刘晶晶

摘  要： 高校图书馆的借阅往往是通过校园一卡通的形式进行管理，此类管理方式相对繁琐，管理上效率较低，为实现高校借阅系统的更好管理，探究基于嵌入式人脸识别的高校图书馆借阅系统。嵌入式人脸识别的验证方式克服了平常校园卡借阅的繁琐性和不易管理性。通过将人脸特征数据传送到云端，并借助外端摄像头进行人脸比对，做出合适的人脸识别验证，实现便捷安全的人脸识别借阅，提高借阅系统的管理便捷性和用户本身信息的安全性。经过进一步的系统完善与实践查证，该系统便捷可行。

关键词： 高校图书馆; 借阅系统; 系统设计; 嵌入式人脸识别; 生物特征比对; 信息安全

中图分类号： TN911.23?34                         文献标识码： A                       文章编号： 1004?373X（2020）20?0037?05

Design of university library borrowing system based on embedded face recognition

LIU Jingjing

（Hubei University of Technology， Wuhan 430068， China）

Abstract： As the borrowing of university library is usually managed in the form of campus card， which is relatively tedious and inefficient， a university library borrowing system based on embedded face recognition has been explored to realize the better management of the university borrowing system. The verification mode of embedded face recognition has overcome the tedious and unfavorable management of borrowing with campus card. By transferring the face feature data to the cloud， and using the external camera for face comparison， the appropriate face recognition verification is made， and the convenient and safe borrowing according to the face recognition is realized， which can improve the management convenience of the borrowing system and the security of users′ own information. The results of further system improvement and practice verification indicate that the system is convenient and feasible.

Keywords： university library; borrowing system; system design; embedded face recognition; biological feature comparison; information security

0  引  言

随着科学技术的发展，以生物特征为基础依据的识别技术发展越来越迅速，相关方面的应用也被更多地应用到生产生活当中。继已经相当成熟并且应用相对普及的指纹识别技术之后，人臉识别技术也得到了更多的重视与应用[1]。而今人脸识别技术在图书馆借阅系统方面的应用，主要是针对在高校图书馆当中，需要纸质借阅登记或者是借阅卡进行图书借阅的情况。人脸识别技术更好地实现了高校图书馆借阅系统的人性化、智能化以及高效化。嵌入式人脸识别的应用，使得高校学生能够实现更好地与图书馆借阅系统之间的交互。

1  人脸识别技术简述

1.1  人脸识别的定义

人脸识别技术是一种以生物特征为基础的识别技术，它借助计算机技术，通过对人脸的特征分析与确认，实现对不同人脸的精确识别[2]。

人脸识别技术包含三个步骤，即对人脸进行检测、对人脸进行追踪以及对人脸进行比对。对人脸进行检测的过程，是指在监测画面当中确认是否有人脸的过程;对人脸进行追踪，是指在监测画面当中检测到人脸时，对人脸进行追踪，从而提取对应的人脸特征;对人脸进行比对，就是将已经提取的人脸特征数据与数据库当中已有的人脸数据进行比对。人脸识别的流程图如图1所示。

1.2  人脸识别的现状

首先进行人脸识别这一技术研究的是美国，当前国外对人脸识别的研究相对成熟的国家是德国、美国以及日本。我国关于人脸识别技术的对应研究相对较晚。我国的人脸识别尽管迅速，但是由于起步较晚，仍然有很大进步与完善的空间。人脸识别目前的应用领域主要体现在社会保障、安全监管、银行、军队、政府以及电子商务等各个方面。其具体的人脸识别应用场景如表1所示。

人脸识别最为重要的应用场景是安全防护以及身份认证，尤其在一些安全等级要求相对较高的场合，人脸识别的应用也相对广泛，如在机场、运动场、政府机关、图书馆、银行以及档案馆等各种场合，其门禁系统已经广泛采用人脸识别的方式来进行对应的身份验证。随着科学技术的发展和人们生产生活的需要，在笔记本电脑以及手机等隐私性要求较高的私人物品上，也采用了人脸识别的方式进行安全验证。从2019年9月份的苹果发布会上，其推出的iPhone X就采用了人脸识别的方式进行手机解锁。同时，其人脸识别的功能也能够被引用到相应的软件管理以及手机内置的电子支付管理系统上[3]。

同时，更为精密的人脸识别技术也被应用到公共安全方面，具体的应用主要体现在配合警察更为高效的破案。当前人脸识别的精确度已经足够可以支持实际的破案工作。人脸识别的技术尽管已经日趋完善，但是人脸识别作为AI技术的组成部分，只有与AI技术的其他部分，如动作识别等相互结合，才能实现更进一步的高效化和精准化。从当前情况来看，人脸识别的应用领域更为广泛，其技术应用也更为成熟，人脸识别的应用不仅是在门禁系统、考勤系统，也应用到医疗系统的各个方面。随着信息技术的不断发展，人脸识别技术的应用范围越来越广，同时其发展也更加远程化、多元化、多维化和自动化。

2  生物特征识别与人脸识别技术的联系

2.1  生物特征识别概述

生物特征识别的主要优势在于，其所供识别的生物特征依据难以遗忘、无法复制且随时随地都能够“携带”。具体来说，生物特征识别包括两大类，一类是基于行为特征的生物特征识别，一类是基于身体特征的生物特征识别。行为特征主要是指语音动态、面部表情、行走步态以及签名笔迹等，身体特征主要包括脸型、眼睛、虹膜、指纹掌纹、静脉、视网膜、骨骼以及DNA等[4]。同时，以何种身体特征作为生物特征识别的基本依据，也应当考虑对应特征识别所需设备技术是否成熟，成本是否合适等实际问题。具体生物识别技术的对比如表2所示。

在表2中，指纹识别在采集以及设备成本上相对较低，但是其伪造程度相对较高，安全性不能够得到更好保障;DNA识别以及虹膜识别尽管具备较高的安全性，但是采集方式复杂，设备成本较高，对于高校图书馆借阅系统而言并不合适。因此，高效图书馆借阅系统的身份识别方式，可以采用設备成本较低，安全性可靠且采集便利的人脸识别来进行相关认证[5]。

2.2  人脸识别技术的优势

在各大高校当中，通常通过RFID技术进行对应的智能验证。RFID技术的识别速度相对较快，并且识别精度较高。当前情况下，人脸识别、指纹识别以及RFID技术是使用频率较高并且相对合适的特征识别方式。三类技术的具体比较如表3所示。

与人脸识别相比，RFID技术主要存在以下劣势。首先是其证件与持卡人不能保证绝对统一，在借阅卡片丢失、被盗、借用以及数据复制等情况下，RFID技术不能做出更为精确的筛选。这就导致高校图书馆以及相应的档案地区无法做到绝对安全，在保密性、安全性要求较高的地方，仍需通过人工识别的方式进行甄别，不能够实现绝对的自动化。对于指纹识别来说，以当前的科学技术十分容易复制对应的指纹，指纹识别无法保证基于生物特征的不可复制性，会导致以下一系列的问题：一是所造成的损失存在连续性，当用户的指纹数据被盗时，如果防范不够及时，很有可能被不法分子破解用户通过指纹设置的其他云端信息，造成一系列的信息丢失和个人损失;二是无法做到及时的防范，指纹识别不同于卡片式的认证方式，用户无法及时知悉自己的指纹数据是否被盗，不能做到及时的防范;三是恢复程序十分复杂，用户进行挂失以及补办时，在相应程序上要比校园卡繁琐许多[6]。

针对RFID技术和指纹识别技术的弊端，人脸识别技术的优势主要体现在以下几个方面：一是识别精度相对较高，当前的人脸识别技术的发展，能够最大程度地实现不同光照下的人脸识别，精度相对较高;二是人脸识别技术可追踪，通过对应的视频技术，人脸识别技术能够及时掌握高校图书馆的各种动态，对馆内人员的身份进行识别，并且对目标人员进行锁定和追踪;三是获取的信息相对准确，人脸识别技术能够通过用户的人脸数据关联其身份和一些基本个人信息，并建立相关数据库，方便人员的信息管理和查找;四是人脸识别的安全性相对较高，当前的人脸识别同时是动态识别，用户必须到达现场才能够验证成功，能够相对完整地保证生物特征识别的不可复制性。综上所述，相比于指纹识别和RFID技术识别，对于高校图书馆的借阅系统而言，人脸识别应当是最为合适的选择。

3  嵌入式人脸识别借阅系统

嵌入式人脸识别借阅系统以刷脸的方式进行用户信息的获取，主要包括的模块有图像识别、图像采集以及特征提取等。人脸识别通过将收集到的数据与云端信息进行比对，做出对应的人脸特征筛选与身份甄别。人脸识别技术具备精度高、操作简单、投资较小以及结果明了等优点。

3.1  人脸识别的方案设计

以嵌入式人脸识别为基础依据的高效图书馆借阅系统主要借助FaceCore开放平台进行设计。通过嵌入式的视频对前端的人脸数据进行采集并且上传到云端，通过云端的数据处理并且进行人脸的对应姿态估计，从而提取出对应的人脸特征，最终实现数据的比对和用户身份的核实。系统采用的是映射?协议框架，能够将采集到的面部特征数据进行数据分割之后传到云端，从而实现更好的面部特征提取，来应对光线、肥胖、年龄以及角度等各种客观环境对人脸造成的影响[7]。其具体流程如图2所示。

3.2  人脸识别借阅系统的实现

人脸识别的借阅系统首先要对高校师生的脸部进行数据采集，并将采集的数据传到云端。而后，通过灰度变化、二值化、光线补偿以及对比度增强等各种方式进行人脸的处理，处理完成之后，建立各自对应的人脸特征码存储到云端，并进行相应备份。借阅者在图书借阅时，摄像头将对借阅用户的面部进行拍摄，并将拍摄信息上传云端，云平台迅速对上传图像进行处理，并且生成对应的人脸识别码，将此识别码与之前数据库中的人脸识别码进行比对，从而做出精确的筛选与匹配[8]。系统的流程如图3所示。

3.2.1  注册人脸

设备在启动后，对摄像头拍摄的人脸进行读取，并将人脸图像对应的特性值、相关用户信息以及人脸的照片保存到云端。

3.2.2  人脸信息的导入

在对用户的面部收集完成上传到云端之后，云平台会对人脸图像进行精密的图像处理、分析与监测，当前使用的方法主要有以下四种。

1） 光线补偿的方式。在光线补偿中，图像中的所有像素按照从高到低的方式依次排列，通常选择排在前5%的像素对其进行对应的线性放大，从而使所取像素的平均亮度能够接近极大值，以此来消除光线不平衡时造成的色彩失衡。光线补偿情况如表4所示。

2） 灰度变化。灰度变换旨在进一步改善画质，使得图像的整体质量更为清晰明了。灰度变化往往通过依据特定变换法逐点对原图像当中的各个像素的灰度值的方法来实现。其变化图如图4所示，灰度变化如表5所示。

3） 二值化方法。二值化是指彩色图像在做出对应的灰度化处理之后，对对应的灰度照片做出二值化的处理。二值化旨在对用户的背景进行提取和分类，便于后续的人脸识别工作的进行。通常采用阈值法对灰度照片进行二值化处理，也就是说，通过图像中背景与目标人脸的差异，对其进行不同的级别划分，以实现背景与目标的分离[9]。二值化的编码如图5所示，二值化详见表6。

4） 对比度增强。对比度增强是只通过对图像当中的亮度值所显示的范围进行压缩或者拉升，实现局部或者全局的对比度的提高[10]。对比度的编码详见图6。

3.2.3  检索人脸

在人脸图像的收集以及云端进行对应的备份之后，高校图书馆的摄像头在定位到用户时，系统会以动态图像或者是图像检索的方式进行人脸的识别与监测，同时将收集到的人脸数据与云端数据进行对比，以进行最终的比对。如果收集数据与云端数据一致，则验证通过，准许用户进行借阅;如果不一致，则验证失败，不能借阅[11]。

动态图像检索是指以对应的网格为基本模板，将图像比对转换为网格之间的相互比对，通过动态链接结构进行人脸的定位和匹配。动态图像检索适用于画面中存在多个人脸或者是不同的肤色、尺寸、光照条件以及姿态等各种复杂条件下的人脸识别[12]。动态图像检索详見表7。

静态图像检索是指摄像头在拍摄到静态人脸图像时，能够将静态人脸图像与数据库进行自动比对，进行对应的人脸识别，详见表8。

3.3  结果分析

实验测试通过对不同性别、不同年龄的100名人的面部图像进行识别，从不同的角度、背景、表情以及光照进行测试，其验证结果如表9所示。

表9表明，基于嵌入式人脸识别的高校图书馆借阅系统可行性强，具备足够的准确性和实时性，切实可行，可被广泛应用[13]。

4  结  语

与传统的校园卡进行图书馆借阅相比，人脸识别具备更好的便捷性和安全性，同时更为直观和精准。相比于指纹识别及RFID技术等其他生物特征识别技术，人脸识别投资更少，精度更高。以嵌入式人脸识别为基础依据的高校图书馆借阅系统，能够更好地实现高校图书馆的借阅与管理工作。

参考文献

[1] 张静端.基于人脸识别技术的图书馆门禁系统的研究[J].现代电子技术，2016，39（18）：99?103.

[2] 杜红军，李巍，赵永彬，等.基于OpenStack体系的云计算基础架构研究[J].吉林大学学报（信息科学版），2018，36（2）：213?217.

[3] 张泊平.云计算平台下的人脸识别[J].现代电子技术，2016，39（18）：88?90.

[4] 王维秋，刘春丽.基于人脸识别技术的我国图书馆智慧服务功能设计与模式构建[J].图书馆学研究，2018（18）：44?50.

[5] 陈娟，忽晓伟，陈志鹏.嵌入式实时系统中劣质数据动态检测方法研究[J].科学技术与工程，2017，17（17）：277?282.

[6] 初琦，丁铖，李伟.基于嵌入式系统及现场总线的液压支架压力监测平台设计[J].煤炭工程，2017，49（4）：13?15.

[7] 杨文艳.图书馆计算机管理系统的总控设计与实现研究[J].微型电脑应用，2018，34（4）：70?72.

[8] 曾瑞，罗亚泓.基于AR技术的高校嵌入式图书馆导览系统设计[J].图书情报工作，2018，62（20）：57?64.

[9] 周秋霞，杨春杰.基于物联网技术的智慧图书馆监控管理系统设计[J].自动化与仪器仪表，2018（11）：85?88.

[10] 廖姜男，姜楠，宋海涛，等.基于嵌入式技术的全液压钻机参数监测软件设计[J].煤田地质与勘探，2019，47（2）：13?19.

[11] FERNANDES S， BALA J. Performance analysis of PCA?based and LDA?based algorithms for face recognition [J]. International journal of signal processing systems， 2013， 1（1）： 1?6.

[12] AHONEN T， HADID A， PIETIKAINEN M. Face recognition with local binary patterns [M]. Heidelberg： Springer， 2004： 469?481.

[13] HINTON G E， OSINDERO S， YEE?WHYE T. A fast learning algorithm for deep belief nets [J]. Neural computation， 2006， 18（7）： 1527?1554.