人臉識(shí)別系統(tǒng)近期廣泛應(yīng)用于政府、軍隊(duì)、銀行、社會(huì)福利保障、電子商務(wù)等領(lǐng)域，如企業(yè)、住宅的門(mén)禁考勤系統(tǒng)。2018 年國(guó)際權(quán)威調(diào)研機(jī)構(gòu)Gen Market Isights 發(fā)布的數(shù)據(jù)顯示：2017 年，全球人臉識(shí)別設(shè)備市場(chǎng)價(jià)值為10.7 億美元，而到2025 年底將達(dá)到71.7 億美元，在2018到2025 年期間，將以26.8%的速度增長(zhǎng)。據(jù)此可知，人臉識(shí)別設(shè)備市場(chǎng)容量大，發(fā)展前景廣闊。“應(yīng)用IPv6 技術(shù)的交互式個(gè)體識(shí)別系統(tǒng)”這一項(xiàng)目，將人臉識(shí)別技術(shù)成功應(yīng)用在教室的門(mén)禁系統(tǒng)，可以通過(guò)截獲人臉圖像實(shí)現(xiàn)自動(dòng)開(kāi)門(mén)等功能。

項(xiàng)目介紹

由于目前所使用的IPv4 網(wǎng)絡(luò)地址資源十分有限，嚴(yán)重制約了互聯(lián)網(wǎng)的應(yīng)用和發(fā)展。而IPv6 的使用，不僅能解決網(wǎng)絡(luò)地址資源數(shù)量不足的問(wèn)題，而且也解決了IPv4網(wǎng)絡(luò)擁堵、載入速度慢、帶寬不夠等問(wèn)題。

在人臉識(shí)別過(guò)程中，需要累積采集到大量人臉圖像相關(guān)的數(shù)據(jù)來(lái)驗(yàn)證算法的準(zhǔn)確性，大量數(shù)據(jù)組成的訓(xùn)練集將有效地提高識(shí)別準(zhǔn)確性。由于IPv6 相較IPv4 擁有更大的地址空間，更小的路由表以及更高的安全性，所以若將人臉圖像的信息即時(shí)通過(guò)IPv6 上傳或下載，其數(shù)據(jù)安全性又能得到一定的保證，那么這時(shí)的人臉識(shí)別系統(tǒng)將會(huì)有更高的識(shí)別率和判斷速度，將更好地應(yīng)用于各個(gè)領(lǐng)域。

本項(xiàng)目通過(guò)將人臉識(shí)別和手勢(shì)、姿態(tài)識(shí)別綜合應(yīng)用于門(mén)禁系統(tǒng)，形成一套門(mén)禁控制和手勢(shì)操作的系統(tǒng)，具有廣泛應(yīng)用和推廣價(jià)值。人臉識(shí)別系統(tǒng)通過(guò)優(yōu)化算法方式設(shè)置更多像素點(diǎn)，使得采集的樣本信息更加準(zhǔn)確而精密，同時(shí)建立更大的人臉信息數(shù)據(jù)庫(kù)，提高了可靠人臉相關(guān)信息的數(shù)量。

系統(tǒng)構(gòu)成

交互式個(gè)體識(shí)別系統(tǒng)分為兩個(gè)部分，一是改進(jìn)后的人臉及姿態(tài)識(shí)別部分，二是為實(shí)現(xiàn)友好交互的語(yǔ)音識(shí)別部分，兩部分的核心處理算法均布置在IPv6 服務(wù)器上，其信息傳輸均使用IPv6 網(wǎng)絡(luò)協(xié)議，整體系統(tǒng)架構(gòu)如圖1 所示。

圖1 整體系統(tǒng)架構(gòu)

人臉與姿態(tài)識(shí)別由最初的adaboost 函數(shù)更新為CNN 卷積神經(jīng)網(wǎng)絡(luò)。通過(guò)使用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中的CNN 算法來(lái)實(shí)現(xiàn)檢測(cè)人臉信息。程序?qū)螐埐蕡D進(jìn)行卷及操作，對(duì)人體每個(gè)關(guān)鍵點(diǎn)都輸出一張熱點(diǎn)圖譜，用峰值來(lái)代表關(guān)鍵的位置。采用多個(gè)階段進(jìn)行人體姿態(tài)的學(xué)習(xí)，把第一階段得到的所有熱點(diǎn)圖譜的預(yù)測(cè)值放進(jìn)下一階段，用一個(gè)類(lèi)似神經(jīng)網(wǎng)絡(luò)進(jìn)行卷積操作，它會(huì)優(yōu)化上一階段的結(jié)果。反復(fù)這個(gè)過(guò)程，直到最終結(jié)果。然后將得到的點(diǎn)陣與信息庫(kù)中的人臉信息進(jìn)行比對(duì)，從而實(shí)現(xiàn)識(shí)別。

通過(guò)將攝像頭拾取的圖像信息傳送到IPv6 服務(wù)器，由簡(jiǎn)單函數(shù)識(shí)別出人臉部分并分割圖像，將截取到的人臉圖像傳入訓(xùn)練好的模型中，判斷完成后即輸出信息至node.js 平臺(tái)和控制硬件中，硬件反應(yīng)為執(zhí)行開(kāi)門(mén)或靜止，node.js sever 將數(shù)據(jù)保存至數(shù)據(jù)庫(kù)并傳遞到網(wǎng)頁(yè)界面更新。為了進(jìn)一步實(shí)現(xiàn)友好交互和提高用戶(hù)使用體驗(yàn)，項(xiàng)目放棄了原本的網(wǎng)頁(yè)界面使用GitHub上的開(kāi)源項(xiàng)目MagicMirror 的界面，并調(diào)用了一些實(shí)用類(lèi)Api（如天氣）。

語(yǔ)音識(shí)別技術(shù)由最初的識(shí)別身份定制問(wèn)候語(yǔ)提升為具有一定功能的語(yǔ)音交互。

使用麥克風(fēng)設(shè)備輸入音頻信號(hào)，通過(guò)自動(dòng)語(yǔ)音識(shí)別技術(shù)（ASR 模型）將人類(lèi)的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列，借助微信軟件開(kāi)發(fā)包和神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生相應(yīng)文字類(lèi)應(yīng)答，此過(guò)程仍需外部Api（如用戶(hù)詢(xún)問(wèn)天氣）。最終通過(guò)TTS（Text To Sound語(yǔ)音轉(zhuǎn)文字）模型轉(zhuǎn)為聲音回答用戶(hù)。

未來(lái)期望

IPv6 作為下一代互聯(lián)網(wǎng)協(xié)議，除地址數(shù)量極多，更有地址空間增大、路由表長(zhǎng)度減小、組播增強(qiáng)、加入自動(dòng)配置以及安全性提高等顯著優(yōu)勢(shì)。

基于IPv6 以上優(yōu)勢(shì)，未來(lái)項(xiàng)目計(jì)劃實(shí)現(xiàn)分析同一用戶(hù)的人臉信息的變化偏值來(lái)解決常見(jiàn)的用戶(hù)面部特征因存在微小變化而導(dǎo)致的無(wú)法識(shí)別問(wèn)題。通過(guò)大量的用戶(hù)樣本分析，以期達(dá)到求出一段時(shí)間的變化偏值均值，及隨時(shí)間上述變化的走勢(shì)，來(lái)普遍解決上述問(wèn)題。另外，通過(guò)IPv6 與人臉識(shí)別系統(tǒng)的結(jié)合可以讓這兩個(gè)部分發(fā)揮應(yīng)有的功能并實(shí)現(xiàn)更多的價(jià)值。