校園安全人臉識別系統的研究

紀正一

（江蘇省鎮江中學，江蘇鎮江，212000）

1 概述

1.1 校園門禁系統的重要性

學生的學習大部分時間都是在學校完成的，校園是知識的圣殿，也是快樂健康的樂園。現在的家庭還是獨生子女居多，他們是整個家庭的希望。因此，校園的安全與否既關乎著千家萬戶的幸福，也關乎著整個社會的穩定。再加上部分青少年安全意識不強，自我保護能力有限，導致校園事故時有發生。校園安全問題一旦觸發，便會備受社會各界的廣泛關注。

隨著社會的發展，校園安全管理從消防、交通、飲食、人身、財產等方面進行治理，已經也有了很大的改觀。但校外人士進入校園造成人身傷害和財產安全損失案例也還是層出不窮，使“校園安全”上升到重要高度，自上而下，各部門對青少年學生的安全十分關心。

安裝校園門禁系統可以對校園出入人員進行實時監控和規范管理，從技術上消除并記錄外來人員帶來的危險因素；同時還可以提高門衛管理工作的效率和親和度，以無形方式提高了校園安全保障；另外還可以對學生的出入校園實時記錄，提供了學校和家庭隨時對學生進出校門的情況監管的需求。時代在變化，科技在發展，電子化、信息化、人防和技防的結合可以提升學校的綜合實力，提高門衛安保管理的質量，搭建一個平安保障的平臺，更好地為學校管理、教學做好服務。

1.2 當前校園門禁系統的現狀與弊端

校園安全，人人有責。目前，各學校都積極采取了防范措施。有以下兩種方式：

其一：編織“安全網”。學校制定安全責任書制度，由一把手校長負總責，分管安全工作的副校長為直接責任人。校園的門衛也由以前的老年人變更為年富力強的中年人，且都是進行過培訓的安保人員，他們按時進行巡邏，加大對校園周邊環境的治理。發現外來進出人員，都會仔細詢問、記錄，為安全做好最基本的保障工作。但由于保安人員總會有疏忽的地方，安全工作總有漏洞。

其二：校園安裝門禁系統，學生就可以通過指紋、刷卡進出校園。這樣的方式節省人力，方便快捷，能清楚地知道進出校園人員時間。但校園卡容易遺失，門禁系統識別不了受傷的手指，這給進出校園的學生帶來不便。

因此，本文提出使用人臉自動識別技術實現校園門禁安全系統。人臉識別技術有有以下三大主要特點：

①自然性。人臉識別是對人的面部進行圖像采集、信息提取并進行驗證或辨識，從而實現對其身份進行區分和確認，具有自然性的識別。

②隱蔽性。通過可見光獲取人臉圖像信息時，完全可以無需識別對象的主動參與，從而實現了個體在不知情的狀態下的人臉圖像采集。

③非接觸性。設備和個體無需任何接觸，并且在實際環境中，此方式已能分揀、判斷及識別多個人臉。

當前，人臉識別技術不僅對于相似人臉難于分辨，對于同一個人在光照、姿勢、表情等不同采樣條件下人臉識別技術也很難驗證或辨識。所以建立一種能過濾外部環境變化的圖像信息處理模型就很有必要。

1.3 創新性

目前市場上并沒有一種像這樣的門禁系統來專門檢測校園進出人員的身份。本文所述的人臉識別技術是近幾年一直較為熱點的話題，用此技術實現的門禁系統可以更加高效準確的識別人臉，從而保證校園安全。

在圖像采集過程中，使用的是DH-VT142型圖像采集卡和監控攝像頭，這是由北京大恒自主開發的，這樣組合不僅更加靈活而且還具有占內存小、傳輸圖像信息快的優點。

在人臉圖像的預處理過程中，本文首先采用了直方圖均衡化預處理技術解決外在環境因素導致的光照不足或太亮、對比度不佳、以及灰度級集中等諸多問題；其次使用了圖像中值濾波技術去除圖像噪聲；再通過圖像分割技術，將所需人臉信息從環境背景中提取出來；最后通過人臉特征提取技術計算人臉數字模型并以歐氏距離進行對象識別。整個過程考慮到了影響因素，并且每一步都有切實可行的理論方法和公式可用，大大提高了圖象的識別率。

2 人臉識別技術

2.1 圖像采集

圖像采集卡是圖像采集、圖像處理部分的接口，它是在圖像獲取時必不可少的硬件設備。攝像機拍攝的圖像視頻信號正是通過采集卡輸入給計算機的。后期，結合視頻播放和編輯軟件，實現了視頻信號的數字化處理。如今，很多圖像采集卡即可以對視頻信息進行捕捉，還可以同步獲取伴音，這樣可實現音頻和視頻部分的數字化同步保存和播放。

本文所使用的圖像采集卡是北京大恒自主開發的DHVT142款采集卡。DH-VT142采用PCI-E×1總線技術，可以直接通過計算機總線將采集的圖像傳送到內存或顯存，且數據傳輸幾乎不占用CPU的時間。

2.2 人臉圖像的預處理

系統在實際成像的過程中，或多或少都存在一些不夠完善的地方，由于外界光照條件的影響，采集到的圖像會有灰度級不平衡、對比度低、圖像不清晰等問題。一般情況下，人臉識別在受到光照角度、光照強度、距離、表情、拍攝角度等因素的干擾時，識別率會下降。因此，本文正是通過對圖像進行預處理，將圖像中無關的信息消除，使得待識別圖像的質量得以提供，系統的辨識率得到保證。

本文主要涉及的圖像預處理方式為：直方圖均衡去噪、中值濾波均衡和圖像分割。

2.2.1 直方圖均衡化

直方圖均衡化就是將原來圖像的數據進行統計均勻分布，使圖像的細節更加清晰，從而有效提高圖像質量。同時，像素灰度值動態范圍在執行均衡化后也得到了擴大，從而圖像對比度整體效果也就增強了。因此，灰度圖像經過直方圖均衡化后，能使圖像亮度信息延展到整個分布域內，從而提高了圖像對比度，圖像也就越發清晰。

具體算法如下：

圖像的灰度經歸一化處理后，便將灰度范圍從原來的[0,255]的分布到[0,1]區間。灰度值從[0, 255]變換到[0, 1]區間內可表示為如下表達式：

每一個原始圖像中灰度值r都產生一個歸一化的灰度值s。其中，變換函數T (r)需要滿足下列條件：

① r在自變量區間[0,255]內，函數T(r)必須為單調單值函數；

② r在自變量區間[0,255]內，對應函數T(r)屬于[0,1]。

為了保證其反變換的存在，需要保證條件1中T (r)為單值。同時為了保證輸出的圖像從白到黑（或者從黑到白）順序增加，還需保證T (r)單調遞增。條件2是為了確保輸入值與輸出的灰度值有同樣的范圍。

2.2.2 中值濾波

處理的過程中各模塊需要傳輸圖像，而在傳輸過程中，數字圖像會受到環境噪聲影響。如果不進行圖像去噪，后期的圖像處理就增加了不可靠性，從而分析也缺少了有效性。目前數字圖像去噪的主要采取均值濾波和中值濾波兩種技術。

均值濾波原理主要是選定某個像素作為中心點，并取其周圍一定領域內灰度值的平均值替代原有的灰度值，從而使得圖像更加平滑。均值濾波算法雖然具有比較簡單、實現簡便和計算速度比較快等優點，但其實現降低噪聲的同時也使圖像顯示效果變得模糊。這一缺點尤其在圖像的突變細節和邊緣部分尤為突出。

中值濾波的主要原理也是使以某點為中心，但算法不是取均值而是對中心點一定區域內的灰度值按從大到小的順序排列，然后取其中間值作為這個圖像的灰度值。所以，中值濾波相比于均值濾波不僅有更好的噪聲抑制效果，還在抑制噪聲的同時很有效地保護了圖像的邊緣或細節部分的清晰度，從而保證后期圖像處理的順利進行。

在圖像的質量要求較高的人臉識別的圖像處理中，為了獲得后期更好識別率的前提是要保證圖像的清晰度。所以較均值濾波而言，本文采用的是在人臉識別技術中更為有效的中值濾波。這樣既能更好地在降低噪聲，也能保留住圖像的細節部分。

2.2.3 圖像分割

為了從圖像中捕獲人臉信息，可以根據灰度、形狀、顏色、紋理等特征將圖像分割為若干個需要的區域。因為在不同的顏色空間里人臉膚色會呈現出不同的效果，因此本文將顏色空間作為選取分割的標準。

通常用三個獨立的屬性來描述顏色，顏色空間是由三個獨立變量綜合作用構成的一個空間坐標。其中RGB空間最為典型：紅色用R代表，綠色用G代表，藍色用B代表。根據人眼視覺特點，可以將計算機使用的RGB三原色轉換成YUV表示方法。Y是圖像的灰階值，代表明亮度；U和V為指定像素的顏色，代表色度，用于圖像的色彩和飽和度的描述。實驗證明，人的膚色色調在YUV顏色空間內的取值范圍為為[100°，150°]。用矩陣表示RGB空間向YUV空間轉換：

因為膚色不可能完全相同,那么找一個不會變化的膚色空間就非常重要。為了使表現出來的數據是膚色的最強體現，可以尋找一個適當的相位角?讓膚色值在色度空間UV平面上集中體現在某個軸上。大量文獻中證明，膚色相位角?的分布基本在區間[105°，150°]，而且在取相位角?= 114°時分割結果最為理想。

2.3 人臉圖像特征提取

人臉特征提取是決定人臉識別效果的最核心問題之一。特征提取算法的目的就是從待識別圖像中提取出所需的模式分類特征信息。特征提取的好壞是后期識別成敗的關鍵。當前特征提取的方法主要有局部性保持特征提取法、線性變換法、二維模式特征提取法。本文將重點討論主成分分析（PCA）的線性變換方法。

麻省理工學院M.Turk和A.Pent于1991年提出了PCA方法。人臉圖像往往由大量的多維向量構成，而為了方便計算那么就需要將多維向量轉化一維向量。PCA最大的優點就是用低維特征向量估計原始樣本。PCA基本思想是提取高維數據空間中的主要特征，將原數據的大部分信息保留，在此基礎上，將數據處理放在一個低維度的空間進行，對高維度空間進行降維。

如果用Y1來代替原本的n個變量，那么對于n個原來的變量的變化，Y1就需要對所有的變化作出盡可能多地反應。Y1所涵蓋的信息內容就越豐富，方差 Var(Y1)就需要越大，那么， Var(Y1)取得最大值。與此同時，為了消除方差最大值的不確定性，需要限定=1,由此可得，故，可以將求解方差 Var(Y1)最大值問題轉化為求以下最優問題。

用拉格朗日乘子法求解得到： Ca1=?a1。設 C的最大特征值為 λ=λ1，那么只要求得相應的特征向量a1即可。對于其他不能夠涵蓋n個變量的絕大部分信息的Y2、Y3……，都可以用相同的方法求得Y2。如果它們相互獨立，就能保證其所含的信息內容不會相互重疊。即可以通過求C的第i個對應的特征向量得到X的第i個主成分，即 cov( Yi, Yj

以上方法可以使原始變量的一組綜合變量代替原始變量。

2.4 人臉圖像識別算法

對各種形式信息的處理和分析就是模式識別，它可以對圖像信息進行描述、辨認、分類、解釋。本文選用的模式識別方法是模板匹配法，即：使用計算兩幅圖像對應像素點的歐氏距離來對圖像相似度進行判別。歐式距離越大，相似度越低；相反，歐式距離越小，那么相似度越高。以此為依據，就可以搜索得到匹配的對象。

圖像矩陣如果有n個像素點，便可用像素點矩陣中所有的n個像素點元素值 (即x1，x2，...，xn)組成該圖像的特征組。特征組形成了n維空間，特征組中的特征碼（每一個像素點）構成了每一維的數值，就是x1（第一個像素點）對應第一維度，x2（第二個像素點）對應第二維度，. . .，xn（第n個像素點）對應第n個維度。首先兩個圖像矩陣在n維空間下便形成了兩個空間點，然后計算這兩點之間的歐式距離。距離最小者便是所匹配的圖像。

將數據庫里的圖片經過PCA處理后得到的臉部特征向量定義為A，將當前拍攝到的人臉特征向量定義為B，那么A與B之間的歐式距離為：

按上式計算，當（A,B）≤ t時，（t為設定的閾值）即為圖像匹配成功。

3 可實現的功能

本文利用了先進的人臉識別技術，大大減少了安保人員的工作量，而且，此產品不會像人一樣遺忘，對每天穿相同衣服的人可以做出精準、快速地判斷。此外，對于產品來說，沒有工作時間的限制，不會疲勞，很好的提高了工作質量。本文設計的人臉識別系統目的在于運用到校園門禁系統中，檢測校園進出人員的身份是否符合校園規定，防止意外事故發生，保證學生的安全。除此之外，本系統還可以投入使用到各個家庭監控，公司企業監控，公共場所監控，甚至國防的監控系統中。利用實時非接觸的人臉識別技術，對生活中的諸多方面都可以進行監控，以提高社會的安全系數。

4 總結和展望

人臉識別技術的研究和應用繼指紋技術已成為一種生物識別的新熱點。本文重點研究了以下問題：圖像采集和預處理、人臉特征提取、人臉特征提取的算法。

采用直方圖均衡化把原來圖像的數據均勻地分布開來，圖像整體對比度的效果得到增強，圖像的細節更加清晰。

將中值濾波和均值濾波進行細致對比，發現更能有效抑制噪聲的是中值濾波。

采用PCA技術進行數據簡化，保留圖像大部分的特征數據，進行降維，從而提取到圖像的特征。再利用拉格朗日乘子法，用歐氏距離來計算特征向量。

由于多多少少可能會受到角度和光照等因素的影響，本文所述系統還是會出現計算上的誤差，所以仍需要再進一步優化系統結構和算法改良。再者，本系統未經過實際使用，其可行性還需要實踐證明和提高。希望有更多的人加入人臉識別系統的制作和研發的隊伍，集思廣益，研發出特征提取更快捷、計算更精確、誤差更小的校園門禁監控系統，為校園安全保駕護航。