隧道工程人員身份安全識別

王 君，徐銘江，梁薇薇，陳定安，孫曄然

（1.中山大學(xué)南方學(xué)院電氣與計(jì)算機(jī)工程學(xué)院，廣東廣州 510970；2.重慶郵電大學(xué)自動化學(xué)院，重慶 400065；3.廣州恒通智聯(lián)科技有限公司，廣東廣州 510630；4.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東廣州 510970；5.斯旺西大學(xué)理學(xué)院地理系，斯旺西SA2 8PP）

鐵路隧道工程環(huán)境復(fù)雜，易發(fā)生工程安全險 情。發(fā)生險情時，一旦有安全事故，缺少人員信息將成為開展救援任務(wù)的一大難題[1]。傳統(tǒng)單一的辨識方法因無法及時預(yù)警和有效輔助救援，所以不適應(yīng)于這種情況。為此，需要開發(fā)新的識別技術(shù)，以提高工程人員的安全性[2]?？梢砸肴四槨⒑缒?、聲音等獨(dú)特的生物特征，提高身份辨識能力[3-5]。

1 生物識別技術(shù)

1.1 面部識別技術(shù)

不同的人臉具有不同的面部特征，比對面部特征可以用來鑒定身份。面部識別一般具有以下特性[6]：

1）自主性：機(jī)器可以自主監(jiān)控識別；

2）非接觸性：識別不需要特意觸碰；

3）高效性：在實(shí)際中，可以一次識別一群人。

面部識別方式如下[7-11]：

1）人臉面部檢測，將圖片中有人臉的區(qū)域挑出來；

2）結(jié)合人臉的區(qū)域再計(jì)算出個人眼睛等位置和特征信息；

3）最后與后臺數(shù)據(jù)進(jìn)行對比，鑒定身份。

1.2 虹膜識別技術(shù)

虹膜從出生就不再改變，是每個人特有的特征，可以用來識別身份。此外，虹膜識別還具有穩(wěn)定性、可實(shí)時檢測的特點(diǎn)，虹膜的特征點(diǎn)很豐富，有兩百多個特征點(diǎn)[12]，方便用于身份識別。

1.3 聲音識別技術(shù)

對聲源信號分析得到聲紋的頻譜等相關(guān)特征，并通過比對數(shù)據(jù)庫中的信息來辨別個人身份。對聲紋信號采樣并進(jìn)行數(shù)字化后就可以高效區(qū)分不同人的聲音。語音可近似看作周期信號，可以用聲音的頻率分布對輸入聲音的信號頻譜進(jìn)行處理,提取主要的特征信息[13-14]，然后進(jìn)行訓(xùn)練形成信息庫，再與信息庫中的數(shù)據(jù)進(jìn)行匹配，最終確定結(jié)果。

2 身份識別系統(tǒng)整體設(shè)計(jì)

盡管只針對面部進(jìn)行的單一識別技術(shù)比較方便，然而當(dāng)檢測環(huán)境條件惡劣時，對施工人員進(jìn)行識別的檢測設(shè)備易受粉塵遮擋、光線不足等原因的干擾，或者因照明不足以有效識別面部，導(dǎo)致面部特征不清晰[1]，無法有效得出人員特征信息。若攝像頭視線遮擋，虹膜識別的準(zhǔn)確率也很容易受到影響。同樣，只針對聲音進(jìn)行的單一識別技術(shù)的準(zhǔn)確率容易受機(jī)械噪音大、受測人員身體條件異常的影響。所以，只針對聲音進(jìn)行的單一識別技術(shù)不適用于這種特殊情況。

針對以上問題，文中將面部信息數(shù)據(jù)、虹膜信息數(shù)據(jù)、聲音信息數(shù)據(jù)相結(jié)合，得到新的復(fù)合特征信息。然后，用決策樹支持向量機(jī)（Decision Trees Support Vector Machine，DT-SVM）分類器來比較復(fù)合的特征信息，結(jié)合在數(shù)據(jù)庫中存檔的受測人員特征，得到受測者的身份信息，識別流程如圖1 所示。

圖1 復(fù)合特征識別流程

2.1 離散余弦變換

離散余弦變換可以把高維立體圖像映射到低維線性空間。且具有很強(qiáng)的能量集中特性。由二維圖像數(shù)據(jù)序列f(x,y)可知，二維離散余弦變換為：

根據(jù)離散余弦變換基本原理，可以將低于閾值的系數(shù)量化為0，以保留圖像特征。

2.2 DT-SVM分類器

在識別復(fù)合特征信息的主要工作中，樣本間的歐式距離是決策標(biāo)準(zhǔn)[14]。支持向量機(jī)可以將輸入的內(nèi)容按照一定的界限分為兩半[15-16]。然后，DT-SVM分類器可以通過類似二叉樹的形式將分類后的子類繼續(xù)細(xì)分，最后留下單獨(dú)的特征類別，再采集到重點(diǎn)信息以后完成最后的分類辨別工作。

3 特征獲取

獲取100 個隧道工人的正面人臉特征、虹膜特征、聲音特征，產(chǎn)生新特征信息的模板庫。

3.1 人臉特征獲取

通過攝像頭采集到30 幅1 280×720 像素的圖像。處理后，系統(tǒng)將繼續(xù)通過感興趣區(qū)域處理(Region of Interest，ROI)，通過簡化圖片中的特征信息來減少辨別工作的負(fù)荷。可以獲得50×50 像素的圖像矩陣。然后，進(jìn)行圖像歸一化處理、自適應(yīng)閾值二值化，減少檢測環(huán)境中光照的影響。通過采集的人臉圖像，計(jì)算獲得人臉眼、鼻等關(guān)鍵點(diǎn)的坐標(biāo)關(guān)系，為虹膜識別作準(zhǔn)備。同時，通過二維離散余弦變換、自適應(yīng)閾值、將低于閾值系數(shù)的量化為0，消除部分非重點(diǎn)特征，使得離散余弦逆變換僅保留1×500維的特征向量，成為人臉的新特征向量。人臉新特征獲取過程效果圖如圖2 所示。

圖2 人臉新特征獲取過程效果圖

3.2 虹膜特征獲取

由人臉識別獲得人臉眼、鼻等關(guān)鍵點(diǎn)的坐標(biāo)關(guān)系，然后通過快速辨別出面部圖像上的人眼相對位置來選出作為原點(diǎn)的中心坐標(biāo),鎖定中心坐標(biāo)以檢測（10*10）鄰域并確定眼睛的位置。鎖定并得到虹膜信息，要對目標(biāo)進(jìn)行擬合，從而得到合適的、沒有明顯干擾信息的30 幅虹膜特征圖像。然后，通過二維離散余弦變換，自適應(yīng)閾值，將低于閾值的系數(shù)量化為0，消除部分非重點(diǎn)特征，使得離散余弦逆變換僅保留1×500 維的特征向量，作為虹膜的新特征向量。虹膜的新特征獲取過程效果圖如圖3所示。

圖3 虹膜新特征獲取過程效果圖

3.3 聲音特征的獲取

利用拾音器獲得工程人員聲音采樣，得到30 段聲音頻譜，為了使聲音特征信號有效可用，分析聲音頻譜規(guī)律，對聲音進(jìn)行預(yù)處理，并濾掉噪音以及環(huán)境對聲音的不良干擾，最終得到有效的聲音頻譜特征圖，如圖4 所示。然后，通過二維離散余弦變換、自適應(yīng)閾值，將低于閾值系數(shù)量化為0，消除部分非重點(diǎn)特征，然后進(jìn)行離散余弦逆變換，僅保留1×500 維的特征向量，作為聲音的新特征向量。

圖4 聲音頻譜特征圖

考慮工程作業(yè)實(shí)際條件中應(yīng)用單片機(jī)的場合較多，故需簡化算法來減少對CPU 的負(fù)荷，在預(yù)處理圖像后，均衡減小了噪聲的實(shí)際影響。離散余弦變換和離散余弦逆變換時，文中均采用應(yīng)用查表法，以減少計(jì)算復(fù)雜度并簡化了識別的計(jì)算，從而節(jié)省計(jì)算時間。文中提出的方法第一步利用100 名工程人員，重復(fù)100 組訓(xùn)練并記憶復(fù)合特征信息庫，即每組將1×500 維人臉的新特征向量、1×500 維虹膜的新特征向量、1×500 維聲音的新特征向量，組合成1×1 500維的融合特征向量；第二步，提取出復(fù)合特征信息與復(fù)合特征信息庫中的信息進(jìn)行匹配，從而鑒定人員的信息。

4 實(shí)驗(yàn)結(jié)果和分析

為對比驗(yàn)證該算法的實(shí)際判別效果，對100 個受測人員的身份判別并統(tǒng)計(jì)準(zhǔn)確率，如表1 所示。隧道人員各識別準(zhǔn)確率對比圖如圖5 所示。

圖5 隧道人員各識別準(zhǔn)確率對比圖

表1 隧道人員身份判別準(zhǔn)確率

根據(jù)表1 和圖5 中的數(shù)據(jù)對比可知，在同種環(huán)境條件下，單一人臉?biāo)惴▽z像頭視線遮擋、黑塵都比較敏感，導(dǎo)致識別率降低。將人臉和虹膜識別融合的方法與文中的方法對比可知，在干擾比較小，信噪比為25 dB、30 dB 時，識別效果較好。但是，在干擾比較大，信噪比為10 dB、15 dB 時，人臉和虹膜識別相結(jié)合的準(zhǔn)確度與單一的識別方法相比，有效性都偏低。這是因?yàn)槿四樅秃缒ぷR別本身具有相似性且易受光照、粉塵等諸多因素的干擾。而文中的算法復(fù)合了聲音特征，降低了光照、粉塵等的影響。

文中提出復(fù)合特征識別方法方差較小，穩(wěn)定性增強(qiáng)。從表1 和圖5 數(shù)據(jù)可知，在相同情況下，多生物特征復(fù)合識別算法方差減小，比單一生物特征識別算法更穩(wěn)定，而且識別過程中對單一的生物特征信息依賴性降低，增強(qiáng)了系統(tǒng)可靠性。這是因?yàn)樾纬傻男绿卣魍瑫r包含了部分虹膜的特征信息和聲音的特征信息，能識別出對應(yīng)的人員身份。文中的方法比單一特征鑒別或人臉虹膜融合算法，更能有效解決因環(huán)境因素而可能出現(xiàn)的人員識別成功率低的難題。

5 結(jié)論

實(shí)際工程環(huán)境惡劣使得通過單一生物特征識別方法得出的計(jì)算結(jié)果不可靠，由此導(dǎo)致無法正確辨別人員的身份。文中提出了基于融合多種特征的識別方法，采用二維離散余弦變換保留重要特征信息，組合生成新特征信息的模板集；DT-SVM 分類處理將特征信息與數(shù)據(jù)庫信息進(jìn)行匹配。實(shí)驗(yàn)仿真結(jié)果表明，在隧道特殊條件下，復(fù)合特征識別算法具有更好的穩(wěn)定性和適應(yīng)性。