基于百度AI人臉識別的機場危險人員監控

馬宇軒 潘緯航 廖騰烈 全爔宇 李詠楠

摘? 要：隨著社會經濟的飛速發展，人們在生活水平提高的同時安防意識也不斷增強，推動了深度學習技術的成熟與發展，現如今已廣泛應用于公共安全、安防系統、身份識別等領域。文章對機場危險人員監控告警系統進行了研究，該系統基于百度AI，在云AI上建立危險人員用戶組，利用攝像頭掃描人臉并通過平衡車Wi-Fi模塊上傳人臉圖像，將其與數據庫進行匹配，識別危險人群并發出警告。該系統以可移動平衡車為載體，平衡車在機場內自主巡航時對機場環境進行監控，嚴防潛在危險人員對機場的安全造成威脅。

關鍵詞：百度AI;人臉識別;機場安防

中圖分類號：TP391.4;TP18 ? ? ? ? ?文獻標識碼：A文章編號：2096-4706（2022）01-0025-04

Abstract： With the rapid development of social economy， while people’s living level is improving， their security awareness is also increasing， which promotes the maturity and development of in-depth learning technology. Now it has been widely used in the fields of public security， security system， identity recognition and so on. This paper studies the airport dangerous person monitoring and warning system. The system is based on Baidu AI， establishes a dangerous person user group on cloud AI， scans person’s face with the camera， uploads the face image through the Wi-Fi module of the balance vehicle， matches it with the database， identifies the dangerous person group and issues a warning. The system takes the mobile balance vehicle as the carrier. When the balance vehicle cruises independently in the airport， it monitors the airport environment to prevent potential dangerous personnel from threatening the safety of the airport.

Keyword： Baidu AI; face recognition; airport security

0? 引? 言

如今，全面智能時代已悄然到來，許多新興技術在社會各個領域得到了廣泛的應用，其中的人臉識別技術更是學術界研究的熱點，被廣泛應用于公共安防、身份識別、公安系統等領域[1，2]。利用人臉識別技術對公共場所潛在危險人員進行辨別分析和告警，對公共場所的安防、協助公安辦案具有重要作用。機場存在監控視野盲區，在此應用場景下，將基于百度AI的人臉識別技術與平衡車相結合，著重監控機場視野盲區，鎖定機場潛在的危險人員，協助公安系統對危險人員進行身份確認。

1? 研究背景

21世紀以來，世界恐怖主義日益猖獗，各國遇到的公共安全問題越來越多，而隨著科學技術的飛速發展，公共安全危機事件也越來越隱蔽。為了辨別出公共場所里的各種隱患，各國紛紛加大公共安全保障力度，其中對生物信息的辨別與檢測表現出前所未有的重視，并應用于社會的各個領域。以往，公共場所的生物體識別主要依靠核實身份證、目視人臉、攝像頭拍攝對比等方法，然而這些方法存在丟失、偽造、遺忘等問題[3]。隨著信息網絡時代的到來，人們意識到傳統的身份識別方法存在太多的缺陷，可靠性不高，于是逐漸把目光轉向生物體的各種體征上。通過生物體征識別人可彌補傳統方法的各種不足，并且識別效率和準確性大大提高。

目前，人們普遍將生物辨認技術分成兩大類：其一是以虹膜、人臉、指紋為主的物體體征辨認;其二是以體態、動作、書寫等為主的行為體征辨認。計算機圖像處理技術可以對上述體征進行有效識別。

根據我們對社會人員的觀察分析，大部分人想要記住一個人，都是通過觀察一個人的具體特征，尤其是面部特征。面部特征主要分為五官、表情、神情等，可是一個人隨著年齡的增長，他的一部分面部特征可能會發生改變，但我們仍然可以通過其他面部特征來認出這個人，這說明一個人的面部特征對我們判斷其身份起到重要的作用。而通過計算機圖像處理技術可以更快地記錄、分析、識別面部特征，快速完成人臉識別過程。

人臉檢測識別主要分為三個部分：（1）采集面部特征樣本;（2）將面部重要特征篩選并提取出來，將提取出來的數據導入我們的特征數據庫中;（3）進行身份鑒定，按照特定的匹配算法將采集到的面部特征信息在數據庫中進行匹配，匹配度達到一定數值時即表示識別成功。在圖像輸入計算機的過程中，由于受輸入轉換器件以及環境的影響，輸入計算機的圖像因含有各種各樣的噪聲而失真，為穩定地進行特征提取，必須消除圖像噪聲，矯正其失真情況[4]。人臉識別憑借其直接、主動、友好、簡便等特點而在產業中享有一定份額，隨著技術的創新與更迭，勢必會得到更為廣泛的應用。

我們的設計采用目前較為主流的百度AI技術。百度AI擁有一個生態良好且開源的數據庫，就云搭建而言，百度AI技術一直走在科技的前沿，其具有領先的深度學習算法和海量數據，功能覆蓋一系列人臉檢測、人臉解析功能，助力我們實現人臉識別，避免了重構數據庫的繁難，并且極大地降低了人臉檢測的漏檢率。

2? 系統設計

2.1? 系統框架

在采集畫面前，我們先錄入特定的人臉信息。平衡車運行期間通過攝像頭采集畫面并進行base64編碼，用于檢測人臉。若未檢測到人臉，則顯示攝像頭所拍攝的實時畫面;若檢測到人臉但人臉匹配得分未達到80%，則用藍色框框出這些人臉。若檢測到人臉并且人臉匹配得分大于80%，則用紅色框框出人臉并在旁邊顯示人員姓名，保存圖片并發出警告，具體流程如圖1所示。

2.2? 成員管理

在百度云AI上建立危險人員用戶組，使用本地程序對此用戶組進行人員建立、人臉上傳、人員刪除等管理操作。我們編寫了一個Python程序，如圖2所示，工作人員可以對本地圖片的路徑進行選擇和查看，輸入某人在云端記錄的ID及姓名后點擊“上傳信息”按鈕便可成功錄入該人的人臉，還可以對已記錄人員進行刪除操作。在百度AI算法中，對于未在組內用戶ID會在用戶組中建立新的對應用戶ID，上傳重復用戶ID的不同圖片時，百度AI會通過優化算法提高人臉識別精度。

2.3? 人臉檢測

平衡車配備有自動導航模塊與手動控制模塊。自動導航模塊通過PID算法實現循跡和避障功能。手動控制模塊利用無線Wi-Fi通信模塊，通過與上位PC機的通信，實現對智能小車的遠程手動控制。系統未發現危險人員時，平衡車將根據固定軌跡循環監控。系統發現危險人員時，平衡車可由工作人員更改為手動控制，工作人員使用電腦遙控軟件實時控制。

平衡車在接收到攝像頭拍攝的視頻后，會記錄視頻中的單幀圖片，并對圖片進行base64編碼，然后將此信息上傳到百度云AI，調用百度AI的人臉檢測程序，其分類器可以檢測人面部的150個關鍵點信息。百度AI對以往基于多尺度全卷積神經網絡的模型進行改進，它的每一個卷積核能對圖片的細節進行感知，同時輸出精度更高的feature map，使得模型能夠更加精確地捕捉肢體的細節以及被遮擋的部分，攝像頭探測人臉更加精準。攝像頭采集的畫面未通過人臉檢測時，系統不會調用人臉識別程序，指揮中心收到云AI返回的畫面后直接在電腦上顯示監控畫面。畫面通過人臉檢測程序后，會向系統返回人臉數量、人臉在圖片中的位置（包括人臉區域距上邊界、左邊界的距離，以及人臉的寬度和高度）等信息。此后系統會利用這些信息繼續調用百度AI的人臉識別程序。

2.4? 人臉匹配與警報系統

人臉檢測通過后，系統會對檢測到的人臉進行人臉識別，調用百度AI的人臉搜索M：N識別算法，該算法會對上傳的圖片進行人臉特征提取，然后進行人臉識別并返回人臉匹配得分，最多可以識別一張圖片中的10張人臉。為提高人臉識別范圍，本系統將檢測攝像頭中較大的10張人臉并對其進行人臉識別。

百度AI的人臉識別具有極高的準確率，人臉匹配得分閾值設置為80時，系統僅有萬分之一的誤報率，但是這種誤報依舊不可忽視，所以系統在設計時將考慮誤報信號并對警報系統做出約束。攝像頭拍攝到的畫面經百度AI的人臉識別程序返回到指揮中心的電腦顯示窗口后，會用藍色框框出本次識別的非危險人員（即人臉匹配得分在80以下的人員）人臉。而畫面中有一張或多張人臉匹配得分超過80時，如圖3所示，電腦的顯示窗口中會以紅色框標記出這些危險人員，并在紅色標記框上方顯示危險人員姓名，與此同時，系統會自動將本次識別結果的圖片存放到指揮中心的電腦中，并向外發出約3秒的簡短警報聲，提醒工作人員查驗目標是否識別準確。而如果此后1分鐘之內連續3次在畫面中發現與危險人員用戶組相匹配的人員時，系統會發出長達10秒的尖銳警報聲。

3? 系統實驗與分析

3.1? 識別能力

本系統實際測試運行時，僅探測單張人臉的平均識別速度為0.74秒，鏡頭中出現多張人臉時，單次識別最長時間一般不超過1秒。

單一用戶只錄入一張人臉的情況下，系統在不同環境下的識別能力較弱，人臉匹配得分一般在87左右。同一用戶錄入超過3張不同環境下的人臉后，百度AI在復雜環境中可有更高的人臉識別精度，光線良好時3米以內人臉匹配得分一般高達95。

3.2? 系統探測距離

在危險人員用戶組內用戶較少時，并未出現將未錄入人員識別為危險人員的情況。在光線條件良好時，對距離平衡車3米以內固定目標的正面識別率基本達到100%，識別結果如圖3所示，千次識別測試樣本中并未出現不被識別發現的情況。對距離平衡車3米到5米的正面目標，識別發現率可以達到70%，效果如圖4所示。但是對于距離平衡車7米以外的目標，由于目標可采集信息較少，系統無法在此距離處發現目標人員。

3.3? 光照條件測試

在環境條件較好的情況下（即被拍攝人員面部受光均勻時），系統3米內人臉識別精度良好，正面識別率基本可以達到100%，效果如圖3所示。而在環境條件較差（例如面部光照不均勻）的情況下，若畫面中目標面部信息未因光照導致輪廓不清晰，系統仍可識別目標人員，效果如圖5所示。而一旦目標面部信息由于逆光等原因而導致面部輪廓不清晰時，系統很難有效識別人臉，百次測試中僅出現個別識別成功樣本，效果如圖6所示。

4? 應用前景

我國人臉識別技術起步于20世紀80年代，雖然起步較晚，但是卻取得了很好的研究成果。目前全國范圍內的人臉識別技術處于較為成熟的階段，廣泛應用于各個領域，如醫院、酒店、車站、機場等區域的安保，但我們發現這些固定位置的人臉識別安保措施仍然存在許多漏洞，比如監控視野盲區問題。一些危險人員會尋找安保漏洞，在監控視野范圍之外進行不法行為，這就會導致安保存在隱患，而我們通過將人臉識別檢測技術與可移動的平衡車及可自動調節攝像頭相結合，可有效減少檢測盲區的存在，減小偶然性誤差。但要真正做到機器自動檢測識別，需要克服許多不可抗力因素對人臉識別準確性的影響，例如受被檢測者面部表情、特征變化，及其佩戴口罩使面部特征被遮擋等因素的影響。

目前人臉識別技術已經趨于飽和，在各個市場中競爭相當激烈，但從人臉數據庫的完整性以及人臉識別技術的可靠性方面來看，百度AI技術是更加適合我們的。我們采用百度AI，通過將特定的人臉輸入到用戶庫，向攝像機輸入動態圖可以進行二維及三維的運動估計，從而建立三維的人臉模型[5]。將三維人臉模型與用戶庫里的人臉進行比對，再根據相似度等指標進行篩選、過濾，就可以實現對危險人員的捕捉。但也不排除受人為因素的干擾，使攝像頭捕捉到的角度不佳以及存在遮擋情況等，這些難點是我們在今后的研究中需要克服和解決的。

人臉識別技術可以識別人的身份信息，廣泛應用于公共安全、企業辦公、教育、人機交互等領域。與其他生物特征識別相比，人臉識別又具有友好、隱蔽、成本低廉等優勢，因此其在安全監控、罪犯追捕等方面更具可行性，數碼相機和智能手機的普及也更加方便了人臉識別的廣泛應用[6]。

經過我們的調查總結，人臉識別技術與平衡車相結合有廣大的發展前景，其精準、便捷的特點將會在機場、車站等地方的安保巡邏中發揮極大的作用。

5? 結? 論

本文研究了人臉識別技術在機場安防中的應用。人臉識別技術與平衡車相結合，使機場安防具有靈巧性、實時性，擁有廣大的發展前景，反之，也意味著會面臨巨大的挑戰。如目前我們的項目遇到一些問題，比如光照導致識別目標的輪廓不清晰，使得在逆光情況下系統不能準確地檢測出人臉，或者在某人的面部被口罩遮擋時系統無法快速準確地識別出人臉等。我們設計的產品正式投入運營時，將會面臨需要創建一個安全有效的人臉識別系統的問題，以便可以在機場這種龐大人流、錯綜復雜的環境下進行有效識別，并且只對記錄在案人員進行人臉分析，嚴格遵守國家法律，不侵犯其他人員的個人隱私，以及如何在這種開放的環境下保證系統的穩定性等，這些都是我們需要解決的問題。隨著未來科技的進步，人臉識別的新發展階段，安防領域的新應用，人臉識別系統的智能化等問題，都值得我們去研究與探索。

參考文獻：

[1] 何燕琴，吳戀，郭清粉，等.人臉識別技術發展現狀與未來趨勢分析 [J].無線互聯科技，2021，18（13）：80-82.

[2] 顧國強.基于智能識別的人員密集場所安防預警系統 [J].港口科技，2019（8）：19-23+44.

[3] 鄭悅.創業教育的中國故事 [J].IT經理世界，2013（18）：98-100+101.

[4] 王巖，周蕭.針對人臉識別的圖像預處理 [J].科技信息，2011（16）：94.

[5] 錢鋒.淺談人臉識別技術的現狀與應用 [J].信息與電腦（理論版），2009（16）：26.

[6]李苗在，谷海紅.人臉識別研究綜述 [J].電腦知識與技術，2011，7（24）：5992-5994.

作者簡介：馬宇軒（2000—），男，漢族，遼寧沈陽人，本科在讀，研究方向：電路與系統。