基于物聯網的人臉識別系統設計

田祎然，劉元甲，田園明，劉子瑞，孫強

（牡丹江師范學院，黑龍江牡丹江，157000）

0 引言

本系統中無線網絡技術選用傳輸距離更遠的ZigBee技術，以適應復雜、WiFi信號不穩定和低功耗需求的環境。核心處理器通過ZigBee組網和終端通信，可同時部署多個節點，每個節點可拓展不同的傳感器，并根據需要使用不同的網絡架構以適應不同的應用場景。本文的傳感器組由人臉識別部分的人體紅外傳感器和ZigBee環境信息收集感器組成。人臉識別模塊工作時一旦有人被檢測到，它將使相機頻閃捕捉人臉進行識別。當能夠識別出一個人時，系統會顯示正常，當識別出陌生人時，系統則會發出警報。該系統具有功耗低、易于開發和擴展的優點。本系統可用于工廠、單位或私人住宅的門禁等復雜環境下的監控。

1 系統設計

■1.1 人臉識別系統硬件設計

本控制系統的主要組成部分有：ZigBee核心開發套件、溫濕度傳感器、MQ-2煙霧傳感器、Linux人臉識別開發板等諸多模組。系統的總體結構如圖1所示。系統中使用了人臉檢測、人臉訓練和人臉識別三個過程來進行獲取和對比[3]。人臉檢測主要調用OpenCV算法中已訓練好的Haar級聯分類器，區分出包含人臉和不含人臉的圖像。LBPH（局部二進制模式直方圖）算法處理人臉圖像，對待測圖像進行判斷，然后匹配結果進行傳輸。ZigBee開發板上的終端設備同時使用溫度、濕度和氣體傳感器收集空間的環境信息，將環境信息傳送到云服務器，實現對環境情況的實時檢測；該系統的研究是基于ZigBee自組建網絡的條件下，擬采取兩套開發板實現功能互聯，最終建立起一套基于ZigBee技術下組網的人臉識別系統，ZigBee網絡也經常被用于工業現場自動化控制和安全應用[4]。

圖1 系統結構框圖與硬件設計示意圖

圖2 Linux硬件設計原型

（1）對于linux人臉識別模塊，功能設計主要有人臉識別算法模塊，數據返回模塊和識別信息顯示模塊。人臉錄入采用的是擁有30萬像素，120度廣角大鏡頭的GC0308微型攝像頭，通過SCCB接口與開發板連接，承載圖像錄入功能。交互界面顯示采用的是TFT液晶顯示屏，通過SPI接口與開發板連接，承載顯示功能。人臉識別功能使用Ubuntu Linux開發環境和Python程序語言對開發板進行開發。功能主要實現則是利用OpenCV人臉識別庫。使用QT編譯底層硬件與控制按鍵的交互來控制人機交互界面顯示。交互UI界面使用 QU GUI圖形庫開發。整個Linux模塊工作流為，攝像頭錄入人臉圖像信息，Linux系統中的LBPH算法進行人臉識別，最后在人臉識別軟件上顯示實時識別結果。將識別正確與否的信號通過ZigBee組網發送到ZigBee終端，最后由蜂鳴傳感器接收。

（2）對于ZigBee傳感器組網模塊，使用CC2530這一款用于ZigBee技術的經濟型主控芯片。該芯片特別適合有超低功率要求的系統，保證低功率使用的一個方法就是在操作模式之間快速切換。由于這一優勢，ZigBee現在具有強大的聯網能力。在我們的系統中，ZigBee模塊用來建立無線網絡。傳感器通過串口或 IO 接口連接終端設備(ZigBee)，協調器(ZigBee)通過串口連接 PC機。終端設備采集傳感器數據，并通過無線網絡將數據打包到協調器，然后通過串口將數據傳輸到PC或服務器上的監控軟件。

■1.2 人臉識別系統軟件設計

人臉識別即是利用程序對采集的圖像進行判定，判斷一下所輸入的圖片是否為人臉，檢測到是人臉再進行匹配，找到相應的人物，所以我們常說的人臉識別包含人臉檢測和人臉識別兩大部分[5]。本研究所提出的人臉識別系統的錄入和識別流程圖如圖3所示。

圖3 人臉識別系統的流程圖

圖4 LBP原理圖

（1）人臉檢測

人臉檢測是基于Haar級聯分類器的思想，是基于Haar-like特征，類Haar特征的值被計算出來，以反映區域的灰度變化，在被Adabost迭代算法訓練之前，計算被一個積分圖加速。把輸入圖像的每個區域也做類似的運算后與訓練集中圖像的特征值進行對比，據此可以判斷出輸入的圖像是否具有人臉特征，整體完成的是搜尋過程。系統通過程序進行文件讀取，對文件中圖片灰度化處理；文件中包含著已經存儲對應的人名和標簽，調用攝像頭并從攝像頭讀取照片，加載OpenCV的Haar人臉檢測分類器，創建文件夾用于存儲攝像頭本次采集到的照片，循環采集的樣本數，其次調用函數cv2.cvtColor對采集的照片進行灰度化處理，轉換公式如下[6]：

（2）改進OpenCV-LBPH人臉識別算法

LBPH（局部二進制模式直方圖），英文全名Local Binary Patterns Histograms；LBP特征的統計直方圖被用于人臉識別；該算法通過對人臉面部表情、五官狀態等特征進行提取，再用公式計算出各部分像素點的LBP特征值[7]。比對樣本庫中某個人和待測人臉的差異度，兩者之間的特征直方圖差距越小，則證明人臉相似度越高，最終實現人臉識別的功能。

作為天王表品牌摯友，賴藝現場收獲了一份特別驚喜，天王表也為他準備了一份特別的禮物：征服者系列腕表。賴藝也現場佩戴并全情展示了這款征服者系列腕表，陽光帥氣的賴藝即刻散發型男氣質，獨屬于征服者的魅力在腕間流動，紳士魅力油然而生。從時尚穿搭到從容紳士文化解讀，從演藝之旅到熱衷公益，他侃侃而談，讓大家對賴藝有了更全面的認識，也讓大家看到了一位征服者紳士的獨特風采。

LBPH算法的核心是LBP，LBP是一個用來描述圖像局部紋理的運算符，表示每個像素與它周圍的像素之間的互動。原始的LBP運算符使用窗口的中心像素作為閾值來比較3x3窗口中八個相鄰像素的灰度值。如果周圍的像素值大于或等于窗口的中心像素，該點的像素值位置被標記為1，否則被標記為0。比較結果順時針生成8位二進制編碼，然后轉化為十進制，根據公式(3)得到LBP特征值，LBP原理圖如圖2所示。

(2)式中：（(xc,yc)）是矩陣中心特征值；ic代表灰度圖像的中心值；ip代表的是灰度圖像的鄰域值，s為符號函數。

原始的矩陣采集點區域局限性大，針對不同人臉的表情態度變化，不能準確地覆蓋，故而將矩形區域優化成半徑為R的圓形區域內，有任意多的鄰域點；采用雙線性差值法進行優化計算來獲得采樣點的像素值。計算如公式(3)所示[8]。LBP的特征值求取完畢，可以為待測圖像生成直方圖；整個圖像被分離成許多統計直方圖，并確定每對相鄰直方圖之間的距離，以識別輸入的人臉。接下來，創建每個部分的LBP特征統計直方圖。系統調用攝像頭進行人員的身份信息加載，與已建立的數據庫進行匹配，識別成功輸出高電平；識別失敗則輸出低電平。返回電平高低的信號將決定蜂鳴器報警與否。

（3）人臉識別軟件設計

人臉識別軟件使用開源的Opencv人臉識別軟件，使用Pycharm和Python語言開發，LBPH人臉識別改進的算法部分由軟件后臺調用。圖形化界面使用QT應用程序，需要在編譯器內運行，故放置于PC端由管理人員控制。該軟件擁有三個部分：(1)人臉采集部分；(2)人臉識別；(3)人臉數據庫管理。圖5是人臉數據庫管理軟件部分展示圖。

圖5 人臉數據庫應用程序界面

人臉拍照錄入后進入該人臉數據庫，在系統工作時便會調用該數據庫內數據，與實時檢測的人臉進行匹配，若成功識別為數據庫內已錄入的人員，則安全放行；如果人員與數據庫內任何一張人臉數據不匹配，則會輸出電平信號，蜂鳴器接收信號發出警報。管理人員或用戶聽到警報便可及時作出反應，從而達到實時監測報警系統，由此來避免出現更大的損失。

2 實驗及結果

本文針對物聯網人臉識別系統，設計并實現了無線硬件平臺和識別軟件。對于系統的組網測試，采用的是ZigBee核心開發板套件。實驗模擬中一個開發板為協調器，另外的一個開發板做終端；通過USB串口接入筆記本電腦，但是不足以支持協調器的供電，還采取了外接電源進行供電，協調器上的復位按鈕按下后燈光常亮，終端上的D1燈閃爍，證明ZigBee網絡組建成功，其余設備可以通過組建的網絡IP接入ZigBee網絡；兩塊開發板之間通過天線建立聯系。圖6是采用傳感器組和 ZigBee模塊的系統平臺。

圖6 ZigBee自組網

人臉錄入界面設計如圖7所示；未開啟攝像頭時中心的方框內出現紅字提示攝像頭未開啟字樣，打開攝像頭的按鈕在界面的左上角，打開攝像頭開啟人臉錄入；攝像頭開啟之后右側的人臉檢測按鈕會變成可編輯狀態，打開該按鈕開始檢測人臉；系統捕獲的幀數下方的數字方框能夠進行計數。右側第一欄空白輸入人員的編號，第二欄空白處輸入編號等信息，進行數據庫的初始化。增加用戶或編輯用戶按鈕可以對人員的數據信息進行編輯修改。

圖8 人臉識別示意圖

系統使用Python運行環境對人臉進行錄入與識別，主要實現ZigBee自組建網絡下的人臉識別技術，實驗選用200個樣本進行測試，50個為一組；實驗結果見表1所示。

表1 人臉識別結果

根據表1的數據可知，攝像頭開啟后成功進行了人臉進行檢測、訓練最終實現識別。檢測到人臉時會出紅色的矩形框圈出所檢測到的人臉信息（如圖7所示），頁面顯示正在人臉追蹤；在進行數據庫對比之前，訓練識別器會讀取文件夾中的照片，得到兩個數組，傳給recog.rain用于訓練，將訓練的結果保存在文件夾中，最后對文件夾訪問，匹配到數據庫中對應的身份信息。表中也可以看出LBPH特征算法的檢測率比較高，耗時相對比較短，達到了對系統的優化。

3 總結

本文中我們利用Linux系統提出了一種基于人臉識別的嵌入式智能系統。為了輔助系統更好地工作，選擇了組網能力強大的ZigBee無線通信網絡；實驗結果表明，該系統能夠有效地實現ZigBee網絡下的人臉識別功能。此外，該系統具有易于開發和擴展的優點，滿足了低功耗、低成本和小型化的實際需求，對于特定的密閉空間的溫濕度以及氣體等的檢測也有較好的作用；在工作場所，人臉識別提供了更嚴格的安全性。可用于智能家居系統、樓宇安防、門禁等監控場合。