人臉識別技術(shù)在高校教工餐廳應(yīng)用研究

袁以鐸

（滁州學(xué)院后勤管理與基建處，安徽 滁州 239000）

0 引言

高校教職工餐廳是高校教職工就餐的主要場所，是高校重要的民生工程。然而，傳統(tǒng)的點(diǎn)餐方式存在排隊(duì)等待、服務(wù)效率低、工作量大等問題。為提升教工餐廳的就餐服務(wù)模式，積極引入前沿科技是當(dāng)下高校教工餐廳創(chuàng)新服務(wù)改革的重要方向。隨著科技的不斷發(fā)展，人臉識別技術(shù)被廣泛應(yīng)用于安防、金融、物流等領(lǐng)域。因此，將人臉識別技術(shù)應(yīng)用于高校教工餐廳成為一個(gè)值得研究的課題。

人臉識別技術(shù)，又稱面部識別、人像識別，是一種基于人的臉部特征信息進(jìn)行身份識別的生物識別技術(shù)。該技術(shù)采用數(shù)字圖像、視頻采集設(shè)備（如攝像頭），采集或抓拍獲取人臉數(shù)字圖像信息，然后使用特定的人臉特征提取算法（如HoG、Dlib 和卷積神經(jīng)網(wǎng)絡(luò)特征）以及人臉比對算法（如基于神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、模板等識別算法）進(jìn)行目標(biāo)人臉特征的識別認(rèn)證[1]。

具體來說，人臉采集設(shè)備（如攝像機(jī)或攝像頭）被安裝在指定位置，對獲取該區(qū)域的人群人臉的圖像信息或視頻流進(jìn)行預(yù)處理，檢測并提取其中的人臉數(shù)據(jù)，然后采用識別算法進(jìn)行一系列比對和識別。該過程具有非接觸性、檢測主體唯一、準(zhǔn)確率高等特點(diǎn)。同時(shí)，部分采集設(shè)備還具有活體檢測功能，防止使用人臉照片進(jìn)行盜刷。此外，人臉識別技術(shù)還具有易于采集、無感知抓拍、無須攜帶、成本低廉等特性。具體實(shí)現(xiàn)流程如圖1所示。

圖1 人臉識別技術(shù)實(shí)現(xiàn)流程圖

本文探討了人臉識別技術(shù)在高校餐廳的研究和應(yīng)用案例，詳細(xì)闡述了人臉識別系統(tǒng)的設(shè)計(jì)與關(guān)鍵技術(shù)。此外，還介紹了人臉識別技術(shù)在滁州學(xué)院教工餐廳的應(yīng)用實(shí)現(xiàn)情況。

1 相關(guān)研究

近年來，越來越多的學(xué)者和研究人員對人臉識別技術(shù)在高校餐廳應(yīng)用進(jìn)行了相關(guān)研究。其中，部分研究探討了人臉識別技術(shù)在提高高校餐廳服務(wù)效率和管理水平方面的作用。舉例來說，文獻(xiàn)[2]通過引入人臉識別技術(shù)，高校餐廳可以實(shí)現(xiàn)自助點(diǎn)餐、快速結(jié)賬等服務(wù)，從而提高服務(wù)效率和顧客滿意度。此外，還有研究關(guān)注于人臉識別技術(shù)在高校餐廳數(shù)據(jù)分析和營銷方面的應(yīng)用。文獻(xiàn)[3-4]通過人臉識別技術(shù)獲取學(xué)生的用餐記錄和消費(fèi)數(shù)據(jù)，高校餐廳可以更好地了解學(xué)生的飲食偏好和消費(fèi)習(xí)慣，為餐廳提供更為個(gè)性化的服務(wù)和產(chǎn)品。同時(shí)，通過數(shù)據(jù)分析和挖掘，高校餐廳還可以制定更為精準(zhǔn)的營銷策略，提高餐廳的盈利水平。然而，也有研究關(guān)注于人臉識別技術(shù)在高校餐廳應(yīng)用中存在的安全和隱私問題。文獻(xiàn)[5]指出，人臉識別技術(shù)在數(shù)據(jù)保護(hù)和信息安全方面仍面臨一些挑戰(zhàn)和風(fēng)險(xiǎn)，例如未經(jīng)允許的人臉識別、信息泄露等問題，可能導(dǎo)致學(xué)生的隱私權(quán)和信息安全受到侵犯。

在高校教工餐廳中，人臉識別技術(shù)的應(yīng)用也逐漸得到了推廣和應(yīng)用。人臉識別技術(shù)在高校餐廳應(yīng)用的案例越來越多。例如，南京理工大學(xué)教工餐廳引入了人臉識別技術(shù)，教工只需在進(jìn)入餐廳時(shí)進(jìn)行人臉驗(yàn)證，就可以在餐廳內(nèi)進(jìn)行點(diǎn)餐和結(jié)賬。在上海交通大學(xué)，也推廣了人臉識別技術(shù)，不僅可以實(shí)現(xiàn)快速點(diǎn)餐和結(jié)賬，還可以記錄學(xué)生的飲食習(xí)慣和消費(fèi)記錄，為餐廳的餐飲管理提供了有力的數(shù)據(jù)支持。

綜上所述，人臉識別技術(shù)在高校餐廳應(yīng)用的相關(guān)研究已經(jīng)有了一定的深入和拓展。人臉識別技術(shù)在高校餐廳的應(yīng)用可以提高服務(wù)效率、減輕服務(wù)人員的工作量，還可以為餐廳提供有用的數(shù)據(jù)分析。

2 實(shí)現(xiàn)過程及關(guān)鍵技術(shù)

教工餐廳人臉識別過程可以分為以下幾個(gè)步驟，如圖2所示：

圖2 教職工餐廳人臉識別過程

采集人臉數(shù)據(jù)：使用攝像頭采集教工餐廳中用餐教職工的人臉數(shù)據(jù)，包括正面、左側(cè)、右側(cè)等多個(gè)角度的圖像。為了提高后續(xù)的識別準(zhǔn)確率，采集的圖像需要進(jìn)行預(yù)處理，如對齊、歸一化等操作。

提取人臉特征：對于每個(gè)采集的人臉圖像，使用深度學(xué)習(xí)算法（如FaceNet）提取其特征向量，通常將特征向量的維度設(shè)置為128。

數(shù)據(jù)庫建立和維護(hù)：將提取出的人臉特征向量保存到數(shù)據(jù)庫中，并建立每個(gè)教職工的人臉特征庫。當(dāng)新教職工加入或教職工離職時(shí)，需要更新數(shù)據(jù)庫

人臉識別：當(dāng)教職工在教工餐廳用餐時(shí)，通過攝像頭采集其人臉圖像，并提取特征向量。然后，將該特征向量與數(shù)據(jù)庫中的所有教職工的特征向量進(jìn)行比對，找出最相似的一組特征向量。若相似度高于設(shè)定的閾值，則判定為匹配成功，允許該教職工進(jìn)入餐廳。

異常處理：當(dāng)教職工在識別過程中遇到問題，如人臉圖像清晰度不足、光線不足等，系統(tǒng)會(huì)進(jìn)行提示并拒絕支付。同時(shí)，可以設(shè)置緊急POS 機(jī)，刷卡或現(xiàn)金支付或手動(dòng)登記，以應(yīng)對特殊情況。為保障系統(tǒng)的安全性，還需加強(qiáng)防護(hù)措施，如加密人臉特征向量、設(shè)置權(quán)限等。

2.1 人臉采集

教工餐廳人臉采集是指通過計(jì)算機(jī)視覺和人工智能技術(shù)對教工進(jìn)行面部特征的采集和處理，實(shí)現(xiàn)對用戶身份的自動(dòng)識別和驗(yàn)證。

教工餐廳人臉采集的過程主要包括以下幾個(gè)步驟：

預(yù)處理：首先需要對圖像進(jìn)行預(yù)處理，包括去噪、增強(qiáng)、縮放等操作，以提高圖像的質(zhì)量和特征的清晰度。在去噪方面，采用濾波器進(jìn)行降噪處理；在增強(qiáng)方面，采用對比度增強(qiáng)或直方圖均衡化等方法；在縮放方面，可以根據(jù)具體需求將圖像大小調(diào)整至合適的尺寸。

人臉檢測：其次需要進(jìn)行人臉檢測，即從預(yù)處理后的圖像中自動(dòng)定位出人臉的位置和大小。在人臉檢測方面，采用基于深度學(xué)習(xí)的人臉檢測器Faster RCNN。

特征提?。涸谌四槞z測的基礎(chǔ)上，需要對人臉圖像進(jìn)行特征提取，即將人臉的關(guān)鍵特征點(diǎn)提取出來，并將其轉(zhuǎn)換為數(shù)字化的特征向量。在特征提取方面，采用基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)（CNN）等算法。

特征匹配：最后需要對采集的人臉特征進(jìn)行匹配和比對，以確定用戶的身份。在特征匹配方面，采用基于深度學(xué)習(xí)的Siamese網(wǎng)絡(luò)等算法。

2.2 人臉特征提取

人臉特征提取算法在教職工餐廳的應(yīng)用是實(shí)現(xiàn)人臉識別技術(shù)的關(guān)鍵步驟之一。在實(shí)現(xiàn)教職工餐廳人臉識別技術(shù)中，本文采用了基于FaceNet 深度學(xué)習(xí)方法進(jìn)行人臉特征提取。FaceNet 是Google Brain 團(tuán)隊(duì)提出的一個(gè)深度學(xué)習(xí)方法，用于進(jìn)行人臉識別和人臉驗(yàn)證任務(wù)。該方法通過學(xué)習(xí)一個(gè)端到端的神經(jīng)網(wǎng)絡(luò)模型，將人臉圖像轉(zhuǎn)換為對應(yīng)的高維度特征向量，從而實(shí)現(xiàn)人臉特征的提取和匹配。

FaceNet 的核心思想是使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）學(xué)習(xí)人臉圖像的特征表示。FaceNet 中，采用了三元組損失函數(shù)來訓(xùn)練網(wǎng)絡(luò)。三元組損失函數(shù)的核心思想是對于每張人臉圖像，在同一人的圖像特征向量和不同人的圖像特征向量之間定義一個(gè)相似度度量，然后通過最小化同一人圖像特征向量與不同人圖像特征向量的相似度差距，最大化同一人圖像特征向量之間的相似度，來訓(xùn)練網(wǎng)絡(luò)，使得同一人的圖像特征向量盡可能地接近，不同人的圖像特征向量盡可能地遠(yuǎn)離。具體來說，對于每個(gè)人臉圖像，選擇一個(gè)與其同一人的圖像和一個(gè)不同人的圖像，構(gòu)成一個(gè)三元組，分別表示為a、ip、ini。其中表示錨點(diǎn)人臉圖像的特征向量征向量，表示與不同人的人臉圖像的特征向量。

三元組損失函數(shù)的含義是：對于每個(gè)三元組，最小化同一人圖像特征向量與不同人圖像特征向量之間的距離，最大化同一人圖像特征向量之間的距離，以達(dá)到讓同一人的圖像特征向量盡可能地接近，不同人的圖像特征向量盡可能地遠(yuǎn)離的目的。

FaceNet 算法通過使用三元組損失函數(shù)來訓(xùn)練網(wǎng)絡(luò)，得到了具有較高魯棒性和可比性的人臉特征向量。FaceNet算法的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3 FaceNet網(wǎng)絡(luò)結(jié)構(gòu)圖

在教職工餐廳中，可以利用FaceNet 提取每個(gè)教職工的人臉特征向量，并將其存儲到數(shù)據(jù)庫中。當(dāng)教職工進(jìn)行刷臉支付時(shí)，可以通過攝像頭獲取教職工的人臉圖像，并通過FaceNet 提取出該教職工的特征向量，與數(shù)據(jù)庫中的特征向量進(jìn)行比對，從而完成教職工身份的識別和支付過程。

2.3 基于1:1 模式的人臉識別過程

教職工餐廳人臉支付過程主要是教職工身份驗(yàn)證，系統(tǒng)進(jìn)行一對一比對，判定是不是教職工本人，回答“是或否”，是一個(gè)二分類問題。在教職工餐廳人臉識別中，當(dāng)客戶端檢測到人臉，由人臉檢測算法完成一系列處理后，交給后臺人臉識別算法，與人臉庫中的所有人臉進(jìn)行比對并得出是否匹配成功。人臉識別過程即對比特征的過程，通過公式（1）計(jì)算待識別人臉特征（x11,x12,…x1n）與人臉庫中每個(gè)人臉特征（xi1,xi2,…xin）的歐式距離，如果小于所設(shè)定的閾值，則輸出距離最小的人臉圖像作為識別結(jié)果，大于閾值則識別失敗。

公開LFW 測試數(shù)據(jù)集上的人臉識別模型就是基于1:1 模式，在1:1 模式下的人臉識別模型，通常是選擇等量的正例或負(fù)例，其中正例表示檢測人臉與人臉庫中人臉是相同的兩張照片，負(fù)例則相反。1:1 模式通過設(shè)定指定的閾值來判定兩張照片是否同一個(gè)人，一般閾值越低，越容易判定為同一個(gè)人，當(dāng)然準(zhǔn)確率也越低。1:1 模式在高鐵進(jìn)出站，支付寶“刷臉”支付等場景也有應(yīng)用[6]。

3 人臉識別系統(tǒng)的實(shí)現(xiàn)

3.1 性能測試

為了評估人臉識別算法的性能，如計(jì)算準(zhǔn)確率和閾值，筆者開展了一系列測試實(shí)驗(yàn)。在教工餐廳人臉識別測試過程中，使用不同的閾值來評估準(zhǔn)確率。具體實(shí)驗(yàn)流程如下：首先，收集200 位教職工的人臉圖像，并將其劃分為訓(xùn)練集和測試集。訓(xùn)練集用于模型訓(xùn)練，測試集用于模型性能評估。使用已訓(xùn)練好的人臉識別模型對測試集中的人臉圖像進(jìn)行識別，同時(shí)使用不同的閾值進(jìn)行實(shí)驗(yàn)。記錄每個(gè)閾值下的識別準(zhǔn)確率，即正確識別的人臉圖像數(shù)量與測試集中的總?cè)四槇D像數(shù)量的比例。

實(shí)驗(yàn)結(jié)果如表1所示。將不同閾值下的準(zhǔn)確率與識別率繪制成圖4。對實(shí)驗(yàn)結(jié)果進(jìn)行分析和比較，選取最佳閾值進(jìn)行教工餐廳人臉識別。

表1 閾值、準(zhǔn)確率、識別率三者的關(guān)系

圖4 閾值與準(zhǔn)確率結(jié)果圖

在實(shí)驗(yàn)中，為了保證結(jié)果的可靠性，需要進(jìn)行多次實(shí)驗(yàn)，并取平均值作為最終結(jié)果。同時(shí)，還需要注意閾值的選擇范圍，過高的閾值可能導(dǎo)致識別率低，而過低的閾值可能導(dǎo)致誤識別率高。

從表1 和圖4 可以看到，在保障準(zhǔn)確率的同時(shí)要提高識別率，經(jīng)過多次實(shí)驗(yàn)，最終的閾值設(shè)置為0.6較為合適。

3.2 系統(tǒng)實(shí)現(xiàn)

以滁州學(xué)院教工餐廳為例，該餐廳的人臉識別支付主界面如圖5所示。界面上端裝有攝像頭，界面中顯示了學(xué)校名稱、所在餐廳以及餐次的營業(yè)時(shí)間。該界面支持刷卡和刷臉支付功能的自由切換，并提供了現(xiàn)場人臉采集、查詢以及查看流水等功能。需要注意的是，對于尚未采集人臉信息的教職工（如新進(jìn)員工、年長員工等），仍可使用刷卡支付方式。在界面的下端，顯示了該餐次當(dāng)前的累計(jì)消費(fèi)總額和消費(fèi)次數(shù)等信息。

圖5 滁州學(xué)院教工餐廳人臉識別主界面

在滁州學(xué)院教工餐廳現(xiàn)場，在餐廳入口配置立式單觸摸屏智能終端，疫情期間人臉檢測包含兩種場景，一種是不戴口罩的正常人臉姿態(tài)，如圖6（a）所示，另一種是戴口罩的人臉姿態(tài)，如圖6（b）所示。方框表示人臉檢測區(qū)域，口罩部分包含在人臉檢測特征中。在基于1:1模式下，經(jīng)測試，這兩種人臉姿態(tài)均能夠正常識別。

圖6 現(xiàn)場人臉識別測試

4 結(jié)束語

高校教工餐廳作為后勤服務(wù)的核心組成部分，不僅是師生用餐的重要場所，也是智慧校園建設(shè)的重要體現(xiàn)。本文以滁州學(xué)院為例，探討了人臉識別技術(shù)在高校教職工餐廳中的應(yīng)用實(shí)現(xiàn)路徑，實(shí)現(xiàn)了“靠臉吃飯”的智能化服務(wù)，提升了服務(wù)、管理和創(chuàng)新水平。該研究對推進(jìn)高校后勤服務(wù)的升級和發(fā)展，具有重要的理論意義。