基于深度置信網(wǎng)絡(luò)的酒店入住管理系統(tǒng)研究

張殉 權(quán)家運

摘要：為了解決當下智能酒店出現(xiàn)無法人證合一以及資源不必要浪費問題，通過視頻流人臉識別技術(shù)與行人再識別技術(shù)應(yīng)用，結(jié)合模糊集理論改進的深度置信網(wǎng)絡(luò)模型實現(xiàn)人體檢測，提出一種新型智能化的酒店入住管理系統(tǒng)模型。人臉識別技術(shù)、多數(shù)據(jù)融合技術(shù)以及“居民身份證網(wǎng)上功能憑證”，為模型提供了可靠的技術(shù)支持。結(jié)合模糊控制理論的深度置信網(wǎng)絡(luò)人體檢測模型相較于傳統(tǒng)人體感應(yīng)模型，可觀察范圍由單一場景拓展到復(fù)雜多因素場景，有效排除了各種因素的干擾。

關(guān)鍵詞：人臉識別;行人再識別;多數(shù)據(jù)融合;模糊集理論;深度置信網(wǎng)絡(luò)

DOI：10.11907/rjdk.192252 開放科學(xué)（資源服務(wù)）標識碼（OSID）：

中圖分類號：TP319文獻標識碼：A 文章編號：1672-7800（2020）006-0125-05

0 引言

在智能家居業(yè)蓬勃發(fā)展的今天，酒店智能化不容忽視。酒店客房一般通過辦理客房卡刷卡人住，通過插卡取電及開關(guān)直接控制燈光空調(diào)等電器設(shè)備。這要求人住者保管好房卡，出門隨身攜帶;若外出時房卡不慎丟失，會帶來麻煩，如果被別有用心之人撿到，容易造成一定安全隱患。并且，酒店辦理者與實際人住者身份不統(tǒng)一，也存在安全方面的隱患。因此，實現(xiàn)方便快捷以及節(jié)能的無卡酒店人住和供能控制尤為重要。

通過調(diào)查已有文獻可知，智能酒店是通過面部識別對房客進行認證識別，從而摒棄了對房卡的使用，但是忽略了房卡對于節(jié)能節(jié)水方面的影響。而實現(xiàn)房卡對于節(jié)能節(jié)水的控制，就需要通過人體感應(yīng)實現(xiàn)“人在供電，人走去電”的特性，而傳統(tǒng)的人體感應(yīng)模型只是針對樓道燈感應(yīng)出水等單一因素和單一場景判定。如何應(yīng)對復(fù)雜場景的人體感應(yīng)是一大難點。

隨著科技的進步與發(fā)展，人臉識別技術(shù)、電子身份網(wǎng)證、多數(shù)據(jù)融合技術(shù)，以及各類傳感器的研究與開發(fā)日益完善，視頻流人臉識別技術(shù)可以實現(xiàn)對人住者的實時跟蹤判斷，在此基礎(chǔ)上延伸酒店智能化特性。本文提出基于模糊理論的傳感器融合人體感應(yīng)技術(shù)，可以解決傳統(tǒng)人體感應(yīng)模型單一因素、單一場景的限制。

1 酒店入住系統(tǒng)總體框架

本系統(tǒng)主要由身份識別認證模塊和房間人體檢測模塊構(gòu)成。用戶通過移動設(shè)備預(yù)定酒店。預(yù)定成功后房客臉部信息進入酒店數(shù)據(jù)庫白名單。用戶進入酒店時被攝像頭識別認證，并通過攝像頭群進行行人再識別。實時定位用戶位置，并對用戶進行位置指引。當用戶到對應(yīng)房間位置時，房間門鎖處于可打開狀態(tài)，通電模塊予以通電。在室內(nèi)設(shè)有人體感應(yīng)模塊，通過對人類居住房間的各種行為因素（諸如站立、睡覺、靜止不動、洗漱、走出房間等）進行模擬，同相應(yīng)傳感器結(jié)合模擬得出數(shù)據(jù)。利用其中一部分數(shù)據(jù)進行學(xué)習(xí)，用其它數(shù)據(jù)進行檢測，創(chuàng)建出一個全面高效的人體感應(yīng)模型，實現(xiàn)全面有效的人體檢測。

2 酒店入住管理系統(tǒng)關(guān)鍵技術(shù)

2.1 技術(shù)需求分析

針對傳統(tǒng)酒店管理系統(tǒng)出現(xiàn)的幾個問題，如何使用現(xiàn)有科技解決問題是本文主要研究內(nèi)容：①解決房卡對于房客人住的限制;②實現(xiàn)人證合一，智能認證房客信息;③保證人住安全性。

房卡的功能主要有兩點：一是刷卡進房，二是插入取電。基于此分析房卡特性為：其一它是人住者身份信息的體現(xiàn)，其二作為供電信號，插卡取電保證了人住通電、人走斷電的供電模式。

基于房卡功能及特性分析，總結(jié)代替房卡所需技術(shù)需求如下：①酒店系統(tǒng)自動識別房客身份，智能開鎖;②酒店系統(tǒng)能夠自動識別房間是否有人，做到智能通斷電。

考慮實現(xiàn)人證合一及安全性所需技術(shù)如下：①店系統(tǒng)能夠存人房客身份認證后的臉部信息，作為人臉識別對比庫;②人的面部信息同身份證信息相結(jié)合，識別房客蹤跡，實時跟蹤判斷。

綜上所知，要代替房卡實現(xiàn)人證合一，借助視頻流人臉識別技術(shù)、行人再識別技術(shù)以及可靠的人體感應(yīng)技術(shù)。

2.2 視頻流人臉識別技術(shù)關(guān)鍵算法Adaboost

人臉檢測?；贏daboost算法加以實現(xiàn)。Adaboost算法是一種自適應(yīng)增強型算法，其優(yōu)點在于經(jīng)過多次迭代，使得被錯誤分類的樣品權(quán)值不斷增大，而正確分類樣品的權(quán)值會減少。在每一次迭代中，都會加入一個弱分類器，當錯誤率的大小符合要求時得到最終強分類器。

Adaboost算法原理為：

（1）設(shè)當前訓(xùn)練集如式（1）所示。

其中給定Y_i∈{-1，1}用于訓(xùn)練樣本的種類標簽。

這時，需要給每一個樣本賦予相同權(quán)值，選定權(quán)值都為1/N，可得初始權(quán)值分布如式（2）所示。

迭代T次，先選取一個弱分類器計算該弱分類器在分布上的誤差，其誤差如式（3）所示。

式中，e_t代表第t次迭代時弱分類器的誤差率，H_t表示此時加人的基本分類器。

計算歸一化常數(shù)Z_t如式（4）所示。

對t+l時刻的權(quán)值分布進行更新如式（5）所示。

（3）對弱分類器進行整合如式（6）所示。

最后通過符號函數(shù)Sign作用得到強分類器如式（7）所示。

在視頻流人臉識別中，考慮到Adaboost算法敏感性問題，可以借助Opencv中膚色辨別方法排除人體中非膚色區(qū)域，這樣能夠大大減少訓(xùn)練時間。

2.3 基于Camshift算法的行人再識別技術(shù)實現(xiàn)

在攝像頭識別房客后，要對房客的運動軌跡進行追蹤，這樣才能夠在酒店內(nèi)精準定位到房客位置，而實現(xiàn)這一功能的關(guān)鍵算法便是由Meanshift算法改良后的Camshift算法，流程如圖2所示。

Camshifl算法是一種通過爬升概率分布梯度獲得最近主峰的無參方法，是Meanshift的改進版，在一階矩基礎(chǔ)上再次計算窗口各元素的二階矩。其算法原理如下：

（1）計算窗口的零階距。

運用Camshift算法可以有效解決目標遮擋以及變形，并且其時間復(fù)雜度低。但是它也有缺點，如當背景較為復(fù)雜時，會有較多的像素干擾，這時可能會導(dǎo)致跟蹤失敗。因此，對于酒店走廊背景設(shè)計應(yīng)該以精簡為主。

2.4 結(jié)合模糊集理論改進深度置信網(wǎng)絡(luò)模型的人體檢測實現(xiàn)

當前，感應(yīng)人體的傳感器種類繁多，主要運用于感應(yīng)燈、安保措施等方面。人們主要運用單一傳感器對人體進行檢測，考慮的只是單一的、某一區(qū)域的靜態(tài)檢測，往往會存在很多局限性。常用人體感應(yīng)傳感器及其局限性如表1所示。

由于單一傳感器的局限性以及特定場景的不可預(yù)測性，單一傳感器顯然無法可靠全面地判斷人是否在房間。而由于酒店的特殊性，其無法安裝攝像頭。因此，根據(jù)各種傳感器的優(yōu)缺點，結(jié)合特定場景放置其它傳感器，可以設(shè)計出一個穩(wěn)定可靠的人體感應(yīng)模型。

模糊集是描述不確定事物以及不確定現(xiàn)象的一種數(shù)學(xué)手段，它可以將復(fù)雜的事物邏輯轉(zhuǎn)換為[0，1]區(qū)間上的邏輯，常用在模式識別中。可以將存在住戶與不存在住戶的邏輯轉(zhuǎn)換為隸屬度，然后在深度學(xué)習(xí)中引入模糊集概念，這樣可以有效提高預(yù)測精準度。

在識別方面，深度置信網(wǎng)絡(luò)（DBN）是當今使用較多的一種深度學(xué)習(xí)結(jié)構(gòu)，它由多個受限玻爾茲曼機（RBM）組合而成。如圖4所示，受限玻爾茲曼機由可見層和隱層單元組成，它是基于能量的概率模型，其概率分布如下：

其中，E（x，h，θ）代表能量函數(shù);x和h為RBM網(wǎng)絡(luò)可見與隱藏的單元配置;b和c為偏移量;W為可視節(jié)點和隱藏節(jié)點的權(quán)重;θ為系統(tǒng)參數(shù)。

通過對人類居住房間的各種行為因素（諸如站立、睡覺、靜止不動、洗漱、走出房間等）進行模擬，同相應(yīng)傳感器結(jié)合模擬得出數(shù)據(jù)集X。將數(shù)據(jù)集分成訓(xùn)練集和測試集兩個部分：其中，X^R代表用于訓(xùn)練的數(shù)據(jù)集，可表示為X^R=[x¹，x²，…x^m]，其中m代表訓(xùn)練數(shù)目，X^T代表用于測試的數(shù)據(jù)集，可表示為X^T=[x¹，x²，…xⁿ]，其中n代表用于測試數(shù)據(jù)的數(shù)目，x=[x₁，x₂，…x_D]，D代表傳感器數(shù)目。

接下來對數(shù)據(jù)集進行訓(xùn)練，DBN通過逐層非監(jiān)督學(xué)習(xí)構(gòu)建而成，特征提取和分類步驟是使用相同的深度學(xué)習(xí)框架。通過是否標記來區(qū)分接受訓(xùn)練以及未接受訓(xùn)練的數(shù)據(jù)集，然后將未標記的數(shù)據(jù)集放人第一層RBM網(wǎng)絡(luò)，這里接收的是未經(jīng)過處理的原始特征向量數(shù)據(jù)，訓(xùn)練得到參數(shù)W₁。訓(xùn)練完成后，將第一層RBM網(wǎng)絡(luò)的隱含層作為第二層網(wǎng)絡(luò)的可視層，輸出的處理數(shù)據(jù)作為第二層的輸人數(shù)據(jù)。繼續(xù)訓(xùn)練網(wǎng)絡(luò)參數(shù)W₂，以此類推，得到參數(shù)集W。

在經(jīng)過學(xué)習(xí)后，往往訓(xùn)練好的模型并不能滿足需求，需要使用BP算法對整個訓(xùn)練的DBN進行微調(diào)。將錯誤的信息反向傳遞至DBN中的所有RBM網(wǎng)絡(luò)，讓其更加準確地進行分辨。在分辨上，采用模糊集描述訓(xùn)練結(jié)果為“房間有房客”或者是“房間無房客”的隸屬度。使用A（x）表示房間有人的隸屬度函數(shù)，B（x）表示房間無人的隸屬度函數(shù)，其中A（x）∈[0，1]，B（x）∈[0，1]。由于本次模型訓(xùn)練結(jié)果只有“房間有房客”與“房間無房客”兩種，因此最后一層RBM網(wǎng)絡(luò)中h（x）的維度為2，這樣可以計算出這一層h（x）與類別分界線的距離D（x）。

對于數(shù)據(jù)集里單一的一條數(shù)據(jù)x^t（其中0t）>0，則代表此時有房客，否則便是房間內(nèi)無房客。

隸屬度函數(shù)A（x）和B（x）與距離函數(shù)D（x）的關(guān)系可以由以下方程表示。

式中，β為A（x）由0變?yōu)?時x的距離，y為x軸上A（x）與B（x）的對稱中心點。輸入每組數(shù)據(jù)時會得到一個距離函數(shù)D（xⁿ），這樣多次輸入便可以估計出β和y的模糊最優(yōu)解。在得到最優(yōu)解后便可使用這些參數(shù)建立模糊深度結(jié)構(gòu)，再次優(yōu)化權(quán)重參數(shù)w，將A（x）與B（x）作為輸入，如圖5所示。

3 酒店入住管理系統(tǒng)對比分析

通過對傳統(tǒng)酒店以及最近興起的智慧酒店人住管理系統(tǒng)進行分析，再同本文提出的人住管理系統(tǒng)進行比較，得出本文提出的人住管理系統(tǒng)優(yōu)勢及發(fā)展空間。

3.1 傳統(tǒng)酒店入住模式

傳統(tǒng)酒店采用持卡人住和持卡取電的人住管理模式，如圖6所示。房客持身份證到酒店前臺辦理人住手續(xù)，前臺通過將身份證信息傳遞給公安系統(tǒng)，后臺管理系統(tǒng)認證房客身份，認證完畢前臺給予房客房卡，房客持卡尋找房間，刷卡進房以及插卡取電，房客外出時拔卡斷電。

3.2 新型智慧酒店入住模式

隨著人臉識別技術(shù)的日益完善，傳統(tǒng)的酒店人住模式隨之改進，電子身份證的出現(xiàn)也促進了這一改進。如圖7所示，在新型智慧酒店里，用戶可以通過大廳自助辦理人住手續(xù)，沒有攜帶身份證時也可以通過人臉識別以及電子網(wǎng)證辦理人住手續(xù)，辦理好之后，用戶可以通過房間前的人臉識別裝置刷臉進人房間。

3.3 入住管理系統(tǒng)優(yōu)勢

通過對新舊管理模式進行對比研究發(fā)現(xiàn)，舊的酒店管理系統(tǒng)主要依靠人工辦理人住，房客人住以及取電完全依靠房卡，這樣的人住模式會帶來以下缺點：①若房卡遺落房間，將會對房客造成很大困擾;②房客外出時若房卡丟失，會造成較大安全問題（傳統(tǒng)房卡上會標有房間號）;③辦理人住人與實際人住人身份有時無法相統(tǒng)一;④辦理模式比較繁瑣，對人工依賴較大。新型智慧酒店解決了上述問題，但在節(jié)能取電方面還有待改進。本文采用視頻流人臉識別和行人再追蹤技術(shù)，讓房客無卡進入房間，并且可以同電梯及指示燈結(jié)合，做到智能引導(dǎo)房客進入房間，其應(yīng)用的人體感應(yīng)技術(shù)很好地解決了節(jié)能取電方面的問題。

4 結(jié)語

本文通過對Adboost算法、Camshm算法以及結(jié)合模糊理論深度置信網(wǎng)絡(luò)進行研究，提出了一種新型酒店人住管理系統(tǒng)，實現(xiàn)了人證合一、節(jié)能取電的效果。同時，針對新型智慧酒店對于資源節(jié)約上的短板，提出了一種新型的人體檢測方式，實現(xiàn)了人在供電、人走去電。通過該研究，解決了傳統(tǒng)人體傳感器對于場景的依賴，提高了檢測可靠性。