口罩遮擋人臉識別的方法的研究與設計

侯現坤 谷敏惠 周瑋 胡華朝

摘 要：提出用多尺度直方圖解決特征提取中的塊大小選擇問題，并用歐拉公式白化矩陣。遮擋下的人臉識別一直是現實場景中的一個難題。提出了一個新的框架修復人臉，利用邊緣生成網絡還原遮擋區域的邊緣，在此基礎上再利用區域填充網絡恢復被遮擋的人臉，同時保留身份信息。為提升模型的性能，提出空間加權對抗損失和身份一致性損失訓練上述網絡，并利用關鍵點信息，構建了兩個戴口罩的人臉數據集。該文根據霍夫線檢測判斷人臉是否戴口罩，通過提取未覆蓋部分的hog特征和級聯分類器來提高口罩覆蓋人臉識別的準確率。

關鍵詞：口罩遮擋;人臉識別;嵌入式系統

基于邊緣檢測的人臉識別是目前主流的生物識別技術，廣泛應用于日常生活中。應用于門禁系統、電腦手機安全、ATM智能報警系統、人員跟蹤等領域。它具有誤識率低、不易偽造、不易察覺、不接觸、自然等優點。人臉識別技術對于小區門禁管理、人臉門禁考勤、車站人臉閘機等場合都是不可或缺的。在新冠肺炎疫情期間，口罩使人臉識別技術這一身份驗證的重要手段基本失效。因此，它引起了許多研究者的關注。

一、嵌入式系統設計

一個嵌入式系統的搭建離不開硬件設備的支持，本系統硬件由以下幾個模塊組成：⑴主控模塊：主芯片采用具備主流性能Arm So C的RK3228H，搭載OPEN AI LAB嵌入式AI開發平臺AID（包含支持異構計算庫HCL、嵌入式深度學習框架Tengine以及輕量級嵌入式計算機視覺加速庫Blade CV），控制整個系統的運行;⑵人臉采集模塊：使用Usb攝像頭設備采集戴口罩的人臉數據;⑶網絡通信模塊：通過網口使嵌入式平臺與PC機能夠通信，以便調試應用程序;⑷顯示模塊：使用HDMI接口的觸摸屏來顯示人臉圖像;⑸外部存儲模塊：在TF卡槽中插入TF卡來擴展存儲空間。

嵌入式系統軟件設計一般包括環境搭建和程序設計兩個部分。其中，環境搭建主要內容是加載引導程序U-Boot、燒寫Linux內核以及根文件系統，自己搭建的話比較麻煩，而且很容易出錯所以本文使用了官方打包好的Linux系統Fedora 28。

而程序設計根據需求有以下幾個過程：首先，是戴口罩的人臉采集，它使用了V4L2接口以及UVC協議來控制攝像頭采集的規格，并且調用函數打開Usb攝像頭進行圖像采集;然后，是人臉檢測，它采用Adaboost檢測算法對戴口罩的人臉進行定位;之后，是戴口罩的人臉模型訓練，將采集到的人臉進行預處理，并且在用戶人臉數據上進行標記用來訓練人臉模型;最后，是戴口罩的人臉識別，將采集到的實時人臉同樣使用Adboost算法定位人臉，進行預處理，再調用人臉識別算法，即可識別出是不是戴口罩的本人。

二、算法設計

（一）人臉檢測算法設計

當前運用比較廣泛的人臉檢測方法大多是以Harr+Adaboost的方式實現的。其中harr特征由黑白兩種矩形組成特征模板，并且定義特征值為白色矩形像素和減黑色矩形像素和，所以Harr特征值反映了圖像的灰度變化[5]。而Adaboost是一種迭代算法，它可以通過大量的Harr特征來訓練很多個弱分類器，最后再將這些弱分類器集合在一起構成一個強分類器，使用強分類器來區分是不是人臉，達到人臉檢測的目的。

（二）人臉識別算法設計

Opencv中分別有Eigenface、Fisherface以及LBPH三種人臉識別算法。其中Eigenface就是特征臉的意思，是一種從主成分分析（PCA）中導出的人臉識別和描述技術。特征臉方法的主要思路就是將輸入的人臉圖像看作一個個矩陣，通過在人臉空間中一組正交向量，并選擇最重要的正交向量，作為“主成分”來描述原來的人臉空間。Fisheerface主要是結合了PCA降維以及LDA特征提取的優點，將多維的人臉投影在一維的特征空間上，從而得到一組特征向量來代表人臉的特征。而LBPH主要是通過LBP提取人臉特征的方式來實現人臉的識別。

三、系統測試

嵌入式人臉識別系統在過去的幾十年里已經發展得很成熟了，但是由于人臉識別過程中容易受到光照、姿勢、表情、年齡等因素的影響，導致人臉識別系統的不完善。除此之外，嵌入式硬件的發展也達到了瓶頸。

嵌入式人臉識別系統想要再一次發展，一方面就是解決人臉識別中的影響因素，另一方面就是發展新型的嵌入式人工智能平臺，它不僅能夠促進嵌入式系統硬件的發展，更可以滿足一些實時性高的場景中，比如無人駕駛。而本文使用Eaidk-310這一款嵌入式人工智能平臺，有很大的原因就是為了將人臉識別系統運用在新型的嵌入式平臺上。