余程勝，黃海于
?。ㄎ髂辖煌ù髮W(xué) 信息科學(xué)與技術(shù)學(xué)院，四川 成都 611756）
摘要：提出了一種實(shí)際應(yīng)用環(huán)境下的動(dòng)態(tài)人臉識(shí)別系統(tǒng)。首先討論了動(dòng)態(tài)人臉識(shí)別系統(tǒng)硬件環(huán)境的搭建，然后詳細(xì)介紹了動(dòng)態(tài)人臉識(shí)別系統(tǒng)的軟件流程、主要的功能模塊、人臉庫(kù)的構(gòu)建及管理等，最后對(duì)系統(tǒng)進(jìn)行了測(cè)試。測(cè)試結(jié)果表明，所設(shè)計(jì)的軟硬件系統(tǒng)能夠滿足實(shí)際應(yīng)用需求。
關(guān)鍵詞：人臉識(shí)別系統(tǒng)；系統(tǒng)硬件結(jié)構(gòu)；人臉庫(kù)；訓(xùn)練文件
0引言
隨著科技的不斷進(jìn)步，人臉識(shí)別技術(shù)、智能視頻分析技術(shù)等飛速發(fā)展，并已滲透到人們生活的各個(gè)領(lǐng)域，在諸如智能手機(jī)人臉解鎖、公司智能簽到等方面得到廣泛應(yīng)用。然而，這些系統(tǒng)存在很多弊端，比如需要正確的姿態(tài)以及固定的光照環(huán)境，在識(shí)別前建立待識(shí)別人員的人臉庫(kù)，須有一定時(shí)間的停留等，這些都給用戶帶來(lái)不好的用戶體驗(yàn)，導(dǎo)致系統(tǒng)的使用存在較大的問(wèn)題。同時(shí)無(wú)論是手機(jī)上的智能人臉解鎖還是智能簽到系統(tǒng)，識(shí)別的對(duì)象都是人臉處于靜止不動(dòng)時(shí)的成像，成像限定為無(wú)傾側(cè)、無(wú)強(qiáng)光干擾，屬于靜態(tài)人臉識(shí)別的范疇［1］。
本文討論的是如何對(duì)運(yùn)動(dòng)的對(duì)象進(jìn)行識(shí)別、如何自動(dòng)將新人加入人臉庫(kù)、如何得到人臉特征、如何在復(fù)雜環(huán)境下搭建動(dòng)態(tài)人臉識(shí)別系統(tǒng)的硬件環(huán)境以及如何在人臉庫(kù)不斷擴(kuò)大情況下對(duì)人臉庫(kù)進(jìn)行管理等問(wèn)題。
1系統(tǒng)硬件選擇與架構(gòu)
1.1系統(tǒng)的硬件結(jié)構(gòu)
系統(tǒng)的硬件結(jié)構(gòu)與系統(tǒng)實(shí)際運(yùn)用的環(huán)境密切相關(guān)。本文實(shí)驗(yàn)環(huán)境如圖1所示。此實(shí)驗(yàn)環(huán)境光照強(qiáng)弱變化大、人口密集且相機(jī)覆蓋范圍廣，具有很好的代表性，對(duì)商場(chǎng)、車站等處所需人臉識(shí)別系統(tǒng)，本文可提供很好的參考?！ ?/p>
根據(jù)需求設(shè)計(jì)硬件結(jié)構(gòu)圖如圖2所示。
由圖2可見(jiàn)，系統(tǒng)主要由相機(jī)、計(jì)算機(jī)（工作站）、路由器、服務(wù)器等組成。相機(jī)與工作站之間通過(guò)有線連接，工作站處理相機(jī)處采集到的信息，然后將信息傳輸存儲(chǔ)在服務(wù)器上。在實(shí)際環(huán)境中，兩臺(tái)相機(jī)安裝在圖1所示屏風(fēng)的兩端，面對(duì)正門，形成一定的夾角，使其覆蓋門前區(qū)域，如圖3所示。
1.2系統(tǒng)硬件選擇
在實(shí)際環(huán)境中相機(jī)需要覆蓋的區(qū)域達(dá)到5 m×6 m，相對(duì)智能簽到系統(tǒng)來(lái)說(shuō)已經(jīng)是其幾十倍的范圍了，要在此大范圍內(nèi)而且光照變化明顯的情況下長(zhǎng)時(shí)間進(jìn)行人臉采集、人臉識(shí)別，這必然對(duì)相機(jī)提出要求。而一般要保證人臉識(shí)別，必須保證人臉大小不小于32像素×32像素［2］。
在實(shí)驗(yàn)中采用的是工業(yè)相機(jī)，因?yàn)楣I(yè)相機(jī)可保證系統(tǒng)能長(zhǎng)時(shí)間穩(wěn)定地工作，而且工業(yè)相機(jī)具有高的圖像穩(wěn)定性、高傳輸能力和高抗干擾能力等。根據(jù)式（1）及式（2）可得出物距、物寬、物高、焦距的具體取值。
F=wD/W(1)
F=hD/H(2)
其中,F是鏡頭焦距，w是被攝物體在相機(jī)靶面上的成像寬度，D是被攝物體至鏡頭的距離，W是被攝物體的寬度(也即視場(chǎng)寬)，h是被攝物體在相機(jī)靶面上的成像高度，H是被攝物體的高度(也即視場(chǎng)高)。如現(xiàn)在選取的相機(jī)鏡頭焦距為6 mm，w為4.28 mm，D為7 m，根據(jù)式(1)即可計(jì)算出被攝視場(chǎng)的寬度約為4.99 m。因此根據(jù)實(shí)際環(huán)境的需要通過(guò)計(jì)算得出相機(jī)的最低參數(shù)要求。另外，相機(jī)的像素是圖像成像質(zhì)量的一個(gè)重要影響因素，像素越高，成像質(zhì)量越好，本文通過(guò)大量實(shí)驗(yàn)最終選用500萬(wàn)像素、幀率為14幀的工業(yè)相機(jī)來(lái)作為圖像采集設(shè)備。
在人臉識(shí)別系統(tǒng)中，由于智能識(shí)別對(duì)CPU內(nèi)存的占用率較高［3］，同時(shí)系統(tǒng)需實(shí)時(shí)檢測(cè)跟蹤人臉，幀率為14幀/秒，每幀5 Mbit的情況下一臺(tái)相機(jī)每秒傳輸量達(dá)到70 Mb/s，兩臺(tái)就有140 Mb/s，所以對(duì)計(jì)算機(jī)的CPU、內(nèi)存、存儲(chǔ)速度的要求較高。由于工作站較一般的計(jì)算機(jī)具有更好的穩(wěn)定性，故本系統(tǒng)選用的是工作站，CPU為Intel I74790，主頻為3.60 GHz，處理器內(nèi)存為8 GB，另外使用了固態(tài)硬盤提高讀寫速度以適應(yīng)需求。
2動(dòng)態(tài)人臉識(shí)別系統(tǒng)軟件設(shè)計(jì)
本文的人臉識(shí)別系統(tǒng)會(huì)自動(dòng)將人臉庫(kù)里沒(méi)有的人（即新人）加入人臉庫(kù)，前提是人必須進(jìn)門而且人必須從門前區(qū)域的左邊或右邊離開相機(jī)監(jiān)控區(qū)域，這樣避免了所有進(jìn)入相機(jī)覆蓋范圍內(nèi)的人都加入系統(tǒng)，而有些人是不必加入系統(tǒng)的。如智能簽到系統(tǒng)中只有對(duì)走進(jìn)公司的人進(jìn)行識(shí)別判斷此人是否是公司員工，而不必去識(shí)別路過(guò)公司門口的行人。
2.1人臉識(shí)別系統(tǒng)流程
人臉識(shí)別系統(tǒng)首先通過(guò)兩臺(tái)相機(jī)采集人臉圖像，再對(duì)采集到的圖像序列進(jìn)行人臉檢測(cè)，然后進(jìn)行人臉跟蹤，判斷其是否進(jìn)入室內(nèi)，若進(jìn)入室內(nèi)則對(duì)此人采集到的頭像進(jìn)行識(shí)別，判斷其是否是新人，是則加入人臉庫(kù)，最后對(duì)新的人臉庫(kù)進(jìn)行訓(xùn)練。具體流程如圖4所示。
2.2人臉識(shí)別系統(tǒng)功能結(jié)構(gòu)
動(dòng)態(tài)人臉識(shí)別系統(tǒng)主要功能如圖5所示。
圖像采集模塊從相機(jī)采集到原始圖像保存在本地，處理過(guò)的圖像會(huì)進(jìn)行刪除。
?。?）人臉檢測(cè)模塊處理從圖像采集模塊得到的圖像，實(shí)時(shí)進(jìn)行人臉檢測(cè)［4］，若檢測(cè)出圖像中有人臉截取人臉頭像。
?。?）人臉跟蹤模塊從一個(gè)圖像序列中跟蹤得出該人是否進(jìn)入室內(nèi)，若進(jìn)入室內(nèi)則進(jìn)入下一步操作，若沒(méi)有則丟棄。
?。?）人臉識(shí)別模塊通過(guò)對(duì)人臉檢測(cè)、人臉跟蹤得到的一系列頭像進(jìn)行識(shí)別，進(jìn)而判斷該人是否為新人。
?。?）新人入庫(kù)模塊是在人臉識(shí)別結(jié)果為新人時(shí)將采集到的該人的頭像放入人臉庫(kù)，以便下一次識(shí)別。
?。?）人臉識(shí)別數(shù)據(jù)庫(kù)管理模塊可以對(duì)人臉庫(kù)里的人進(jìn)行管理，可以添加、刪除用戶，并對(duì)更改后的人臉庫(kù)進(jìn)行訓(xùn)練，將人臉特征保存到文件，方便下一次識(shí)別［5］。
2.3人臉庫(kù)的構(gòu)建
隨著系統(tǒng)使用的時(shí)間越來(lái)越長(zhǎng)，人臉庫(kù)可能會(huì)從幾百人增長(zhǎng)到幾千人甚至到幾萬(wàn)人、幾十萬(wàn)人，顯然，如果一次性將人臉庫(kù)里面的人拿去訓(xùn)練是行不通的，而且已經(jīng)訓(xùn)練過(guò)的頭像再次重復(fù)訓(xùn)練也是沒(méi)必要的。因此需要采取些方法改進(jìn)設(shè)計(jì)。
在這里，將人臉庫(kù)與數(shù)據(jù)庫(kù)結(jié)合起來(lái)使用，人臉庫(kù)每新增一個(gè)人就在對(duì)應(yīng)的數(shù)據(jù)庫(kù)表(tb_facelib)里新增一行，每一行有一個(gè)編號(hào)對(duì)應(yīng)人臉庫(kù)里面的具體的一個(gè)人，這樣對(duì)人臉庫(kù)進(jìn)行管理的時(shí)候也比較方便。在訓(xùn)練的時(shí)候會(huì)根據(jù)數(shù)據(jù)庫(kù)tb_facelib表的行數(shù)對(duì)人臉庫(kù)進(jìn)行分割，每200人為一組分為一個(gè)小的人臉庫(kù)進(jìn)行訓(xùn)練，剩余的不足200人且大于100人的按200人的方式處理，小于100人的放入上一個(gè)人臉庫(kù)一起訓(xùn)練，比如總共540人需訓(xùn)練，則每個(gè)庫(kù)人數(shù)分為200人、200人、140人；若總共440人，則每個(gè)庫(kù)分為200人、240人。每次訓(xùn)練完的時(shí)候會(huì)在數(shù)據(jù)庫(kù)表tb_traininfo里更新信息，表的具體信息及其字段描述如表1所示。
當(dāng)有新人加入人臉庫(kù)需要訓(xùn)練的時(shí)候，只需要從tb_traininfo表里取出最后一次訓(xùn)練文件的相關(guān)信息，判斷Train_num的數(shù)目是否小于300，是則直接將此訓(xùn)練文件下所有人臉加上新增的人臉一起訓(xùn)練形成新的訓(xùn)練文件，若大于300，則將此訓(xùn)練文件下面前200個(gè)人作為一個(gè)人臉庫(kù)，剩下的作為另一個(gè)人臉庫(kù)，分別訓(xùn)練，更新tb_traininfo表信息。這樣就不必將整個(gè)人臉庫(kù)重新進(jìn)行訓(xùn)練，節(jié)約了大量時(shí)間。
當(dāng)tb_traininfo表中Train_delnum達(dá)到一定值時(shí)，即被刪除的人達(dá)到一定值時(shí)，則重新對(duì)人臉庫(kù)進(jìn)行分割訓(xùn)練。
識(shí)別的時(shí)候從tb_traininfo表中逐個(gè)取出訓(xùn)練文件名字，找到指定的訓(xùn)練文件拿去識(shí)別，直到得出識(shí)別結(jié)果，若識(shí)別過(guò)程中已識(shí)別出是人臉庫(kù)里面的人則停止識(shí)別，這樣大大節(jié)約了識(shí)別時(shí)間。
3系統(tǒng)運(yùn)行結(jié)果
本文將識(shí)別程序?qū)懗蒞indows服務(wù)程序，計(jì)算機(jī)開機(jī)后會(huì)直接啟動(dòng)運(yùn)行，并自動(dòng)將相關(guān)信息存入數(shù)據(jù)庫(kù)。識(shí)別程序采用經(jīng)典的人臉識(shí)別算法FisherFace，并根據(jù)實(shí)際情況對(duì)此算法進(jìn)行了一些改進(jìn)，其他的人臉識(shí)別算法也可運(yùn)用在本系統(tǒng)中，本文并沒(méi)有對(duì)相關(guān)算法進(jìn)行闡述，只是對(duì)搭建人臉識(shí)別系統(tǒng)進(jìn)行了相關(guān)討論，并且使用微軟公司發(fā)布的一種面向?qū)ο蟮?、運(yùn)行于.NET Framework之上的高級(jí)程序設(shè)計(jì)語(yǔ)言C#設(shè)計(jì)了系統(tǒng)的操作界面［6］。系統(tǒng)運(yùn)行后的主界面如圖6所示。
4結(jié)論
本文從硬件及軟件兩個(gè)方面闡述了動(dòng)態(tài)人臉識(shí)別系統(tǒng)的構(gòu)建，分析了硬件系統(tǒng)中相關(guān)設(shè)備的選型及其相關(guān)參數(shù)的計(jì)算，設(shè)計(jì)了硬件系統(tǒng)結(jié)構(gòu)，實(shí)現(xiàn)了識(shí)別系統(tǒng)中各個(gè)功能模塊，并提出了一種解決人臉庫(kù)不斷擴(kuò)大問(wèn)題的實(shí)際可行方法。將本系統(tǒng)在實(shí)際環(huán)境中進(jìn)行了測(cè)試，結(jié)果表明系統(tǒng)能夠穩(wěn)定可靠地運(yùn)行，且界面友好、操作方便。但是由于跟蹤算法、人臉識(shí)別算法存在的一些不足，如遮擋、姿態(tài)等都會(huì)對(duì)跟蹤以及識(shí)別結(jié)果產(chǎn)生影響，因此，研究高準(zhǔn)確率和高效率的人臉識(shí)別算法至關(guān)重要，這也是接下來(lái)需要改進(jìn)的核心內(nèi)容。
參考文獻(xiàn)
［1］ 劉翼光. 動(dòng)態(tài)人臉識(shí)別系統(tǒng)［D］.北京：中國(guó)科學(xué)院，2000.
?。?］ 高翔，張薇娟. 人臉識(shí)別系統(tǒng)的構(gòu)建［J］. 瓊州學(xué)院學(xué)報(bào)，2010，17(5):2124.
?。?］ 何榮. 基于OpenCV的人臉識(shí)別系統(tǒng)設(shè)計(jì)［D］.廣州：華南理工大學(xué)，2013.
?。?］ 李哲，王述聰. 基于VC++的人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)探究［J］.計(jì)算機(jī)光盤軟件與應(yīng)用，2012(12):197198.
［5］ 朱興統(tǒng)，習(xí)洋洋. 基于C++和OpenCV的人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.自動(dòng)化與儀器儀表，2014(8):127128,131.
［6］ 齊立波，黃俊偉. C#入門經(jīng)典（第六版）［M］.北京：清華大學(xué)出版社，2014.