人脸识别技术在智慧楼宇中的应用

2022-12-22孟超

天津职业院校联合学报 2022年7期

孟超

(天津国土资源和房屋职业学院，天津 300270)

一、人脸识别技术在智慧楼宇中的应用场景

(一)人员出入管理

在智慧楼宇系统中，在楼宇出入口与地下车库出入口等位置安装若干数量的摄像头与通道闸机设备，在人员出入楼宇时，跟踪拍摄出入人员的影像资料，提取处理面部特征信息，对比人脸特征数据库，从而判断监控对象的真实身份，赋予业主相应的控制权限，确定外来访客身份与是否提前预约申请，以此来甄别不明身份人员，记录人员出入时间、位置等信息。与此同时，系统在短时间内识别人员真实身份，控制闸机等终端设备提供服务，如识别到监控对象为建筑业主或预约通过的外来访客时，控制闸机提供通行通道，以实现楼宇系统的刷脸开门、重点场所门禁控制、访客登记等使用功能。

在人员出入管理场景中，与传统的IC卡识别、密码识别技术相比，人脸识别技术的核心价值在于，不会因读卡器损坏、密码失窃等突发状况而影响到门禁系统使用功能的正常发挥，有着其他技术手段无法与之比拟的便捷性、安全性。

(二)物品存取

现阶段，部分智慧建筑中虽然配置有物品存取柜，向用户提供物品临时存取服务，然而所采取身份认证方式较为滞后，主要采取密码识别与刷卡认证手段，存在安全隐患，如用户丢失识别卡致使存取物品被盗取。与常规认证手段相比，人脸识别技术在智慧楼宇物品存取场景中有着显著优势，通过提取识别人体面部特征信息，快速识别用户的真实身份，在显示屏上显示用户存取柜的编号位置、使用状态、物品入柜时间等信息，以及提供刷脸线上支付物品滞留存取费用、开启存取柜、调整存取柜使用状态等服务，避免因用户身份认证错误而出现盗领物品问题。此外，为提供高效、便捷的物品存取服务，用户可提前在智慧楼宇系统中提交他人代取申请，附加代领人身份、预计领取时间等信息，由系统识别用户身份是否为代领人，根据识别结果选择性向其赋予操作权限。

(三)设备租借

在设备租借场景中，对人脸识别技术的应用，替代传统的二维码扫描或是无线射频的技术手段，用户无须提前在智慧楼宇物资管理平台中提交设施设备租借申请，可以直接租借使用设施设备，由摄像头抓拍用户的面部特征信息，对信息进行提取识别处理，确定用户身份，记录设备租借返还时间、设备品种型号等信息，自动生成物资租借清单，向用户智能移动终端发送相关信息，提供线上支付、刷脸支付服务。例如，用户使用智慧楼宇中的停车位或充电桩时，自动识别用户身份，记录停车位使用时间与充电桩耗电量，用户在控制屏上刷脸支付，或是在手机终端上远程支付设备租借费用，系统还将实时观测设备使用状况，在出现停放车辆剐蹭、充电桩故障等问题，或是车辆充电完成后，向用户实时发送信息。如此，既可以为用户提供高效、便捷的服务体验，同时，还可以减轻智慧楼宇设施设备的运营维护工作量。

(四)消费支付

在新建的智慧建筑中，人脸识别技术在消费支付场景中得到落地应用，智慧楼宇系统与自动贩卖机、超市收银机等终端设备保持通信连接，用户可选择刷脸支付方式，由设备携带的摄像头采集面部特征信息，快速识别用户真实身份，直接扣除用户账户中的预存款或绑定银行卡，生成并发送扣费清单，以此来节省支付时间，便于用户在建筑楼宇中进行消费。

(五)楼宇安防与异常报警

在智慧楼宇门禁安防系统运行期间，所配置摄像头装置持续对楼宇内流动人员进行跟踪拍摄，从图像视频资料中提取面部特征信息，对比静态人脸数据库，有效识别监控对象的真实身份。在无法识别监控对象真实身份，或是静态人脸数据库中未存储目标身份信息时，系统向安防人员发送报警信号，由安防人员对未知身份人员进行问询调查，控制闸机禁止其进入重要场所，保存未知人员的路径行为监控画像资料。

同时，智慧楼宇系统与所处区域公安机关的数据库保持后台链接状态，在未知身份人员存在跳过闸机、损坏闸机等行为时，系统将未知身份人员的面部特征信息提交至辖区公安机关的人脸特征数据库进行核对识别，确定目标真实身份，在识别到未知身份人员存在犯罪记录或具备嫌疑人身份时，向公安机关发送预警提示信息。此外，依托人脸识别技术，现代智慧楼宇系统中具有自动抓拍功能，当出现非法人员盗用合法卡作案、撬开楼宇出入口闸机与防盗门时，由系统自动对非法人员的作案过程与行为进行拍摄，抓拍联动视频，将视频资料提交至公安机关，以提供案件侦破线索和编制黑名单布控名单。

(六)特殊人群关照

考虑到智慧建筑中部分用户为残障人士、孕妇、儿童、老年人等社会弱势群体，容易出现各类突发疾病或是滑倒等安全事故，存在安全隐患。因此，需要将人脸识别技术拓展至关照特殊人群的应用场景中，基于人脸特征信息识别结果来记录登记在册的特殊人群的居家/出行状态，在非接触性、非侵扰性的前提下对特殊人群进行跟踪监管，在检测到特殊人群出现跌倒滑落与长时间静止不动等异常状况，或是长时间未记录特殊人群的门禁出入信息时，由物业人员上前查看身体状况或上门探望，必要情况下联系用户预留的应急联系人和医疗机构，及时处理突发问题，避免问题恶性发展。

(七)楼宇对讲

在早期建成的建筑工程中，受到技术水平限制，楼宇对讲系统普遍采取语音对讲方式，用户通过辨别访客声音特征来判断身份，判断精度较差，存在安全隐患，偶尔出现非法人员模拟用户亲属朋友声音闯入用户住宅引发建筑楼宇的恶性事故。而对人脸识别技术的应用，楼宇对讲系统采取全新的彩色可视对讲方式，在显示屏上实时显示智慧楼宇出入口门禁处的访客视频图像资料，以及访客身份信息，帮助用户确定访客的真实身份，在访客身份异常时，用户可以使用智慧楼宇系统的联网功能，向安全人员发送报警信号，以保障用户的人身安全，及时消除安全隐患。

(八)签到考勤

在智慧办公楼宇中，在楼宇出入口放置人脸考勤机，系统中导入员工身份信息与面部特征信息。如此，员工可以直接通过人脸考勤机面部识别而自动签到打卡，在系统未在约定时间内接收全体员工签到考勤信息时，自动向用户反馈异常考勤信息，便于人力管理工作的开展，杜绝代签到问题的出现。同时，考虑到部分特殊用户因长期劳动致使指纹磨损严重，对人脸识别技术的应用，还将解决这类用户无法通过指纹识别等其他生物识别技术确定身份的技术难题。

二、智慧楼宇中的人脸识别过程

(一)人脸图像采集检测

在智慧楼宇人脸识别系统运行期间，远程控制在楼宇出入门禁、电梯、消防楼梯等部位安装的摄像头，对过往人员的人脸图像进行跟踪拍摄，同时拍摄获取动态图像以及静态图像，调整前端摄像头的角度位置来跟踪拍摄目标对象，避免因拍摄角度、头发遮挡等因素影响而无法从图像信息中提取有效、全面的面部特征信息。随后，进入人脸检测环节，在人脸图像资料中标定目标对象的人脸位置，筛除无用数据，从中提取结构特征、直方图特征、Haar特征等关键信息，采取AdaBoost学习算法，从提取的关键信息中挑选组合形成人脸矩形特征等弱分类器，再由一定数量的弱分类器共同组成处于层叠结构状态的强分类器。

(二)人脸图像信息预处理

根据人脸识别技术的实际应用情况来看，受到摄像头型号、光照条件变化、噪声、拍摄角度、现场干扰源等多方面因素影响，系统所拍摄人脸图像信息较为模糊，如果直接从图像资料中提取面部特征信息进行识别，容易出现身份识别错误、面部特征信息失真、信息提取不全等问题，致使人脸识别技术应用受阻，无法取得预期的应用效果。针对于此，在智慧楼宇中应用人脸识别技术时，需要在系统识别人脸过程中增设图像信息预处理步骤，依次开展视频图像光线补偿、灰度调整、直方图均衡处理、归一化处理、几何图形校正、图像锐化等操作行为，尽量消除外部条件对人脸识别精度及效率造成的限制干扰。以归一化处理为例，对图像信息中所统计面部特征数据依次开展几何归一化与灰度归一化处理，分别采取广义变化法和光线补偿法实现操作，调整图像信息中的面部特征点位与灰度。

而在图像滤波处理环节，采取高斯平滑滤波或是均值滤波处理措施，滤除所采集图像资料信息中夹杂的杂波，高斯平滑滤波处理法依照傅里叶变换原理，将图像资料信息切换为特定频域后构建高斯函数模型，在模型输出值中自动滤除初始图像资料中夹杂的噪音，凭借二维函数对称性特征准确检测和处理图像不平滑部位的像素。而均值滤波处理法是通过获取周边图像和值与求解均值的方式，采取均值像素更换图像资料中检测标记的噪声图像，具有处理效率高、方法简单的优势，但会破坏图像细节，容易出现局部变形现象，致使人脸识别准确度随之下滑。

(三)人脸特征提取

在人脸识别技术体系中，人脸特征提取原理为，将人脸图像信息中的面部特征数据视为柔性体，从中提取原始特征数据来对应高维数据，通过提取、分类处理人脸原始特征，在低维空间内完成数据处理任务，以此来替代传统的高维数据处理任务，起到减少数据处理量、提高数据处理效率、有效保留人脸特征识别数据的作用。参照人脸识别技术在国内同类智慧楼宇项目中的应用实例来看，人脸特征提取算法包括线性判别分析以及主成分分析两种，均采取转换二维图像矩阵的方式完成特征提取任务，在提取过程中产生较大图像位数，致使人脸特征提取效率降低，系统难以在短时间内准确识别用户真实身份，没有在真正意义上实现人脸识别系统与门禁系统、楼宇对讲系统、视频布控系统等配套系统的联动控制。针对于此，在开发智慧楼宇人脸识别系统时，可选择采取全新算法来替代传统算法，如LDA算法和二维主成分分析算法，以此来提高人脸特征提取效率，但LDA算法具有训练样本数量小的局限性，二维主成分分析算法有着识别精度低的局限性，应根据项目需求加以选择。

现阶段，在智慧楼宇项目中，主要采取AdaBoost算法来取代传统的boosting算法，这项算法具备可自动调节初始化误差值、自学习能力、权重系数自适应调整、快速生成强弱分类器的优势。在实际应用过程中，人脸识别系统基于AdaBoost算法，选取积分图计算方式准确描述图像资料中的面部灰度信息，掌握数值特征和切换至相同数理特征，在训练过程中极短时间内生成弱分类器并整合为强分类器，使用弱强分类器依次对图像资料中的面部特征信息进行过滤检测，完成人脸特征信息提取任务。

(四)身份识别

系统将人脸图像中提取处理后的特征数据导入静态/动态人脸特征数据库中加以搜索匹配，在数据库中预先设定阈值，将人脸面部特征量以分类器形式进行定向分类搜索匹配处理，在搜索匹配结构相似度超过预定阈值后，输出匹配结果，完成人脸识别过程，确定人员的真实身份。同时，在人脸识别系统中可采取辨别识别方法或是确认识别方法，辨别识别是将面部特征量同时与多个搜索结果进行匹配，识别效率较高，但设计难度较大。而确认识别是采取一对一的搜索匹配方式，识别效率低下，但设计方法较为成熟。

此外，还应正确认识到各种人脸识别方式的技术局限性，攻克技术难题，进一步提高人脸识别效率和准确率。以常见的多尺度人脸检测机制为例，在保持检测窗口大小不变或等比例放大缩小的前提下，使用经过预先训练学习的分类器覆盖图片窗口执行检测操作，在数据库中匹配相似度超过一定标准的用户身份。根据实际应用情况来看，多尺度人脸检测机制有着检测速度快的优势，但所设定检测窗口的缩放次数与比例合理性缺乏保证，容易出现漏检问题，且系统实时运算量较大。针对于此，需要提前在系统中预设缩放次数和比例的阈值，在各层级图像中设置统一的配对积分图，将检测窗口步进值设定为2，以此来解决上述技术问题。