基于人臉識別的高校無阻礙門禁系統(tǒng)設(shè)計研究

文章出處：http://www.xianjuhong.com 作者： 人氣： 發(fā)表時間：2013年02月08日

    摘　要:目前市場上的高校門禁系統(tǒng)無法完全滿足高校門禁管理的現(xiàn)狀, 特別是在身份識別上, 大部分依賴人工進行, 人臉識別技術(shù)是一種新興的生物認(rèn)證技術(shù), 它以無接觸式的識別方式深受廣大用戶的喜愛, 也比較符合高校門禁管理的特點, 闡述了無阻礙式高校門禁系統(tǒng)中存在的問題, 結(jié)合人臉識別的生物認(rèn)證技術(shù)對其進行改進, 有效避免了門禁系統(tǒng)中存在的“冒認(rèn)”漏洞, 使其在應(yīng)用上能起到更好的輔助作用。

    高校門禁問題歷來是高校安全管理的重中之重,隨著“一卡通”工程的普及, 高校門禁系統(tǒng)的設(shè)計和應(yīng)用也越來越受到各高校的重視, 其本身也在不斷改進和變化中。傳統(tǒng)“一卡通”是在IC卡的基礎(chǔ)上開展起來的, 而隨著射頻技術(shù)的發(fā)展, 傳統(tǒng)IC卡已經(jīng)逐漸被( RFID) 射頻卡所取代, 其中第二代身份證的出現(xiàn)更是射頻技術(shù)的一個重要的里程碑, 高校門禁系統(tǒng)也由此進入了一個全新的時代。本文就門禁系統(tǒng)中的無阻礙式門禁系統(tǒng)進行改進設(shè)計, 增加人臉識別模塊, 以期能夠更好地應(yīng)用于高校門禁市場。

    1　高校人員管理情況

    要設(shè)計好高校門禁系統(tǒng), 就須對高校人員管理有著正確的認(rèn)識, 高校人員情況十分復(fù)雜, 有如下特點:

    校園開放度高, 進出學(xué)校的人員十分復(fù)雜; 這在一定程度上增加了學(xué)校人員管理的難度。

    由于年年擴招, 在校生急劇增多, 學(xué)生在校時間大多在2 年～5 年的時間, 人員的流動性大; 人員情況更加復(fù)雜。

    由于高校的學(xué)習(xí)生活集中性特點, 人員在管理上具有集中式的特點, 特別是在上下課時間段, 各個門禁點的人員進出量是很大的;

    高校的門禁監(jiān)管基層人員的流動性大, 一般門禁監(jiān)管基層人員除個別外, 每2 年～3 年做一次調(diào)整是很正常的, 導(dǎo)致一些門禁點的管理監(jiān)督上存在一定程度上的漏洞, 有些外來人員趁此機會潛入作案的比率也明顯增加。

    根據(jù)以上特點, 各個高校門禁系統(tǒng)的具體配備也不一而同, 但其目的都是為了能夠更好地配合管理人員進行人員管理, 設(shè)計時要考慮到人員的具體情況。

    2　無阻礙式門禁系統(tǒng)

    高校的門禁系統(tǒng)種類有很多, 從人員通過的角度看可以分為阻礙式門禁和無阻礙式門禁, 其各自有不同的應(yīng)用領(lǐng)域, 主要表現(xiàn)在如圖書館等重要部門, 使用有阻礙式的門禁系統(tǒng), 可以有效進行圖書情況的監(jiān)管;而在公寓樓等場所, 大多使用無阻礙式的門禁系統(tǒng), 它的特點是進出無阻礙, 發(fā)生緊急安全問題可以及時疏散人員。

    現(xiàn)有的無阻礙式門禁大多采用在校人員通行, 非在校人員警告、提醒的方式, 這種方式讓大多數(shù)的在校持卡人員通過, 管理人員只需注意其中的非正常人員情況即可, 大大節(jié)省了時間和精力, 可是這種門禁系統(tǒng)是存在著漏洞的。正常情況下, 當(dāng)本人持卡進入時, 系統(tǒng)會留下一條記錄, 而沒有持卡人員進入時, 系統(tǒng)則會發(fā)出聲光報警, 提醒管理人員進行核對; 但還有一個情況就是當(dāng)非本人持卡進入時, 系統(tǒng)也會留下一條記錄,但不會發(fā)出警報, 這就導(dǎo)致門禁系統(tǒng)出現(xiàn)嚴(yán)重漏洞, 一些非法人員可以憑在校生的卡自由進出校園而不會有

    任何問題, 一些門禁系統(tǒng)也針對此問題做出調(diào)整, 即把每個進入有效卡記錄時, 同時大屏顯示該卡的持有人身份信息, 這種方法可以起到一定監(jiān)督作用, 但實際效果不大, 原因就是它僅僅是顯示沒有提示, 這樣只能靠管理人員一直盯著屏幕進行核對, 如果管理人員一旦分神就很容易被非法人員趁機進出。因此, 讓門禁系統(tǒng)能夠識別非持卡人并發(fā)出有效提示是十分必要的, 本文把人臉識別的生物認(rèn)證技術(shù)引入其中, 使得冒認(rèn)卡主的情況可以得到改善, 在一定程度上可以防止上述情況的發(fā)生。

    3　技術(shù)支持

    3. 1　RFID 技術(shù)

    射頻識別技術(shù)( Radio Frequency Ident ificat ion,縮寫RFID) , 是20 世紀(jì)90 年代開始興起的一種自動識別技術(shù), 它是屬于無線通信技術(shù)的一種, 是一種非接觸式的自動識別技術(shù), 可識別高速運動物體, 其應(yīng)用的范圍十分廣泛。

    RFID 技術(shù)為無接觸式的感應(yīng)技術(shù), 讀寫距離可達1. 0 m～1. 5 m左右, 而且可同時識別多張卡, 解決了大人流快速通過問題, 每秒鐘可同時識別50 張卡片, 目前高校的門禁系統(tǒng)中的無阻礙式通道大多采取5 cm～10 cm 左右距離。其識別系統(tǒng)結(jié)構(gòu)如圖1 所示。

圖一 RFID系統(tǒng)工作流程

電子標(biāo)簽即RFID 卡, 內(nèi)置RFID 芯片, 通過門禁口時, 天線接收RFID 內(nèi)部信號, 轉(zhuǎn)入信號讀寫裝置進行讀取RFID信息, 然后到達信息處理系統(tǒng)進行數(shù)據(jù)比對, 是否為該校的在校卡, 最后記錄在門禁系統(tǒng)數(shù)據(jù)庫中。

    3. 2　人臉識別技術(shù)

    人臉識別是一項應(yīng)用很廣泛的技術(shù), 它是生物認(rèn)證中的后起之秀, 因其無接觸式的識別方式, 深受廣大用戶的喜愛, 但因識別的條件受外界環(huán)境影響較大, 如光照、表情、姿態(tài)等, 在生物認(rèn)證的初始階段發(fā)展較慢,現(xiàn)技術(shù)日趨成熟, 利用各種算法已能快速解決此類問題。其識別一般分為兩個過程, 一個是人臉的檢測, 即是否存在人臉; 另一個是人臉的識別, 即是否是某個人, 需要提取視頻或圖像中的人臉作為模板進行匹配。

    3. 2. 1　AdaBo ost 檢測算法

    AdaBoost 算法是1995 年Freund 和Schapire[ 1] 根據(jù)在線分配算法提出的, 并由Viola[ 2] 等人于2001 年應(yīng)用于人臉檢測當(dāng)中, 該方法采用一種“積分圖像”的圖像表示方法, 這種表示能夠快速計算出弱分類器快速用到的特征, 把這些弱分類器集合起來, 就構(gòu)成一個強分類器, 從而檢測出類人臉。這種方法檢測速度快、靈敏度高, 可以在訓(xùn)練的時候增加自己想要的人臉模型,并進行檢測, 最終生成xml 文件, 提高識別效率。該算法中的Haar 特征分為3 類: 邊緣特征、線性特征、中心特征和對角線特征, 組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形, 并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。如圖2 所示。

圖2　Haa r 3 類特征圖示

    算法中的積分圖( Integ ral Image ) 主要的思想是將圖像從起點開始到各個點所形成的矩形區(qū)域像素之和作為一個數(shù)組的元素保存在內(nèi)存中, 當(dāng)要計算某個區(qū)域的像素和時可以直接索引數(shù)組的元素, 不用重新計算這個區(qū)域的像素和, 從而加快計算。“積分圖”能夠在多種尺度下, 使用相同的時間來計算不同的特征, 因此大大提高了檢測速度。

    3. 2. 2　膚色檢測

    影響人臉檢測的一大因素就是背景的雜亂無章,通過Adaboost 檢測出來的類人臉區(qū)域中大多數(shù)還是有非人臉存在, 只是形狀上酷似人臉, 而膚色在色彩空間中聚類比較穩(wěn)定, 且與其他色彩容易區(qū)分, 彩色圖像中膚色是人臉最為顯著的特征之一, 可以選擇YCbCr作為膚色分布統(tǒng)計的映射空間, 該空間的優(yōu)點是可以將亮度和色度分開單獨處理, 實現(xiàn)亮度和色度分量比較徹底的分離, 能較好地限制膚色分布區(qū)域, 膚色點能夠形成較好聚類, 從而從圖像中分離出膚色區(qū)域, 再進行Adaboost 檢測, 最終可確定人臉位置。

    3. 2. 3　隱馬爾可夫模型

    隱馬爾可夫模型的理論基礎(chǔ)是20 世紀(jì)70 年代由Baum 等人建立起來的, 最初應(yīng)用于語音識別當(dāng)中, 隨后才由Rabiner 等人在20 世紀(jì)80 年代中期應(yīng)用于人臉識別, 進而成為人臉識別研究的一個重要方法。對于人臉模式來說, 可以把它分成前額、眼睛、鼻子、嘴巴和下巴這樣一個序列, 那么人臉模式就可以通過對這些區(qū)域進行有序的識別和檢測, 提取要識別人臉的觀察向量序列, 然后計算此人臉的觀察向量序列與人臉數(shù)據(jù)庫中各個人臉的隱馬爾可夫模型相似的或然率, 相似或然率的計算可以通過前向—后向算法或者Viterbi 算法得出。相似或然率反映了待識人臉觀察向量序列與數(shù)據(jù)庫中的人臉隱馬爾可夫模型的相似程度, 在HMM 中, 如果值最大, 那么就是與待識人臉最接近的人臉隱馬爾可夫模型, 最終完成識別。