基于人臉識別的圖書館智能門禁系統

0   引言

人臉識別門禁是基于先進的人臉識別技術，結合成熟的ID 卡和指紋識別技術而推出的安全實用的門禁產品。產品采用分體式設計，人臉、指紋和ID 卡信息的采集和生物信息識別及門禁控制內外分離，實用性高、安全可靠。系統采用網絡信息加密傳輸，支持遠程控制和管理，可廣泛應用于銀行、軍隊、公檢法、智能樓宇等重點區域的門禁安全控制。

目前學校圖書館門禁依舊采用的是刷校園卡進入的方式, 對于同學們而言十分不便, 而且也有外來人員借用本校學生校園卡進入圖書館的現象。使用人臉識別方式進入可以有效杜絕這類情況的發生, 也方便同學進入圖書館學習以及學校對于圖書館的日常管理。

1   設計思路

根據對預期功能的分析結合我們運用的技術，首先需要給出總體設計方案，本課題所實現的人臉識別系統不僅包含硬件開發平臺，而且還有在開發平臺上運行的各種端口函數、驅動程序和應用程序，其中硬件部分主要有：視頻采集部件、視頻傳輸部件和視頻顯示部件；程序部分主要有：基于樹莓派的操作系統、視頻采集程序、視頻編碼程序、視頻傳輸程序、PC 機上顯示程序等。系統設計方案的總體框架如圖1 所示。

本次人臉識別系統的開發分為兩個部分實施：PC和嵌入式平臺。在PC 平臺上，對設計好的人臉識別程序進行調試，驗證程序的整體機理和功能。程序功能沒有問題后，再將程序環境進行重新配置，編譯成可以在嵌入式平臺上運行的程序，然后移植到嵌入式平臺上驗證運行。這樣分兩步走的開發方式，雖然需要對程序進行兩次編譯，但是，在程序的調試和驗證過程中帶來了很大便利，對問題的查找和處理更高效率。

2   硬件平臺設計

本設計使用嵌入式板卡作為其運行的硬件平臺。對于嵌入式開發板，其運行性能的關鍵是嵌入式處理芯片，作為嵌入式系統的核心部件，其運算處理速度的快慢直接影響系統平臺的運行效率。目前市面上存在多種內核結構的嵌入式芯片，包括ARM 內核芯片、IBM 的Power PC、Intel 的x86 等，而以ARM 為內核的處理芯片在全球嵌入式芯片市場中占據主導地位[1]。項目所選用的Raspberry Pi 開發平臺采用的是高性能的樹莓派4B 作為主處理器，支持的操作系統為：樹莓派專用系統Debian GNU/Linux、Fedora、Arch Linux、RISC OS、Windows10 IoT，搭載1.5 GHz 的64 位四核處理器（Broadcom BCM2711，Quad core Cortex-A72(ARM v8) 64-bit SoC @ 1.5 GHz），支持Bluetooth 5.0，兩個USB 3.0 和兩個USB 2.0 接口，雙micro HDMI 輸出，支持4K 分辨率，microSD 存儲系統增加了雙倍數據速率支持，先前版本的microUSB 供電接口在樹莓派4B 中改為USB Type-C 接口[2]。

3   模塊介紹

1) 樹莓派4B 英7 寸顯示屏

樹莓派4B 英7 寸顯示屏的分辨率為1 024×600，功耗為0.84 A×5 V。通過顯示屏顯示運行程序，并觀察運行程序后的情況。

2)800 萬像素4K 超清攝像頭

對準人臉首先檢測人臉，接著錄入人臉信息，將待識別人臉對準攝像頭進行識別。

3) 樹莓派4B 開發板

樹莓派4B 開發板包含1.5 GHz 四核64 位ARM Cortex-A72 CPU，兩個USB 3.0 和兩個USB 2.0 端口，雙頻802.11ac 無線網絡和4GB 的LPDDR4 SDRAM。

4)LY03 小型斜口電磁鎖

LY03 小型斜口電磁鎖用來模擬圖書館門禁系統開門。攝像頭識別人臉后，若人臉信息能與庫中信息匹配，則開鎖；否則報警。

5)1 路5 V 繼電器模塊

此模塊高電平觸發，即模塊供電后，控制端口收到高電平繼電器導通，給門鎖供電。

6) 蜂鳴器

蜂鳴器用來實現人臉識別不成功報警的功能，蜂鳴器電壓是2~3.5 V，工作電流小于25 mA，頻率為1.8~2.8 kHz。直流電源輸入經過振蕩系統的放大取樣電路在諧振裝置作用下產生聲音信號。

4   軟件設計

4.1 基于OPENCV的人臉檢測

OpenCV 是Intel 公司支持的開源計算機視覺庫，輕量而且高效，由一系列C 函數和少量C++ 類構成，實現了圖像處理和計算機視覺方面的很多通用算法。作為一個基本計算機視覺、圖像處理和模式識別的開源項目，OpenCV 可以直接應用于很多領域，其中包括人臉識別的算法實現，是二次開發的理想工具^[2]。人臉識別功能包括以下幾個方面（如圖2）。

1) 圖像采集和預處理

可以通過下載開源的人臉識別數據集以及自己拍照建立人臉數據庫進行圖像采集。由于大部分臉部檢測算法對光照、臉部大小、位置表情等非常敏感，圖像預處理是將檢測到的臉部后需轉化為灰度圖像，進行直方圖歸一化處理。

2) 人臉檢測

OpenCV 采用一種叫做Haar cascade classifier 的人臉檢測器，利用保存在XML 文件中的數據確定每一個局部搜索圖像的位置，并利用其內置函數進行檢測。函數使用針對某目標物體訓練的級聯分類器在圖像中找到包含目標物體的矩形區域，并將這些區域作為序列矩形框返回，最終檢測結果保存在變量中^[3]。

4.2 基于Dlib的人臉識別

Dlib 是一個機器學習C++ 庫，包含許多機器學習常用的算法。dlib 先檢測人臉，然后通過Resnet 生成一個128 維的向量，Resnet 有幾種不同深度結構，dlib 庫采用68 點位置標志人臉重要部位，再采用相應模塊識別人臉。

4.3 部分設計代碼

1) 讀取數據，設置攝像頭參數

known_face_encodings ,known_face_names =getFace.getFaceArray()

todayAlreadRegister = DBUtils.getAlreadyRegisterArray()

print(todayAlreadRegister)

print(known_face_names)

signRight = “Right”

signWrong = “Wrong”

video_capture = cv2.VideoCapture(0)

rcout = 12

width=1024

height=768

video_capture.set(cv2.CAP_PROP_FOURCC, cv2.

VideoWriter.fourcc(‘M’, ‘J’, ‘P’, ‘G’))

video_capture.set(cv2.CAP_PROP_FPS , 12);

video_capture.set(cv2.CAP_PROP_FRAME_

WIDTH,width)

video_capture.set(cv2.CAP_PROP_FRAME_

HEIGHT,height)

2) 錄入人臉信息

face_locations = []

face_encodings = []

face_names = []

process_this_frame = True

fcounter = 0

while True:

ret, frame = video_capture.read()

small_frame = cv2.resize(frame, (0, 0), fx=0.3,

fy=0.3)

rgb_small_frame = small_frame[:. :, ::-1]

if fcounter==rcout:

fcounter=0

face_locations = api.face_locations(rgb_small_

frame)

face_encodings = api.face_encodings(rgb_

small_frame, face_locations)

face_names = []

for face_encoding in face_encodings:

matches = api.compare_faces(known_face_

encodings, face_encoding)

name = “Unknown”

face_distances = api.face_distance(known_face_

encodings, face_encoding)

#face_distances = list(face_distances <= 0.5)

best_match_index = np.argmin(face_distances)

if matches[best_match_index] and “False” not in

str(face_distances):

name = known_face_names[best_match_

index]

face_names.append(name)

else:

fcounter = fcounter + 1

3) 識別人臉

for ( top, right, bottom, left), name in zip(face_

locations, face_names):

font = cv2.FONT_HERSHEY_DUPLEX

if name in “Unknown”:

# cv2.rectangle(small_frame, (left, top), (right,

bottom), (0, 0, 255), 2)

cv2.putText(small_frame, name, (left + 5, bottom -

5), font, 0.6, (0, 0, 255), 1)

# cv2.putText(small_frame, signWrong, (left + 5,

bottom - 15), font, 0.6, (0, 0, 255), 1)

else:

#cv2.rectangle(small_frame, (left, top), (right,

bottom), (0, 255, 0), 2)

# if name in todayAlreadRegister:

cv2.putText(small_frame, name, (left + 5, bottom -

5), font, 0.6, (0, 255, 0), 1)

cv2.putText(small_frame, signRight, (left + 5, bottom

+ 20), font, 0.6, (0, 255, 0), 1)

# else:

# DBUtils.insertRegister(name)

#todayAlreadRegister.append(name)

cv2.imshow(‘Video’, small_frame)

if cv2.waitKey(1) & 0xFF == ord(‘q’):

break

video_capture.release()

cv2.destroyAllWindows()

5   實驗過程

1) 首先將軟件安裝好，連接硬件好；

2) 將攝像頭打開，檢測人臉信息，并錄入人臉信息；

3) 錄入人臉信息后，運行識別程序，將攝像頭對準已錄入信息的人臉，識別成功，顯示錄入姓名并開鎖；對準未錄入信息的人臉，識別失敗，顯示unknown 并報警。

6   結論

本項目以OpenCV 為核心, 樹莓派為硬件基礎設計實現了具有人臉識別功能的智能安防門禁系統。本智能門禁系統首先將授權的人臉信息進行灰度化、降維及計算特征值等處理, 再進行準備訓練, 得到授權人的相關信息。然后對攝像頭采集到的人臉信息進行處理。經過測試, 該智能門禁系統較好地完成了人臉識別功能, 識別成功開鎖，失敗則報警，完成了門禁系統的設計要求，實現了圖書館的門禁智能化。

參考文獻：

[1] 周昕梓.樹莓派開始，玩轉Linux[M].北京:電子工業出版社,2018.

[2] GOLDEN R.樹莓派應用速成：網絡應用秘方.符鵬飛.譯.北京:科學出版社,2014.

[3] 朱偉.OpenCV圖像處理編程實例[M].北京:電子工業出版社,2016.

（本文來源于《電子產品世界》雜志2021年4月期）