AI人臉識(shí)別技術(shù)的改進(jìn)及其在校園的應(yīng)用

張靜

(西北大學(xué)現(xiàn)代學(xué)院 基礎(chǔ)部， 陜西 西安 710130)

0 引言

在傳統(tǒng)的校園教學(xué)與管理工作中，對于學(xué)生身份的甄別和輸入性的需求隨處可見，課前點(diǎn)到、考前身份驗(yàn)證、校門及宿舍出入的管理登記等都需要身份的識(shí)別。在教學(xué)環(huán)境中目前使用更多的還是依靠傳統(tǒng)人工操作，在學(xué)生數(shù)量龐大的基礎(chǔ)之上，顯得捉襟見肘。這不僅給老師及相關(guān)工作人員帶來額外巨大工作量，同時(shí)也會(huì)給正常的教學(xué)及管理工作的有序開展，帶來一定的干擾，如課堂教學(xué)無法按時(shí)開展、考試秩序混亂及進(jìn)出積壓排隊(duì)等問題。為此，引入智能化身份識(shí)別技術(shù)顯得尤為重要。

身份的識(shí)別，從早期的簡單文字和號(hào)碼，到可讀取的身份證，再到后來的指紋，以及目前廣泛應(yīng)用的臉部識(shí)別，從鑒別速度、正確率和運(yùn)用的廣泛度都提升了很多，為我們的工作、生活都帶來了很多的便利。本研究基于深度學(xué)習(xí)算法的AI人臉識(shí)別技術(shù)，結(jié)合實(shí)際教學(xué)及管理工作需要，通過機(jī)器學(xué)習(xí)模擬和算法改進(jìn)的方式，將傳統(tǒng)的人工操作實(shí)現(xiàn)全程自動(dòng)化、智能化，降低教師及相關(guān)人員工作量的同時(shí)，也能保證教學(xué)秩序和校園生活的有序進(jìn)行。

1 主流識(shí)別技術(shù)及對比

目前應(yīng)用廣泛的識(shí)別讀取技術(shù)，按照其存在外觀形式和核心技術(shù)原理，主要有以下四大類。

1.1 磁條卡

磁條卡廣泛應(yīng)用于早期銀行卡、飯卡等場景，采用將鐵性氧化材料，通過樹脂貼合劑嚴(yán)密的粘在非磁性介質(zhì)上，以磁道形式排列，通過專門的讀寫裝置磁頭，利用線圈電流對磁道進(jìn)行數(shù)據(jù)的寫入和讀取。后期隨著發(fā)展，應(yīng)用最多的為非接觸式磁卡，核心原理類似，磁條容易磨損且易受到周圍磁場的干擾，甚至出現(xiàn)消磁，導(dǎo)致無法讀取的情況。

1.2 IC芯片卡

磁條卡制作成本低，但易于磨損破壞，并且容易受到應(yīng)用場景周圍到其他磁場的干擾，導(dǎo)致讀取失敗和安全性問題，因此出現(xiàn)了IC芯片類。IC芯片由晶體管、電容、電阻等眾多微電子元器件組成，通過電磁波引起微電路共振形成電容內(nèi)存儲(chǔ)達(dá)到存儲(chǔ)目的，數(shù)據(jù)寫入不可逆，性能安全穩(wěn)定。但隨著使用次數(shù)增多，芯片線路會(huì)磨損，保存時(shí)也不能折彎，使用壽命有限。

1.3 指紋按壓識(shí)別

指紋按壓識(shí)別通過傳感器收錄指紋信息，并進(jìn)行數(shù)據(jù)轉(zhuǎn)換與庫存預(yù)設(shè)的指紋信息進(jìn)行相似度比對，以此來確認(rèn)甄別信息。相對于上述傳統(tǒng)接觸和非接觸式磁類識(shí)別來說，更為便捷且安全，目前正廣泛應(yīng)用于手機(jī)、門鎖及打卡等日常設(shè)備中。但對于手指指紋的完整性要求高，對于指紋弱或者皮膚易磨損者來說識(shí)別效率低。

1.4 面部識(shí)別類

隨著人工智能(AI)不斷發(fā)展，識(shí)別技術(shù)的發(fā)展與應(yīng)用也得到了更大的提升，在帶來便捷的同時(shí)，被識(shí)別人真實(shí)身份的有效性及唯一性等安全問題屢屢出現(xiàn)，在這個(gè)大背景之下，誕生了面部識(shí)別算法，如圖1所示。

圖1 面部識(shí)別圖

通過人的五官關(guān)鍵特征點(diǎn)，變換到矩陣點(diǎn)信息來運(yùn)算，最終與庫存數(shù)據(jù)比對來甄別唯一性，也是目前識(shí)別應(yīng)用中最為前沿的識(shí)別方式，安全可靠且快速。但在一些客觀條件下，同樣會(huì)影響到識(shí)別的速度和準(zhǔn)確率，如光線明暗、美瞳隱形眼鏡等。

通過主要識(shí)別技術(shù)對比，如表1所示。

表1 識(shí)別技術(shù)對比表

不難發(fā)現(xiàn)，基于人工智能AI的人臉(面部神經(jīng))識(shí)別算法無論從安全、速度及抗干擾性方面都具有極大的優(yōu)勢，刷臉支付、刷臉解鎖、刷臉打卡等，可以說無處不在，已被廣泛應(yīng)用。

本研究將在面部識(shí)別核心算法的基礎(chǔ)上，通過優(yōu)化目標(biāo)檢測算法和深化數(shù)值模型，使檢測在光線和外置物干擾的情況下也能準(zhǔn)確迅速完成，同時(shí)借助云數(shù)據(jù)管理，從而實(shí)現(xiàn)教學(xué)及校園生活管理的全智能化、自動(dòng)化。

2 面部識(shí)別核心技術(shù)原理

人臉面部識(shí)別技術(shù)是一種利用人臉特征信息數(shù)據(jù)進(jìn)行身份甄別的技術(shù)，通過圖像采集設(shè)備，對包含有人臉的圖形進(jìn)行截取、識(shí)別定位及比對，從而判斷是否為同一人。由于其安全穩(wěn)定、可靠迅速等特點(diǎn)，正在被廣泛地應(yīng)用于金融、安全監(jiān)控及移動(dòng)設(shè)備等各個(gè)領(lǐng)域。從圖像收集輸入到比對結(jié)果的輸出，核心框架流程[1]，如圖2所示。

圖2 核心框架流程圖

主要由以下六部分構(gòu)成：數(shù)據(jù)采集、檢測、定位、校準(zhǔn)、計(jì)算和結(jié)果比對。

2.1 數(shù)據(jù)采集

隨著電子元器件等硬件的不斷發(fā)展，高清攝像頭和圖像采集設(shè)備被廣泛應(yīng)用，通過光學(xué)鏡頭組件將圖像發(fā)射到對應(yīng)傳感器上并同時(shí)轉(zhuǎn)換成電信號(hào)，然后通過A/D數(shù)電轉(zhuǎn)換成數(shù)字圖像信號(hào)，再將數(shù)字圖像提交到處理中心處理后(DSP),最終將顯示信號(hào)提交到終端顯示器硬件進(jìn)行最終的顯示，如圖3所示。

圖3 數(shù)據(jù)采集圖

2.2 面部檢測

面部檢測在整個(gè)識(shí)別步驟中屬于預(yù)處理階段，即從已經(jīng)采集到的圖片中準(zhǔn)確獲取人臉的位置及大小。因?yàn)槿四槇D像的特征比較豐富，從顏色、結(jié)構(gòu)到模版特征等，所以主流的檢測方法，像AdaBoost(自適應(yīng)增強(qiáng)學(xué)習(xí))就是將這些極具特征的關(guān)鍵數(shù)據(jù)信息從圖像數(shù)據(jù)中提取出來以達(dá)到快速檢測的目的，如圖4所示。

圖4 面部檢測圖

2.3 面部定位

通過快速檢測實(shí)現(xiàn)了初步的人臉篩選，將具備人臉特征的圖像數(shù)據(jù)從龐雜的數(shù)據(jù)中篩選出來，并截取緩存出來。接下來就需要對緩存的每個(gè)臉部數(shù)據(jù)進(jìn)行精準(zhǔn)定位，獲取關(guān)鍵特征點(diǎn)數(shù)據(jù)，為后續(xù)各個(gè)特征向量點(diǎn)之間的值運(yùn)算和結(jié)果比對做好準(zhǔn)備[2-3]，關(guān)鍵的特征點(diǎn)數(shù)據(jù)主要包括雙眼、鼻尖和嘴角，如圖5所示。

圖5 面部定位圖

其中，綠點(diǎn)標(biāo)注即為關(guān)鍵特征點(diǎn)數(shù)據(jù)。

2.4 面部數(shù)據(jù)校準(zhǔn)

定位獲取到的關(guān)鍵特征點(diǎn)數(shù)據(jù)，雖然可以精準(zhǔn)地獲得人臉?biāo)趫D像單元信息，但由于一些客觀原因，如拍照時(shí)的角度、光線明暗等問題，最終會(huì)導(dǎo)致采集到的關(guān)鍵特征點(diǎn)數(shù)據(jù)不夠全面及完整，并直接影響最終比對結(jié)果。因此，需要對定位到的關(guān)鍵數(shù)據(jù)進(jìn)行二次校準(zhǔn)或者補(bǔ)全，使其與目標(biāo)庫數(shù)據(jù)在同一比量標(biāo)準(zhǔn)下匹配，從而提高識(shí)別正確率。

對于光線導(dǎo)致的數(shù)據(jù)缺失問題，通過假設(shè)pr為原圖片灰度密度函數(shù)，pz為期望調(diào)整后的灰度密度函數(shù)，建立兩者之間的中介連接，調(diào)整灰度分布，即可達(dá)到校準(zhǔn)的作用，如圖6、圖7所示。

檢測獲得的人像角度問題最為常見，因?yàn)閷Ρ群饬拷y(tǒng)一性不足，會(huì)對后期比對計(jì)算帶來額外的開銷，影響速率的同時(shí)也會(huì)一定程度上影響精度。因此通常會(huì)通過獲取到的關(guān)鍵特征點(diǎn)數(shù)據(jù)，利用特征點(diǎn)數(shù)據(jù)矩陣公式進(jìn)行矩陣變換操作，如式(1)。

(1)

達(dá)到人臉角度的統(tǒng)一，如圖8所示。

圖8 矩陣變換效果圖

2.5 特征數(shù)據(jù)的矩陣計(jì)算與結(jié)果比對

通過上述圖像的采集、定位及校準(zhǔn)等一系列前置型處理后，接下來就可以將最終校準(zhǔn)好的圖片上的關(guān)鍵特征數(shù)據(jù)信息提取出來，通過計(jì)算關(guān)鍵特征點(diǎn)利用歐式距離，如式(2)。

(2)

得出歐式距離，并于標(biāo)準(zhǔn)庫模型數(shù)據(jù)的閥值進(jìn)行比對，小于閥值則可以判定為同一人即檢測成功，反之大于則將判定為不是同一人。

3 采集識(shí)別算法改進(jìn)與深度學(xué)習(xí)模型

通過采集、檢測、定位、校準(zhǔn)和計(jì)算比對等一系列步驟之后，就可以得出檢測結(jié)果。最后對檢測結(jié)果數(shù)據(jù)進(jìn)行選擇性校準(zhǔn)處理，使其數(shù)據(jù)標(biāo)準(zhǔn)與標(biāo)準(zhǔn)庫的數(shù)據(jù)保持一致，從而保證最終結(jié)果的有效性。整個(gè)過程中，圖片數(shù)據(jù)的有效采集和快速計(jì)算，一定程度上決定了整個(gè)識(shí)別檢測過程的快速準(zhǔn)確，為此結(jié)合實(shí)際使用，本研究將從采集、計(jì)算及模型數(shù)據(jù)方面進(jìn)行優(yōu)化改進(jìn)，使得整個(gè)識(shí)別過程更加高效、準(zhǔn)確。

3.1 采集方式的優(yōu)化

針對采集到的圖片密度分布樣式和角度問題，一定程度上會(huì)極大地簡化后期數(shù)據(jù)校準(zhǔn)的復(fù)雜度，為此可以從軟件和硬件兩個(gè)方面進(jìn)行升級(jí)。

3.1.1 感光補(bǔ)光系統(tǒng)

增加光線感應(yīng)芯片，通過自動(dòng)感應(yīng)運(yùn)作時(shí)周邊環(huán)境的明暗度，采集時(shí)進(jìn)行自動(dòng)補(bǔ)光，使得采集到的圖片整體對比度高且灰度密度分布均勻，減少后期因?yàn)椴杉瘓D片密度不均勻?qū)е碌拇罅科胶膺\(yùn)算，從根本上提高識(shí)別速率。

3.1.2 自動(dòng)補(bǔ)全拉伸

識(shí)別系統(tǒng)的圖像采集，一定程度和平時(shí)生活所用到的攝影或者拍照的圖像采集有著本質(zhì)區(qū)別，生活中的圖像更傾向于高清和效果化，而識(shí)別用到的圖像只需要保證關(guān)鍵信息的完整性。因此，在圖像采集生成后，可以使用快速計(jì)算模型，定位出角度存在問題的臉部，通過計(jì)算表現(xiàn)完整的局部特征數(shù)據(jù)，快速演算出完整性情況下的其他缺失或者模糊的部分特征數(shù)據(jù)，以達(dá)到快速校準(zhǔn)的目的。

通過計(jì)算水平關(guān)系的關(guān)鍵特征點(diǎn)所形成的線段與水平的角度差，對采集的圖片進(jìn)行快速反向旋轉(zhuǎn)[4]，使得圖片角度水平，如圖9所示。

實(shí)際采集圖像數(shù)據(jù)時(shí)，除了光線之外，角度問題最為突出，隨著被采集人的姿勢不同而不同，因此更多時(shí)候透視的角度會(huì)導(dǎo)致圖片的不完整性，因此后期需要大量的矩陣平移運(yùn)算，以達(dá)到復(fù)原的要求。通過計(jì)算局部完整特征點(diǎn)的相對距離，可以快速演算出其他不完整處，使得采集的數(shù)據(jù)完整化，解決比對運(yùn)算的復(fù)雜性[4]，如圖10所示。

圖10 快速完整性復(fù)原圖

3.2 深化模型數(shù)據(jù)

傳統(tǒng)的模型數(shù)據(jù)庫，更多是將各個(gè)待比對人的關(guān)鍵特征點(diǎn)數(shù)據(jù)進(jìn)行存儲(chǔ)，比對時(shí)會(huì)實(shí)時(shí)從數(shù)據(jù)庫中依次查找并且進(jìn)行歐式距離運(yùn)算，再進(jìn)行結(jié)果比對。這種做法從查找和運(yùn)算速率來講效率極低，最終表現(xiàn)為識(shí)別慢、并發(fā)差。

為此，可以在錄入關(guān)鍵特征點(diǎn)數(shù)據(jù)后，運(yùn)用機(jī)器自適應(yīng)學(xué)習(xí)算法，自動(dòng)計(jì)算并保存關(guān)鍵數(shù)據(jù)點(diǎn)間的相對關(guān)系值和預(yù)設(shè)歐式距離，并依照索引排序[4]，如表2所示。

表2 模型數(shù)據(jù)學(xué)習(xí)表

進(jìn)行查找比對時(shí)，通過相對關(guān)系和歐式預(yù)設(shè)值進(jìn)行初步過濾，可減少更多的計(jì)算冗余度[4]。

4 AI人臉識(shí)別系統(tǒng)在校園生活中的應(yīng)用

隨著發(fā)展進(jìn)步，校園學(xué)習(xí)和生活越發(fā)得豐富，校門宿舍門禁系統(tǒng)、超市收銀系統(tǒng)、飯?zhí)媒Y(jié)賬系統(tǒng)、考試管理系統(tǒng)和簽到系統(tǒng)等智能終端層出不窮，帶來方便的同時(shí)，也帶來了以下問題。

(1) 系統(tǒng)吞吐率低

校園里多為集中統(tǒng)一的作息時(shí)間，每天都會(huì)出現(xiàn)很多系統(tǒng)同時(shí)使用的高峰期，排長龍現(xiàn)象隨處可見。例如：課前簽到、就餐打飯、進(jìn)出宿舍和超市購物等場景，往往很多時(shí)候還需要人工的配合，系統(tǒng)吞吐率極低，對師生的工作和生活帶來很多不便。

(2) 系統(tǒng)綜合管理效率低

日益增多的系統(tǒng)之間缺乏統(tǒng)一性管理，大部分學(xué)校系統(tǒng)數(shù)據(jù)之間相互獨(dú)立，往往需要信息管理部門按照系統(tǒng)，設(shè)置不同的崗位人員進(jìn)行針對性管理，最后再由專人做數(shù)據(jù)統(tǒng)一收集和整理，既耗費(fèi)人力，也缺乏智能中心化數(shù)據(jù)流通支撐體系，為未來智能化校園建設(shè)與發(fā)展帶來了不小的阻礙。

(3) 安全性隱患

目前校園里各個(gè)系統(tǒng)的識(shí)別通常使用傳統(tǒng)的一卡通實(shí)體卡形式，這樣經(jīng)常會(huì)出現(xiàn)一人擁有多張卡，甚至多人使用同一張卡的情況。而且實(shí)體卡易折損和易丟失，無論從保管的安全性、易損性以及使用人實(shí)名制方面等存在嚴(yán)重問題，給師生的個(gè)人信息保護(hù)和財(cái)產(chǎn)安全，以及校園安全管理也帶來了不少隱患。

相對于傳統(tǒng)實(shí)體卡，AI人臉識(shí)別技術(shù)具有讀取效率快、安全穩(wěn)定性高和唯一性等特點(diǎn)，將其作為校園教學(xué)和生活各個(gè)系統(tǒng)的統(tǒng)一識(shí)別甄別入口，將從根本上解決效率和安全問題，如圖11所示。

圖11 校園AI人臉識(shí)別系統(tǒng)圖

具體表現(xiàn)在如下方面。

(1) AI人臉識(shí)別技術(shù)無需人工配合，只需人臉對準(zhǔn)掃描器，將在毫秒間完成驗(yàn)證讀取，既高速便捷又準(zhǔn)確。尤其在上課前集中打卡、吃飯時(shí)間刷卡消費(fèi)等應(yīng)用場景更為明顯，排長龍現(xiàn)象將一去不返，從根本上提高了校園教學(xué)與生活的有序進(jìn)行。

(2) AI人臉識(shí)別技術(shù)的引入，師生將無需再擔(dān)心一卡通損壞和丟失的管理問題。尤其在實(shí)名唯一性的特點(diǎn)上，可以說對校園出入門禁系統(tǒng)的安全管理起到了決定性作用，為學(xué)校安全管理工作帶來了革命性的幫助。

(3) 人臉身份識(shí)別的唯一可靠性，可以與校園所有終端系統(tǒng)數(shù)據(jù)進(jìn)行一對一有效對應(yīng)，實(shí)現(xiàn)真正的校園數(shù)據(jù)云中心化，使得多系統(tǒng)之間的數(shù)據(jù)產(chǎn)生關(guān)聯(lián)，帶來便捷性的同時(shí)，也為智能現(xiàn)代校園的建設(shè)帶來數(shù)據(jù)性支撐和參考。

5 總結(jié)

在科學(xué)技術(shù)高速發(fā)展的今天，互聯(lián)網(wǎng)云端技術(shù)和人工智能的應(yīng)用隨處可見，一場悄無聲息的產(chǎn)業(yè)升級(jí)正在不斷地改變著我們的生活，也為校園的教學(xué)工作與生活配套的建設(shè)帶來了前所未有的幫助，但同時(shí)也存在著很多問題。為此，引入全新的人工智能AI識(shí)別技術(shù)，有利于從根本上解決校園各個(gè)系統(tǒng)在使用過程中遇到的吞吐率低、管理效率低和安全性問題，也將為建設(shè)現(xiàn)代校園、智能校園和未來校園起到關(guān)鍵性作用。