基于面部识别的智能酒店管理系统

于燕秀 俞睿 严飞杰

摘   要： 面部识别技术便利性好、识别率已经比较精确，在内部网络安全且个人安全要求高的地方，逐渐成为人机交互的关键技术，如酒店房间在智能开锁等领域具有应用需求。提出一种基于面部识别的智能酒店管理系统：以STC15W4K58S4作为主控芯片，依靠OpenCV开源计算机视觉库，实现面部识别;采用Wi-Fi模块ESP8266、蓝牙数据接收模块HC-05，达成通信联桥，实现无线通信;采用语音播报模块JQ8400FL-10P、红外对管传感器HC-SR501、三轴加速度传感器模块，实现语音控制、防盗报警等功能。搭建完整的系统构架，对面部识别系统和防盗报警系统进行实验测试，表明经过多次高效训练后，系统能够达到很好的面部识别效果，且可通过人脸识别和门状态检测综合判断是否发出报警信号。系统识别灵敏，抗干扰性好，适用于刷脸识别门禁、智能家居等场景的人机交互。

关键词： 面部识别; STC15W4K58S4;语音控制;防盗报警;智能酒店管理

引言

智能开锁是人类在日常生活中的一个基本需求。如何通过人机交互（Human Computer Interaction），科学化、智能化地打开门禁设备，是智能开锁技术中的一个关键问题。当前，脱离传统的钥匙开锁、IC卡开锁，指纹识别、瞳孔识别以及面部识别等智能开锁技术逐渐涌现，其中面部识别由于具有高便利性、精确识别率等优势，在市场上得到了广泛普及[1]。

面部识别是一种基于生物体表特征的智能识别技术，其通过摄像头抓取图像，完成人体信息采集[2]，无需接触人体即可获取其特征数据[3]。将图像与底层数据库核实、比对，即可确定身份信息[4]，实施开锁等操作。

本文提出一种基于面部识别的智能酒店管理系统，其面部识别功能基于OpenCV开源计算机视觉库来完成，其中依靠树莓派作为执行平台。该平台能够完成人体红外识别、颜色识别、物体机械运动状态监控等功能，有效地识别生物特征以及机械运动特性，具有检测精度高、实用性强、能经过多次训练提高对面部个性特征的区分精度等优点[5]，非常适用于在酒店中进行实时面部识别[6]。此外，系统采用STC15W4K58S4作为主控芯片，配合无线传输、语音控制、语音播报等功能，综合应用嵌入式系统、数据库系统、Android Studio系统等，通过面部识别实现酒店预定、登记入住、开门、退房、防盗报警等一系列的智能管理功能，打造真正意义上的“刷脸酒店”。

1  系统总体方案

系统主要完成三大功能，即面部识别、语音控制、防盗报警。基于面部识别的智能酒店管理系统的硬件结构如图1所示。

系统控制部分采用STC15W4K58S4单片机，面部识别主要依赖OpenCV开源计算机视觉库的树莓派来完成。为了保证酒店顾客的生物信息安全，面部识别数据需要加密存储，并且与顾客其他信息分别存储。当顾客退房时，对面部识别数据进行销毁。语音播报模块采用JQ8400FL-10P，防盗报警借助红外对管传感器HC-SR501、三軸加速度传感器模块进行感测，可应对入侵者“撬锁”、“破门而入”、“破坏门锁”等情况。同时，系统采用蓝牙数据接收模块HC-05、Wi-Fi模块ESP8266达成通信联桥。

2  系统设计原理

2.1  基于OpenCV的人脸识别系统

OpenCV具备很高的计算效率，可专门用于实时应用，因此，非常适用于借助摄像头实现实时人脸识别。要创建完整的人脸识别项目，必须完成3个阶段。

2.1.1  人脸检测和数据收集

要实现人脸识别，首先必须“捕捉”到人脸，并进行检测训练。常见的人脸检测方式是使用Haar 级联分类器，这是一种机器学习方法，其基于大量正类图像（人脸图像）和负类图像（不带人脸的图像）来训练分类器，从中提取特征，用于检测图像中的对象。OpenCV平台提供了此类训练分类器供使用，本系统将其用于人脸检测和数据收集。

2.1.2  识别器训练

识别器训练是指从数据库中抽取所有的用户数据，并训练OpenCV识别器，此过程可由特定的OpenCV函数直接完成。训练完成后，将数据保存为.yml文件，作为人脸识别的参照模型数据。

2.1.3   面部识别

面部识别通过摄像头捕捉人脸，如果此人的面孔之前被捕捉和训练过，识别器将会返回其预测的id和索引，并反馈识别器对于该判断的相似度，以作为参考。

本系统可以完成物体运动检测、颜色区分、人脸数据库对比。基于此，系统将给出准确的判断，驱动执行机构做出选择。面部识别原理如图2所示。要实现面部识别，首先摄像头会对视觉内所有物体的颜色进行判决，感应到物体运动状态改变后，即会触发跟踪：如设置红色追踪，就会检测到所有红色物质，并进行实时追踪;如感应到人脸，即会与视觉库内所存储面部信息进行比对，核实正确后开锁。同时，系统采用红外摄像头，能够有效对照片与正常人脸进行区分，通过红外对管传感器分析出照片，使其无法直接开门。

2.2  防盗报警模块

防盗报警模块对室内人体的感应主要采用红外对管传感器HC-SR501，此模块基于红外线技术，采用LHI778探头设计，灵敏度高，可靠性好。红外对管工作逻辑示意图如图3所示。红外对管传感器检测到有人体经过时，会将信号传给单片机，单片机通过蓝牙开启人脸识别模块，对人脸进行识别。识别后的结果会重新发给单片机处理，单片机自动判断并控制继电器，对电磁锁执行开门操作或报警处理。

3  系统软硬件设计

控制系统主控芯片采用STC15W4K58S4，它是宏晶科技（北京）有限公司生产的单时钟/机器周期（1T）的单片机，指令代码完全兼容传统8051，但速度比之快8～12倍。此外，该芯片具有高速、低功耗、超强抗干扰、使用方便简单等特点 [7]。

3.1  检测部分设计

检测部分采用三轴加速度感应模块MPU-6050（GY-521）对门状态进行检测。依靠Inven Sense公司的运动处理资料库，可处理各种运动感知产生的数据信息，减少了运动处理分析计算对操作系统的负荷，为应用开发提供架构化的应用程序接口。此外，依靠NodeMCU平台，利用物联网，实现感应信号的传输、实时更新，实现高效的人机交互。三轴加速度感应模块电路如图4所示。

3.2  人机交互部分实现

人机交互部分采用无线通信作为主要人机交互渠道与方案，配合语音识别、语音播报模块，完成系统自控、播报模式界面选择、功能切换、房间内部状态判断等，也方便调节控制。人机交互部分示意图如图5所示。

3.3  软件实现

基于面部识别的智能酒店管理系统软件流程如图6所示。摄像头完成人脸数据的检测及收集，经过训练识别器二进制编码后与视觉库数据进行对比，判断是否需要开门。若成功，即会给用户发出提示;未成功，则进入安全系统，通过门状态及人体红外检测完成判断并报警。

4  系统实验测试

基于面部识别的智能酒店管理系统，是面部识别技术和互联网技术在酒店智能化管理中的商业应用扩展。本课题搭建了完整的系统构架，并对面部识别系统和防盗报警系统进行了实验测试。

4.1  面部识别系统

4.1.1 人脸检测和数据收集

人脸检测和数据收集是面部识别的基础，当系统开始运行时，首先会通过摄像头捕捉人脸图像，其次将图像转换成GRAY色彩空间，然后用训练分类器得到人脸在图像中的位置信息，最后根据位置信息对图像进行裁剪、记录与保存。该动作会持续50～100次，得到大量的人脸图像，以此提高后续训练与识别的可靠性。

4.1.2  识别器训练

识别器训练主要运用了LBPH（Local Binary Patterns Histograms）算法，该算法以图像中的其中一个像素点为中心，判断其与周围像素点灰度值大小的关系，并将其进行二进制编码，由此可以得到图像的LBP编码矩阵。通过计算所有已采集图像的LBP编码，即可得到人脸的识别对比库。训练完成界面如图7所示，LBP编码如图8所示。

4.1.3  人脸注册测试

测试方案：选择装置的人脸注册模式，选择不同面部信息完成注册，从而完成训练。依照控制变量法则，对不同用户面部信息的匹配程度进行记录、分析和计算，结果如表1所示。

由此可见，用户不同，面部信息的复杂程度也不一。识别结果由系统训练后对不同数据进行的分析来决定，经过多次高效的训练后能夠达到很好的面部识别效果（超过85%）。

4.1.4  人脸识别测试

测试方案：选择已经完成注册的三名用户与未完成注册的两名用户，同时进行人脸识别测试。通过记录每个人对面部识别后所显示的用户代号与识别率进行计算分析，证明该系统人脸识别的效果，如表2所示。

由此可见，在人脸识别模式下，系统对于完成注册后经过系统训练归纳的面部信息具有非常高的识别效率和精确度，可以非常有效地分析面部信息。对于个人面部注册中出现失误而导致识别率相对偏低的问题，可以通过几次重新录取训练后得到提升。

虽然系统会出现未注册用户识别出已经注册的情况，但这种情况概率非常低，后续可以通过完善视觉库数据以及提高刷脸开门的阈值等方式避免非法入侵。

4.2  防盗报警测试

用户离开房间后，系统需要对用户房间的安全问题进行实时的判断与考察，以避免危险事件的发生。为此，系统设置了人体及门状态检测。如果用户未通过人脸识别并且感应门体非正常，则发出声光报警，与此同时，发送信息给用户与酒店前台以及时止损。用户与酒店前台收到的报警信号如图9所示。

5  结束语

本文提出了一种基于面部识别的智能酒店管理系统，采用OpenCV开源计算机视觉库、STC15W4K58S4主控芯片、HC-SR501红外对管传感器等模块，实现了面部识别、语音控制、防盗报警等功能。系统实验测试表明，面部识别灵敏、准确，抗干扰性好，方案可行有效。

本文提出的设计方案可用于智能家居等场景的人机交互，具有广阔的应用前景。

参考文献

[1] 方陵生. 负责任的面部识别使用框架： 流程管理用例[Z]. 2020.

[2] 王惠生. 2002年面部识别厂家试验： 概述和总结[J]. 中国安防产品信息， 2003， 3（3）： 29-32.

[3] 王臣. 基于深度学习的人脸识别方法的探究[J]. 数字通信世界， 2020（7）： 169-170.

[4] 小云. 神奇的面部识别系统[J]. 家庭科技， 2006（2）： 48.

[5] 王婷婷， 王芳. 基于LTE技术的面部识别系统的研究与设计[J]. 电脑知识与技术， 2013（16）： 3839-3841.

[6] 陈梅. 基于大数据的高校机考平台学生面部识别信息分析[J]. 电脑知识与技术， 2020（10）： 183-186.

[7] 陈洁， 陈玉红. 单片机控制技术快速入门[M]. 北京： 中国电力出版社， 2015.