设备采集人脸图像信息，并进行预处理，提取人脸特征信息。

步骤3：进行人脸识别判断，即将检测到的人脸数据信息与后台人脸库中的人脸特征数值进行比对，判断是合法用户还是非法用户。

步骤4：如果检测到的人脸属于人脸库，就判定为合法用户，即下达开闸放行指令，并根据设定的场景进行语音播报，如进门时播报欢迎光临，出门时播报一路平安等。如果检测到的人脸不属于人脸库，则判定为非法闯入人员，即进行语音报警提示，播报未授权用户等[5]。

经过系统测试与试运行，实地验证了本系统进行人脸识别门禁管理的基本功能，其识别的准确率及实时性均达到了设计的预期效果。

3 结论

本系统实现了人脸识别门禁管理的基本功能，达到了设计的预期效果。针对利用深度学习技术进行人脸识别时，系统反应时间偏长的问题，我们需要对算法进行再研究，将其中能够并行处理的部分采用多线程技术进行优化。在近几年的实践中，卷积神经网络(Convolution Neural Networks，CNN)在人脸识别方面取得了较大成功，目前流行的性能较好的算法如 Deep ID、Deep Face均采用了该结构。今后的努力方向是研发更加强大的人工智能算法，使得人脸识别门禁系统识别精度更高，识别速度更快，系统更加智能化和人性化。