摘  要：人臉识别、虹膜识别、掌纹掌静脉识别、步态识别等技术的发展，为智慧营区人员身份管控的建设提供了新的方向。文章报告了生物特征识别技术的研究现状，深入分析了对营区不同防护区域的人员身份的管控需求，提出了分层防护的人员身份识别思路，研发设计了多模态身份识别系统架构，通过系统达到人员非接触采集、自动化识别、智能化预警以及实时化跟踪的管控效果。

关键词：生物特征融合;非接触式;多模态身份识别系统;智慧营区

中图分类号：TN929.5;TP391.44      文献标识码：A 文章编号：2096-4706（2020）12-0176-03

Abstract：The development of face recognition，iris recognition，palm vein palm vein recognition，gait recognition and other technologies has provided a new direction for the construction of the identity management and control of personnel in the smart camp. The research status of biometrics recognition technology is reported，the needs of personnel identity control in different protection areas of the camp are analyzed in depth，the design concept of layered protection personnel identity recognition is proposed，and the multi-modal identity recognition system architecture is developed and designed. The system achieves the control effect of non-contact personnel acquisition，automatic identification，intelligent early warning and real-time tracking.

Keywords：biometric fusion;contactless;multi-modal identification system;smart camp

0  引  言

营区是部队后勤保障的重要组成部分，需要对进出人员身份进行实时识别和严格监控管理。为了达到营区人员管控的精准、灵活，依托生物特征识别、物联网等先进技术，对进出各区域的人员实施有效管控，实时识别人员身份，防止人员非授权进入、非安全进入的风险。

1  研究现状

生物特征识别技术是指利用人体固有的生理特征或行为特征来进行个人身份鉴别认证的技术。生物特征识别技术包括采用人体固有的生理特征（如人脸、虹膜、掌纹掌静脉）进行身份认证的技术和利用后天形成的行为特征（如步态）进行身份认证的技术。

1.1  人脸识别技术

人脸识别是一种通过人脸面部特征信息进行身份辨识的生物识别技术，通过对采集图像中的人脸进行检测、跟踪和识别达到核实人员身份的效果。

关于人脸识别的研究主要包括对人脸识别技术的研究、对人脸识别数据预处理的研究以及对人脸识别应用的研究三个方面。首先，人脸识别技术的研究始于90年代初提出的基于几何结构的人脸基本特征识别，随后线性判别方法、神经网络方法、支持向量机、LBP、流行学习等方法逐渐应用于人脸识别技术研究[1]。近年来越来越多的学者利用深度学习来探究人脸识别技术，其中对基于深度学习的卷积神经网络应用的研究最为热门。

1.2  虹膜识别技术

虹膜识别是通过采集人眼虹膜的纹理信息，进而实现对人的身份识别，虹膜识别具有唯一性、稳定性、非接触性以及生物活性等优点，已经广泛应用于金融、海关、社会福利、安防等多个领域。

中科院自动化所使用自行研制的虹膜拍摄设备，建立了最具影响力的虹膜图像数据库CASIA，为各国学者提供了质量优秀的虹膜数据源;王蕴红等提出了基于最小二乘拟合的方法对虹膜进行定位;李志明提出了一种基于卷积神经网络的特征融合虹膜活体检测算法来检测伪造虹膜[2]。

1.3  掌纹掌静脉识别技术

国内对掌纹掌静脉识别的相关研究起步较晚，但是也取得了不错的进展。例如，黄志星等人对静脉识别算法进行了深入研究，提出了一种非接触式的掌静脉识别算法，设计了一个指静脉识别系统[3]，该系统具有较高的安全性，并取得不错的识别效果。香港理工大学科研团队研发出世界上第一个民用掌纹识别系统，该系统取得了不错的识别效果，同时该团队也对外公开了目前世界上最大的人体手掌掌纹数据库。

1.4  步态识别

随着AI算法精度的持续提升以及应用场景数量的爆发，步态识别作为一种非受控性特征识别方式，得到了快速发展。步态识别主要是通过人们走路的姿势进行身份识别，其已在安防、交通、工业等行业领域得到应用。

2001年中国科学院自动化研究所开始了步态识别研究，目前已创建了一定规模的步态评估数据库，并提出了多种步态识别算法，且获得了较好的识别率。根据“行走运动的时空模式中可学习人体的外观模型”的观点，王亮等研究人员将统计形状分析的方法应用于步态识别。于傅立叶描述了具有与起始点变化、平移、反转等无关的特性，因此韩鸿哲等将傅立叶描述子运用到步态特征提取和识别中。截止目前，随着技术及研究方法的不断发展，隐马尔科夫模型是目前被国内从事步态识别的研究人员常用的分析模型，并且基于连续隐马尔科夫模型的步态识别也取得了较好的识别率。

2  建設需求

营区安全防护区一般可划分为防护区、监控区、限制区[4]。其中防护区指防护目标所在的区域，监控区指需采取安全技术将防范措施全面覆盖的区域，限制区指仅授权人员可以出入和活动的区域;营区需根据不同防护等级将设置人员进出权限。

目前，营区人员身份识别手段单一，以ID卡识别为主，采用指纹识别辅助，但是，ID卡容易出现丢失或借用的情况，无法保证实际使用ID卡的人员是否是本人;同时指纹存在可能被复制的情况，且在人员指纹磨损的情况下，无法保证身份识别准确率。

为了实现人员管控“数量清、状态明、动向控”，有效防范非授权人员进入的风险，本公司基于人脸、虹膜、掌纹掌静脉、步态等生物识别技术对营区人员身份管控系统进行研究，研发设计了多模态身份识别系统，通过前端安装智能化采集设备，后端部署管控应用软件，达到检查核实人员身份、联动门禁进行出入控制的结果。

3  设计思路

根据目前国内外人员身份识别技术的发展及应用现状，本公司提出采用多模态身份识别技术[5]，基于营区不同防护等级要求，通过不同身份识别组合应用，来实现申请人员身份准确识别。

3.1  防护区

防护区出入口作为人员进入的第一道防线，只有通过身份识别后，营区人员方可在防护区内进行活动。

本公司提出采用人脸识别+虹膜识别多模态集成化技术[6]，将人脸识别和虹膜识别这两者结合应用。该设计思路不仅方便使用，在技术创新及推动技术与业务应用的结合发展方面具有重要意义。

3.2  监控区

监控区域内对人员进行身份识别和跟踪监控，掌握营区人员的身份和移动路线。考虑到营区内营区人员常有统一着装、着帽的特殊要求，本公司提出采用步态识别[7]+人脸识别组合技术模式，识别人员的身份，审核确认其是否在授权名单上。

通过在前端监控区域架设高清摄像机，基于前端视频流，后台利用人脸识别算法、步态识别算法进行对目标的提取和分析，实现对人员身份的识别及行为的跟踪监控。

3.3  限制区

限制区作为营区重点核心区域，只有通过身份识别后，营区人员方可在指定地点进行活动。为了达到非接触式识别要求，本公司提出采用掌纹+掌静脉[8]集成于一体的设备进行对人员身份的最后一步验证。

本公司提出采用专用的双目多光谱图像传感器，同时采集人的掌纹和手掌皮下静脉图像，将信息量丰富的掌纹和具有活体信息的掌静脉进行有效的融合，构成一种多模态的生物特征识别系统。

4  系统总体架构

依托军队网络基础设施的建设成果，按照自主可控要求，采用面向服务的架构（SOA），充分利用大数据处理、自主学习等先进技术，构建物理分布、逻辑一体、架构一致的系统。多模态身份识别系统的总体架构由感知层、传输层、支撑层、应用层组成。具体架构图如图1所示。

4.1  感知层

感知层使用基于人脸识别、虹膜识别、掌纹掌静脉识别、步态识别等技术的感知设备，实现对人员身份的识别。通过各类感知设备的协作，实时监测、感知和采集人员活动数据、身份数据、行为数据，为业务应用提供多源数据支撑。

4.2  传输层

传输层采用COM、IP、Route、Switch等技术，通过将系统接入信息网络，依靠各种通信手段和安全防护措施，随时随地进行信息交互与共享。

4.3  支撑层

支撑层是多模态身份识别系统实现的重要部分，通过国产操作系统、国产数据库、国产服务器构成基础支撑服务，实现数据、信息的统一汇聚，以此构建运行环境，提供共享、开放、融合、集成的信息服务能力。

（1）基础服务：通过自主可控的国产操作系统、国产数据库、国产服务器、国产中间件构建基础支撑服务的软硬件环境。（2）数据接入：采用Kettle、HTTP Restful API、WebSocket等技术，实现数据抽取、采集、清洗、标准化和数据治理。（3）数据存储：采用CVR、DM、Redis等技术组件，构建实时在线存储和离线长期存储两种功能，以实现业务数据的有效保存，能实现存储的弹性扩容和智能调度。（4）数据计算：综合采用实时计算和离线计算等技术，对各类数据进行综合分析，提供关联分析、智能预警等功能。使用Storm、Flink等实时并行计算技术，保证了数据的实时统计、分析。对于历史数据分析部分，使用了MR、Hive、Spark等技术进行高效并行分析。（5）中间件服务：采用ESB、Kafka、SOA等技术，构建包括服务发现、服务注册、设备管理、用户服务、接口服务、消息服务、日志服务等。

4.4  应用层

应用层通过自主研发，采用Spring MVC、Tomcat、JSP等架构技术结合专业功能组件进行业务功能设计。

（1）人员信息注册：提供营区人员抓拍库、人员注册库的管理。支持对人员注册库的动态维护和管理，对现有人员底库的更新维护（编辑、删除）等。（2）虹膜人脸识别：支持对前端设备中抓拍的人脸图片、虹膜图片或上传的对应图片进行识别，提取特征数据并入库。（3）掌纹掌静脉识别：支持掌纹掌静脉识别功能，实时检测用户手掌信息，并在定位图像后提取掌纹特征和掌静脉特征，将它们与数据库中的底库数据进行一一比对分析。（4）步态识别：具备摄像机实时抓拍的步态结果展示功能，可对步态结果筛选、查看、保存等操作，并可进行营区人员检索、轨迹追踪等应用。（5）出入记录查询：支持按照前端设备、时间、人员姓名等不同维度进行信息查询统计。（6）信息告警管理：当出现有人未经授权就进行识别、人员没有通过合法方式强行开门或者破门而入等情况，系统软件监控界面会用红色提示该报警信息的时间和位置。（7）人员权限管理：系统可针对不同的人员设置不同区域和不同时间的活动权限，实现对指定区域分级、分时段的通行权限管理，限制人员随意进入受控区域。

5  结  论

本公司研发设计的系统采用虹膜、人脸、掌纹掌静脉、步态等多种生物特征，通过多层次融合获得比单一生物特征识别更好的识别性和可靠性，提高了受控区域的安全性。系统基于前端各类智能感知设备的安装部署，实现非接触式采集，安装方便、响应迅速、性能可靠，提高了营区人员的综合管控水平和事件处置速度。

参考文献：

[1] 王蕴红，范伟，谭铁牛.融合全局与局部特征的子空间人脸识别算法 [J].计算机学报，2005（10）：1657-1663.

[2] 李志明.基于卷积神经网络的虹膜活体检测算法研究 [J].计算机工程，2016，42（5）：239-243+248.

[3] 黄志星.基于卷积神经网络的嵌入式指静脉识别系统 [D].广州：华南理工大学，2017.

[4] 中央军委装备发展部.军事目标安全技术防范通用要求：GJB8856-2016 [S].北京：国家军用标准出版发行部.2016.

[5] 谢璐，俞飞.基于多模态生物识别的安全身份认证技术 [J].保密科学技术，2016（1）：36-40.

[6] 肖珂，汪训昌，何云华，等.基于深度学习的虹膜人脸多特征融合识别 [J].计算机工程与设计，2020，41（4）：1070-1073.

[7] 薛艳.基于人体步态识别技术的视频监控应用研究 [J].无线互联科技，2020，17（3）：160-161.

[8] 严娇娇.基于掌纹与掌静脉双模态融合特征识别研究 [D].西安：西北大学，2018.

作者简介：张梦婷（1992.11—），女，汉族，安徽宣城人，高级工程师，硕士，研究方向：公共安全领域平安城市、军工领域军队信息化等。