袁鳳連 劉雙全 劉騏源

摘 要：智能安防系統(tǒng)中的核心是門禁控制系統(tǒng)，文章以智慧社區(qū)的建設(shè)為背景，以智能安防為支點(diǎn)打造智慧社區(qū)基礎(chǔ)網(wǎng)絡(luò)平臺(tái)，結(jié)合視頻檢測與跟蹤技術(shù)，找出視頻圖像中的運(yùn)動(dòng)區(qū)域，利用AdaBoost人臉檢測方法對(duì)其中的人臉區(qū)域進(jìn)行進(jìn)一步精準(zhǔn)的檢測，最后研究了智能安防中應(yīng)用人臉識(shí)別技術(shù)的連續(xù)視頻圖像的門禁系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)。

關(guān)鍵詞：視頻檢測；人臉識(shí)別；安防；AdaBoost算法

人工智能時(shí)代的到來，使得人們的生活更加智能和安全。智能家居是人工智能的最好體現(xiàn)，智能家居中對(duì)智能安防起到尤為重要的作用。為有效控制小區(qū)門口和家居門口當(dāng)中人的通行，徹底改變現(xiàn)有的刷卡、鑰匙、指紋解鎖的人禁門，更好地提升社區(qū)的安全系數(shù)、保障業(yè)主的人身安全和財(cái)產(chǎn)安全，將人臉識(shí)別技術(shù)應(yīng)用到智能社區(qū)安防系統(tǒng)中。

1 技術(shù)背景

人臉識(shí)別技術(shù)是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，通過后端攝像頭捕捉住視頻當(dāng)中人臉圖像，進(jìn)而提取人臉特征，由系統(tǒng)算法對(duì)人臉圖像進(jìn)行對(duì)比，如果與圖像庫人臉對(duì)比成功，則控制門禁系統(tǒng)開門，反之則輸出比對(duì)不通過。本文設(shè)計(jì)的人臉識(shí)別門禁系統(tǒng)是把人臉識(shí)別技術(shù)和傳統(tǒng)的門禁系統(tǒng)相結(jié)合，通過對(duì)人臉的識(shí)別作為門禁開啟的鑰匙之一[1]。

2 基于連續(xù)視頻圖像的人臉檢測AdaBoost算法實(shí)現(xiàn)

直接對(duì)采集到的每一幀靜態(tài)圖像來作人臉檢測，需大量的計(jì)算，在沒有人臉圖像的情況下，會(huì)耗費(fèi)大量的內(nèi)存。系統(tǒng)是在連續(xù)的圖像序列中進(jìn)行人臉檢測，而人臉進(jìn)入監(jiān)控場景以及在監(jiān)控場景中的走動(dòng)等必然伴隨著運(yùn)動(dòng)。因此，將視頻圖像中運(yùn)動(dòng)檢測技術(shù)與AdaBoost（Adaptive Boosting）算法相結(jié)合，先判斷出產(chǎn)生運(yùn)動(dòng)的區(qū)域，在此基礎(chǔ)上用AdaBoost算法進(jìn)行人臉檢測，在后續(xù)的幀中若人臉圖像靜止不變，也可利用目標(biāo)跟蹤方法來確定人臉區(qū)域。在背景中沒有人物運(yùn)動(dòng)的情況下，人臉檢測和識(shí)別系統(tǒng)則不作任何處理[2]。

AdaBoost是Freund和Schapire在PAC模型基礎(chǔ)上提出的一種學(xué)習(xí)模型，算法思想是：通過對(duì)大量正樣本和負(fù)樣本的學(xué)習(xí)和反饋，弱分類器在不知道先驗(yàn)訓(xùn)練誤差的前提下，自適應(yīng)地調(diào)整錯(cuò)誤率以及相應(yīng)的權(quán)重，直到強(qiáng)分類器達(dá)到預(yù)定的性能。

給定一個(gè)訓(xùn)練數(shù)據(jù)集合，其中實(shí)例空間，而實(shí)例空間，。AdaBoost算法的目的就是從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)一系列弱分類器，然后將這些弱分類器組合成一個(gè)強(qiáng)分類器。AdaBoost算法流程如下。

步驟1：首先，初始化訓(xùn)練數(shù)據(jù)的權(quán)值分布。每個(gè)訓(xùn)練樣本初始都被賦予相同的權(quán)值：1/N。

步驟2：進(jìn)行多輪迭代，用表示迭代的第多少輪。

（1）使用具有權(quán)值分布Dm的訓(xùn)練數(shù)據(jù)集學(xué)習(xí)，得到基本分類器（選取讓誤差率最低的閾值來設(shè)計(jì)基本分類器）： 。

（2）計(jì)算Gm（x）在訓(xùn)練數(shù)據(jù)集上的分類誤差率：

由上述式子可知，Gm（x）在訓(xùn)練數(shù)據(jù)集上的誤差率em就是被Gm（x）誤分類樣本的權(quán)值之和。

（3）計(jì)算Gm（x）的系數(shù)，表示Gm（x）在最終分類器中的重要程度：。故時(shí)，，且隨著em的減小而增大，意味著分類誤差率越小的基本分類器在最終分類器中的作用越大。

（4）為得到新的權(quán)值分布，更新訓(xùn)練數(shù)據(jù)集的權(quán)值，為進(jìn)行下一輪迭代：

使得被基本分類器Gm（x）誤分類樣本的權(quán)值增大，而被正確分類樣本的權(quán)值減小，通過這樣的方式，AdaBoost方法能“重點(diǎn)關(guān)注”或“聚焦于”那些較難分的樣本上。其中，Zm是規(guī)范化因子，使得Dm+1成為一個(gè)概率分布：

。

步驟3：組合各個(gè)弱分類器 ，從而得到最終的分類器，如下：

3 基于人臉識(shí)別技術(shù)的門禁系統(tǒng)的設(shè)計(jì)

人臉識(shí)別門禁控制系統(tǒng)包含人臉識(shí)別模塊、門禁控制器模塊、服務(wù)器模塊、手機(jī)終端模塊，不同模塊不同功能。人臉識(shí)別模塊是整個(gè)智能模塊算法的體現(xiàn)，將手機(jī)（客戶端）終端采集到的人臉圖像與前段門口門禁攝像頭的圖片進(jìn)行對(duì)比，比對(duì)成功就指揮門禁控制器；門禁控制器模塊是整個(gè)系統(tǒng)的執(zhí)行機(jī)構(gòu)，控制并完成小區(qū)入口的開門與閉合，同時(shí)管理異常情況進(jìn)行監(jiān)控和報(bào)警，通過網(wǎng)線能夠進(jìn)行通信；后臺(tái)服務(wù)器系統(tǒng)負(fù)責(zé)整個(gè)系統(tǒng)的管理，人臉圖像庫的建立，系統(tǒng)的維護(hù)運(yùn)行，社區(qū)的安防工作都在此；手機(jī)終端模塊是系統(tǒng)客戶端人員的參與，對(duì)人臉圖片的采集，圖像可由手機(jī)的攝像頭采集后，通過無線網(wǎng)絡(luò)將采集的圖片發(fā)至后臺(tái)服務(wù)器中[3]。

4 基于人臉識(shí)別技術(shù)的智慧社區(qū)中智能安防系統(tǒng)的實(shí)現(xiàn)

4.1 智能門禁開門流程

（1）人員走到小區(qū)內(nèi)各樓棟單元門口的攝像機(jī)人臉識(shí)別區(qū)域，面對(duì)人臉識(shí)別終端。（2）人臉識(shí)別終端將采集的人臉照片與人臉數(shù)據(jù)庫照片比對(duì)。（3）人臉識(shí)別終端人臉照片比對(duì)成功則發(fā)送開門信號(hào)給門禁（并語音提示）。（4）如人臉照片比對(duì)不成功（語音提示），需進(jìn)門人員給業(yè)主打電話，業(yè)主通過手機(jī)APP/微信為訪客開門或者業(yè)主撥打呼叫中心為訪客開門。（5）人臉識(shí)別終端將攝像機(jī)采集到的人臉照片及開門相關(guān)數(shù)據(jù)信息（包括業(yè)務(wù)通過手機(jī)APP開門記錄、使用微信開門記錄、撥打呼叫中心開門記錄）上傳到服務(wù)器存儲(chǔ)，并通過安全邊界上傳到公安內(nèi)網(wǎng)進(jìn)行分析[4]。

4.2 實(shí)現(xiàn)過程

基于視頻人臉識(shí)別技術(shù)的智能安防系統(tǒng)的實(shí)現(xiàn)，首先要搭建系統(tǒng)平臺(tái)，線下將各個(gè)模塊串聯(lián)起來，通過無線網(wǎng)絡(luò)實(shí)現(xiàn)聯(lián)網(wǎng)，與后臺(tái)服務(wù)器接通；其次，以人臉識(shí)別技術(shù)為基礎(chǔ)，建立出入口控制系統(tǒng)、門禁控制系統(tǒng)、防盜防入侵報(bào)警系統(tǒng)，才能夠使智能安防的建設(shè)有效服務(wù)于智慧社區(qū)；線上用戶通過系統(tǒng)平臺(tái)不僅可以管理家庭成員的進(jìn)出，還可以控制來訪人員的出入、方便高效、便于管理。其他防盜防入侵報(bào)警系統(tǒng)、保安巡更系統(tǒng)、車庫綜合管理系統(tǒng)這些子模塊均可以加入人臉識(shí)別的裝置，構(gòu)建完成后，再通過統(tǒng)一的平臺(tái)把數(shù)據(jù)整合到一起，從而實(shí)現(xiàn)智慧社區(qū)智能安防系統(tǒng)的建設(shè)[5]。

5 結(jié)語

基于視頻檢測的人臉識(shí)別的智能安防設(shè)計(jì)，以服務(wù)社區(qū)居民為宗旨，為居民提供安全、便捷的智能化方案，提高社區(qū)智能化程度，為智慧城市的建設(shè)奠定基礎(chǔ)，為社會(huì)的安防發(fā)展奠定基礎(chǔ)。