淺析人臉識別系統(tǒng)與變電站施工現(xiàn)場安全信息化管理

吳宇紅　費繼華　鄭軍　孫先山

【摘要】? ? 電站工程項目的施工作業(yè)現(xiàn)場人員流動大、工種多，如果不對作業(yè)人員信息進行安全管理，會對正常的施工作業(yè)造成影響。本文先對電站工程施工現(xiàn)場人員信息安全管理現(xiàn)狀進行分析，并對人臉識別技術(shù)用于電站施工作業(yè)現(xiàn)場的優(yōu)勢進行論述，最后對如何實現(xiàn)施工現(xiàn)場安全管理信息化進行探討。

【關(guān)鍵詞】? ? 人臉識別? ? 電站工程? ? 現(xiàn)場安全信息化

引言：

電站工程施工項目規(guī)模較大，施工作業(yè)周期短，對施工技術(shù)要求高，同時，施工現(xiàn)場作業(yè)人員數(shù)量多，經(jīng)常存在交叉作業(yè)現(xiàn)象，存在較多的不穩(wěn)定安全因素。電站工程施工現(xiàn)場人員變動較為頻繁，人員進、出高峰期較為集中，施工現(xiàn)場作業(yè)人員存在冒用、借用等問題，人員信息審核檢查需要耗費大量時間，管理人員的工作量大，作業(yè)現(xiàn)場安全管理問題較為突出。

很多施工單位只注重追求更高的經(jīng)濟效益，沒有對作業(yè)現(xiàn)場安全風(fēng)險進行有效管控，使作業(yè)現(xiàn)場存在著較大的安全隱患，直接威脅到作業(yè)人員的生命健康，人臉識別技術(shù)被廣泛應(yīng)用于施工現(xiàn)場安全管理，可以有效解決傳統(tǒng)人員信息管理存在的問題，進一步提高人員信息安全管理水平。

一、電站工程施工現(xiàn)場人員信息安全管理現(xiàn)狀分析

1.1閘機形同虛設(shè)

為保證電站工程項目施工作業(yè)安全，很多施工作業(yè)現(xiàn)場都設(shè)置有閘機信息系統(tǒng)，但該系統(tǒng)主要為項目管理人員提供，可以限制非工作人員進入，可對員工進行實名化管理。

電站工程施工作業(yè)現(xiàn)場區(qū)域較大，作業(yè)人員和貨物進出都比較頻繁，會在相同的時間段內(nèi)集中出入，保安人員數(shù)量有限，無法承擔(dān)繁重的人員信息錄入工作，經(jīng)常會出現(xiàn)作業(yè)人員翻越閘機等現(xiàn)象，人工監(jiān)管方式無法滿足人員信息安全管理需要。

1.2人員登記信息管理不完善

傳統(tǒng)的人員信息管理多采用指紋、門禁等方式，電站工程項目需要大量作業(yè)人員，很多施工單位只是一次將人員信息錄入進來，大型電站工程項目用工形式復(fù)雜，施工作業(yè)人員流動比較大，指紋錄入還存在識別失敗等現(xiàn)象，存在著較大的安全風(fēng)險因素，即便采用門禁系統(tǒng)、指紋考勤系統(tǒng)，仍不能完全保證達到作業(yè)人員安全管理的要求。

1.3替崗、串崗問題突出

而采用傳統(tǒng)的安全監(jiān)督管理模式，如果對施工作業(yè)人員管理不到位，經(jīng)常會存在人員信息與實際不符現(xiàn)象，存在嚴重的冒用、借用等問題，會使作業(yè)人員出現(xiàn)串崗、替崗、無證上崗等事件，由于施工作業(yè)人員整體素質(zhì)不高，會存在多種不安全因素，存在著較大的安全隱患。

二、人臉識別技術(shù)在電站施工作業(yè)現(xiàn)場應(yīng)用具備的優(yōu)勢

人臉作為一種生物特征，具有唯一性和不易復(fù)制性，可以用作身份鑒別的依據(jù)。人臉識別技術(shù)經(jīng)過數(shù)十年的發(fā)展，已經(jīng)將光學(xué)成像、計算機技術(shù)、人工智能技術(shù)、核心算法等進行了高度結(jié)合，具有較高的正確識別率和識別速度，是一種新型生物特征識別應(yīng)用技術(shù)。

主動近紅外圖像多光源識別為當(dāng)前應(yīng)用比較成熟的人臉識別技術(shù)，在識別精度、穩(wěn)定性和速度等性能方面比較突出，可以不通過接觸就能得到人臉圖像信息，在識別對象無意識的情況下來得到人臉圖像，具有結(jié)果直觀、隱蔽性好等優(yōu)勢。

大型電站施工現(xiàn)場人員數(shù)量較多，需要在指定的時間內(nèi)集中進、出廠區(qū)，傳統(tǒng)的人員信息管理方式已經(jīng)無法滿足安全管理要求，采用人臉識別技術(shù)可以在較短的時間內(nèi)完成信息錄入，滿足施工作業(yè)人員和管理人員信息快速采集要求。

三、人臉識別系統(tǒng)與電站工程施工現(xiàn)場安全管理信息化的實現(xiàn)

3.1人臉檢測難點分析

人臉檢測是作業(yè)人員完成人臉識別后的重要環(huán)節(jié)，圖像前端采集設(shè)備為高清攝像頭，把采集到的作業(yè)人員人臉識別圖片通過無線網(wǎng)絡(luò)發(fā)回到服務(wù)器進行處理。

要求人臉檢測成功率要達到90%以上，并在1秒時間內(nèi)完成響應(yīng)，達到報警和響應(yīng)的最低要求。人臉檢測主要存在如下難點：

1.人臉圖像采集距離在5-10米時，人臉在圖像中的像素比為0.6-2%，不同尺度人臉會導(dǎo)致檢測anchor無法適應(yīng)。

2.人臉識別系統(tǒng)硬件成本控制會對獲取到的畫面質(zhì)量產(chǎn)生影響，如果像素過低會使人臉特征檢測難度變大。

3.受到作業(yè)現(xiàn)場無線網(wǎng)絡(luò)傳輸速度影響，如果像素降得過低再發(fā)送到服務(wù)器進行處理，獲取到圖像質(zhì)量則無法保證，會給后續(xù)檢測帶來更大的困難。

4.深度學(xué)習(xí)算法可以滿足人臉識別對精度和速度的要求，但人臉檢測還需要采取有針對性的高駐地。保證檢測速度和信息存儲效率，會對檢測準(zhǔn)確率造成影響，但如果將檢測速度放慢，還需要占用更多的內(nèi)存。

3.2單階段無頭部人臉檢測算法

該種方式的人臉檢測需要在單個階段內(nèi)進行檢測，早期特征映射用于把一組預(yù)定義anchor向人臉回歸。與兩階段檢測器本質(zhì)差別在于最終分類和anchor同時完成，再者，單階段無頭部人臉檢測將底層網(wǎng)絡(luò)頭部進行刪除，為無頭部網(wǎng)絡(luò)檢測器，該種人臉檢測的設(shè)計尺度不發(fā)生變化，把高效卷積檢測模塊采用不同步長置于圖層頂部，步長都通過適宜的人臉尺度范圍訓(xùn)練。無頭部網(wǎng)絡(luò)檢測器將多種先進方法進行集成，WIDER FACE數(shù)據(jù)集可以將每張照片檢測時間減少50毫秒，也可以更好解決多尺度與像素間存在的問題，也可以應(yīng)用于多場景和復(fù)雜場景，有著很好的魯棒性，在施工作業(yè)現(xiàn)場場景下，可以進行多尺度、小人臉和多人臉的檢測，可以滿足要求。

無頭部人臉檢測可以降低邏輯推理時間，不會占用處理器太多的內(nèi)存，擁有很好的尺度不變性，為單階段檢測算法，通過卷積層來獲取到全局信息并進行分類定位。從整體架構(gòu)上來看是全卷積網(wǎng)絡(luò)，以VGG16作為基礎(chǔ)進行優(yōu)化得來的，先通過基礎(chǔ)網(wǎng)絡(luò)得到特征以后再將頭部去除掉，對不同尺度特征圖中加入檢測模塊，可以更好地對人臉進行定位和分類，實質(zhì)上是對不同深度卷積層中加入不同的檢測模塊，這樣才能獲取到不同尺度的人臉。檢測模塊為回歸器、二分類器構(gòu)建而成，可實現(xiàn)對作業(yè)人員人臉的檢測與定位，算法通過設(shè)置一組卷積層來對特征進行檢測與定位，回歸器利用卷積層來進行回歸預(yù)測，卷積時的每個位置都需要利用回歸器對尺度必變及平移量進行預(yù)測，從而把每個正anchor和作業(yè)人員臉部特征進行匹配。

在電站作業(yè)現(xiàn)場場景中，作業(yè)人員臉部尺寸大小不盡相同，尺度不變性要求圖像不同尺寸人臉檢測具有很好的魯棒性，要求模型對大、小尺寸人臉都有很好的檢測性能。無頭部人臉檢測可應(yīng)用不同深度卷積層feature map，利用拼接好的檢測模塊對不同尺寸圖像進行準(zhǔn)確檢測。

在進行預(yù)測時，可以把不同尺度預(yù)測boxes進行高度整合，再采取非最大抑制處理，然后可以得到最后的人臉檢測結(jié)果。上下文模塊設(shè)計時，對檢測模塊上下文層進行集成，因為anchors采用卷積方式來進行分類與回歸，應(yīng)用了更大卷積核尺寸，這與兩階段檢測器中加入proposals比較相近，需要在算法上下文模塊中應(yīng)用卷積核，擴展不同網(wǎng)絡(luò)層卷積核感受野，這樣可以提高對多尺度目標(biāo)的適應(yīng)能力。對較小卷積核層進行堆疊 ，同樣可以達到大感受野效果，為降低參數(shù)數(shù)量，算法中引入串聯(lián)卷積來取代大尺寸卷積核。與兩階段算法進行比較來看，采用的檢測模塊和上下文濾波器參數(shù)量更少。

3.3人檢識別難點分析

完成人臉檢測工作以后就要進行人臉識別，確定人臉?biāo)鶎?yīng)的人名，要求識別率在90%以上，在2秒內(nèi)完成響應(yīng)。對電站工程作業(yè)現(xiàn)場來講，人臉識別主要存在如下難點：

1.距離很遠的小人臉識別目標(biāo)，人臉信息會跟跟著像素降低而變小，通過網(wǎng)絡(luò)傳輸處理不能對人臉身份特征進行有效區(qū)分。

2.安全帽等物體會對作業(yè)人員頭部進行遮擋，額頭特征無法識別，只能通過人員臉部信息進行識別，這就增加了人臉識別難度。

這就要求電站工程作業(yè)現(xiàn)場人臉識別算法具有高精度，可以結(jié)合檢測到的不完整信息人臉圖像，提取出可以進行準(zhǔn)確人臉識別的特征信息，準(zhǔn)確對人臉識別特征信息進行區(qū)分，并滿足識別速度的要求。

3.4附加角度邊界損失人臉識別算法

該算法可以保證在采用人臉識別模型進行訓(xùn)練時，使類內(nèi)距離更為緊湊，也可以具有更大的區(qū)分度，有利于提高算法識別精度，讓響應(yīng)速度可以達到毫秒級，具有更好的人臉識別效果。該算法也基于深度卷積神經(jīng)網(wǎng)絡(luò)，將網(wǎng)絡(luò)特征和最后一個全連接層間的點積與特征及權(quán)重歸一化余弦距離相等。再采用反余弦函數(shù)對目前特征與目標(biāo)權(quán)重值相互間的角度進行計算，再對目標(biāo)角度中加入附加角度余量，再采用余弦函數(shù)獲取到目標(biāo)logits，再應(yīng)用特征規(guī)范對logits進行重新縮放，后續(xù)的處理過程與softmax基本類似。該算法是將網(wǎng)絡(luò)卷積神網(wǎng)絡(luò)算法中間步驟作為基礎(chǔ)來添加角界損失，可以對特征進行更為明顯地區(qū)分，對角度余量進行創(chuàng)新設(shè)計，也是保證特征識別準(zhǔn)確的關(guān)鍵。ResNet50用于對作業(yè)現(xiàn)場人員臉部特征進行提取，該算法可以有效解決作業(yè)人員臉部特征提取過程中，隨著網(wǎng)絡(luò)深度增加而產(chǎn)生的梯度消失和爆炸，有利于提高網(wǎng)絡(luò)深度，從而得到更為深層次人臉特征。因此，基于ResNet50附加角度邊界損失算法可以進一步提高人臉深度特征的識別能力。附加角度邊界損失人臉識別算法，可以更好地滿足電站作業(yè)現(xiàn)場人臉識度精度和速度的要求，還在人臉識別流程中添加了多幀識別功能，可以更好地降低不同場景條件下人臉識別錯誤率，具有很好的容錯性能和更為強大的魯棒性。

四、結(jié)束語

綜上所述，電站施工作業(yè)現(xiàn)場人員信息安全管理難度較大，傳統(tǒng)的監(jiān)管方式已經(jīng)無法滿足要求，需要引入人臉識別系統(tǒng)來提高現(xiàn)場作業(yè)人員信息安全管理水平，實現(xiàn)對作業(yè)現(xiàn)場的智慧化管理，掌握更為準(zhǔn)確的作業(yè)人員數(shù)據(jù)信息，進一步提高現(xiàn)場管理效率，合理控制施工成本，保證施工作業(yè)的安全。

參? 考? 文? 獻

[1]劉成攀. 基于深度學(xué)習(xí)的動態(tài)人臉識別[D].西南科技大學(xué)，2020.

[2]金麗麗.探究基于動態(tài)閾值圖像分割法的人臉識別技術(shù)研究[J].計算機產(chǎn)品與流通，2019（12）：89.

[3]鄧李維. 基于深度學(xué)習(xí)的動態(tài)人臉表情識別研究[D].重慶大學(xué)，2019.

[4]莊鳳云. 基于視頻序列的人臉表情識別算法研究[D].東南大學(xué)，2019.

[5]張琳琳. 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識別研究[D].長春工業(yè)大學(xué)，2019.