梁利亭

(三門(mén)峽職業(yè)技術(shù)學(xué)院 信息傳媒學(xué)院,河南 三門(mén)峽 472000)

近年來(lái)，我國(guó)對(duì)于高校數(shù)字化校園建設(shè)非常重視，陸續(xù)出臺(tái)了一系列政策來(lái)支持和推進(jìn)高校數(shù)字化校園建設(shè).2018年6月27日，國(guó)家市場(chǎng)監(jiān)督管理總局和國(guó)家標(biāo)準(zhǔn)委員會(huì)發(fā)布了由清華大學(xué)、中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院、阿里巴巴等20余家高校、研究機(jī)構(gòu)和大型企業(yè)共同起草的《智慧校園總體框架》，制定了智慧校園建設(shè)的總體框架和規(guī)劃，并指出，數(shù)字化校園建設(shè)將以物聯(lián)網(wǎng)為中心，通過(guò)信息化手段，統(tǒng)一將學(xué)校管理、教學(xué)、科研、學(xué)生管理等一系列校園生活數(shù)字化、智能化，使整個(gè)智慧校園安全、高效、共享、便捷[1].

隨著我國(guó)高等教育的逐漸普及，高校學(xué)生數(shù)量日益增加，傳統(tǒng)的宿舍管理模式因?yàn)楣ぷ髦貜?fù)、效率低下，會(huì)經(jīng)常出現(xiàn)資源的浪費(fèi)、易錯(cuò)、易漏等問(wèn)題.宿舍是學(xué)生課余生活的重要場(chǎng)所，一方面宿舍中學(xué)生密度高，易產(chǎn)生群體效應(yīng)；另一方面學(xué)生處于青春期，屬于不穩(wěn)定群體.傳統(tǒng)的宿舍管理理念和方法，不能快速適應(yīng)數(shù)字化智慧校園發(fā)展的需要，很多問(wèn)題無(wú)法得到及時(shí)、有效解決.因此，設(shè)計(jì)、開(kāi)發(fā)一套基于人臉識(shí)別技術(shù)的“智慧宿舍”管理平臺(tái)很有必要.

1 “智慧宿舍”管理平臺(tái)的關(guān)鍵技術(shù)

1.1 人臉識(shí)別原理

人臉識(shí)別作為一種新型的、便捷的、可靠的非接觸式生物識(shí)別技術(shù)，在當(dāng)前很多領(lǐng)域都有較好的應(yīng)用效果.它的工作原理分為兩步：一是人臉特征信息的采集與存儲(chǔ)，先利用硬件設(shè)備對(duì)人臉進(jìn)行數(shù)據(jù)采集，并提取采集到的人臉信息的圖像特征，然后將這些基礎(chǔ)特征數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中；二是人臉信息的比對(duì)與識(shí)別，先通過(guò)攝像捕捉到人臉圖像，將采集的人臉信息圖像特征進(jìn)行提取、檢測(cè)、分類和識(shí)別，然后將識(shí)別的結(jié)果與數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的人臉頭像進(jìn)行匹配，最后得出結(jié)果.原理如圖1所示.

圖1 人臉識(shí)別原理圖

從人臉識(shí)別原理可以看出，人臉識(shí)別的核心在于人臉面部圖像特征的提取和比對(duì).為了提高人臉識(shí)別的準(zhǔn)確率，人們?cè)O(shè)計(jì)了不同的算法來(lái)提取人的面部特征和進(jìn)行比對(duì)，并將不同的算法應(yīng)用在不同的領(lǐng)域中.但不論何種算法，在投入使用前都要進(jìn)行大量的樣本數(shù)據(jù)測(cè)試.測(cè)試時(shí)先對(duì)人臉樣本和非人臉樣本進(jìn)行采集和識(shí)別，接著對(duì)識(shí)別程序訓(xùn)練樣本提取估值進(jìn)行人臉參照分析，再根據(jù)得到的結(jié)果對(duì)分類器的參數(shù)進(jìn)行調(diào)整，以提高人臉識(shí)別的可靠性和識(shí)別率.具體流程如圖2所示.

圖2 人臉識(shí)別測(cè)試流程圖

1.2 人臉檢測(cè)算法

文獻(xiàn)[2]提出了一種命名為“YOLO”(You Only Look Once，它是一種基于深度神經(jīng)網(wǎng)絡(luò)的對(duì)象識(shí)別和定位算法，其最大特點(diǎn)是運(yùn)行速度快，可用于實(shí)時(shí)系統(tǒng))的全新的物體檢測(cè)方法，該方法簡(jiǎn)化了物體檢測(cè)的分類問(wèn)題，僅通過(guò)一個(gè)neural network就可以對(duì)輸入圖像的類別進(jìn)行定位.2018年，陳益民、白勇等人在文獻(xiàn)[2]研究的基礎(chǔ)上，提出了一種使用特征融合的卷積神經(jīng)網(wǎng)絡(luò)算法[3].本研究所用的人臉識(shí)別算法是在上述文獻(xiàn)的基礎(chǔ)上改進(jìn)而來(lái)的，其設(shè)計(jì)思路為：首先，對(duì)采集的人臉圖像提取HOG(梯度方向直方圖)，同時(shí)，采用改進(jìn)的“YOLO”卷積神經(jīng)網(wǎng)絡(luò)算法提取人臉圖像特征；其次，將提取的人臉特征和HOG進(jìn)行融合和分類檢測(cè)；再次，確定人臉特征.

1.2.1 人臉圖像特征HOG提取

HOG 算法的主要作用是可以快速提取圖像的輪廓信息，有效降低物體檢測(cè)特別是人體檢測(cè)過(guò)程中受顏色、光照等外部條件的影響程度.

第一，將人臉圖像轉(zhuǎn)換成像素為448×448的JPG文件，接著通過(guò)卷積核計(jì)算所采集圖像的水平和垂直方向的每一個(gè)像素點(diǎn)的梯度值[4]，具體公式如下：

gx(x,y)=h(x+1,y)-h(x-1,y)，

gy(x,y)=h(x,y+1)-h(x,y).

其中，gx(x,y)表示圖像水平坐標(biāo)點(diǎn)的方向梯度；gy(x,y) 表示圖像垂直坐標(biāo)點(diǎn)的方向梯度；h(x,y)為圖像上當(dāng)前坐標(biāo)點(diǎn)的像素值.通過(guò)此式，可以計(jì)算出當(dāng)前像素點(diǎn)的方向和梯度模.

第二，根據(jù)第一步計(jì)算得到的每一個(gè)像素點(diǎn)的方向和梯度模，將整張圖片轉(zhuǎn)換為HOG.具體做法如下：先將得到的像素按照32×32的大小平均分到196個(gè)單元中，再按單元統(tǒng)計(jì)其包含像素的方向和梯度模，轉(zhuǎn)換為HOG.其中，HOG的橫坐標(biāo)為196個(gè)單元按照梯度方向平均分成的9個(gè)區(qū)間，縱坐標(biāo)為每個(gè)區(qū)間的所有像素的HOG的模之和.

第三，在得到所有單元的HOG后，利用L2范數(shù)歸一化的方法，用像素為64×64大小和步長(zhǎng)的滑動(dòng)窗口遍歷整個(gè)人臉圖像，再用歸一化的方法處理每個(gè)單元內(nèi)的特征值，這樣可明顯提高圖像提取對(duì)于光照、邊緣化、顏色、陰影等因素變化的魯棒性.

1.2.2 特征圖融合

利用“YOLO”卷積神經(jīng)網(wǎng)絡(luò)來(lái)融合特征圖.采集的人臉頭像通過(guò)以“YOLO ”理論為基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行一系列處理.將采集到的大小為448×448像素、顏色模式為RGB的JPG人臉圖像分別進(jìn)行6次卷積和4次池化處理，每次卷積和池化都將對(duì)輸入的圖像進(jìn)行卷積、下采樣、加偏置和激活函數(shù)處理等操作，以提取人臉圖像的特征值.本研究所采用的“YOLO ”具有良好的實(shí)時(shí)性和泛化能力，能較好地均衡圖像提取的速度和準(zhǔn)確性.

1.2.3 分類與檢測(cè)

通過(guò)特征提取和特征圖融合可得到神經(jīng)網(wǎng)絡(luò)的人臉特征圖，但要實(shí)現(xiàn)與硬件采集到的人臉圖像的識(shí)別和檢測(cè)還需要對(duì)分類器進(jìn)行設(shè)置、訓(xùn)練與檢測(cè)處理.

首先，定義損失函數(shù).在實(shí)際應(yīng)用過(guò)程中，圖像中包含的非人臉區(qū)域往往遠(yuǎn)遠(yuǎn)大于人臉區(qū)域，因此需要定義損失函數(shù)，以顯示計(jì)算值與標(biāo)記值之間的誤差.這種誤差一般包含定位誤差和分類誤差，計(jì)算中可對(duì)兩種誤差分配不同的權(quán)值，通過(guò)加權(quán)來(lái)降低非人臉區(qū)域等外部因素的影響.

其次，對(duì)整個(gè)檢測(cè)網(wǎng)絡(luò)進(jìn)行測(cè)試和訓(xùn)練.根據(jù)測(cè)試和訓(xùn)練過(guò)程中反饋的結(jié)果，及時(shí)調(diào)整并檢測(cè)網(wǎng)絡(luò)中各個(gè)層特別是全連接層的主要參數(shù)，通過(guò)對(duì)參數(shù)的調(diào)整使得計(jì)算結(jié)果以非常高的成功率識(shí)別出人臉目標(biāo)，并確定人臉邊界值的參數(shù).

再次，輸出特征圖像中每個(gè)單元格的邊框標(biāo)記值，以評(píng)估各個(gè)單元格中所包含的目標(biāo)人臉的位置信息.

1.3 Open CV 技術(shù)平臺(tái)

本研究所涉及的圖像采集、錄入和保存所使用的技術(shù)平臺(tái)為Open CV(Open Source Computer Vision Library).該平臺(tái)是由大量的C++類庫(kù)組成的開(kāi)源的、跨平臺(tái)的計(jì)算機(jī)視覺(jué)庫(kù)，它在計(jì)算機(jī)圖像處理和視覺(jué)方面提供了大量的算法，并提供C#，Java，Python，MATLAB，Ruby等語(yǔ)言的接口，具有良好的可移植性.本文利用Open CV所提供的面向Intel IPP的相關(guān)接口，將硬件拍攝到的人臉頭像載入識(shí)別系統(tǒng)，并通過(guò)高效多媒體函數(shù)庫(kù)對(duì)IntelCPU進(jìn)行代碼優(yōu)化，以提高圖像提取及人臉識(shí)別程序的性能.

2 “智慧宿舍”管理平臺(tái)的分析與設(shè)計(jì)

2.1 系統(tǒng)分析

“智慧宿舍”管理平臺(tái)以高效宿舍數(shù)字化實(shí)際需求為出發(fā)點(diǎn)，以學(xué)生、教師、管理員和系統(tǒng)維護(hù)人員為研究對(duì)象，圍繞宿舍日常事務(wù)，利用數(shù)字化手段，系統(tǒng)分析各種業(yè)務(wù)需求，實(shí)現(xiàn)宿舍管理的信息化和智能化，最終結(jié)合學(xué)?；A(chǔ)網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)等資源逐步建立“智慧校園”系統(tǒng)平臺(tái).

對(duì)宿舍管理業(yè)務(wù)進(jìn)行綜合分析后，將“智慧宿舍”管理平臺(tái)分為業(yè)務(wù)功能、查詢功能和系統(tǒng)功能三大模塊，這三個(gè)功能模塊根據(jù)實(shí)際情況又分為若干子模塊，如圖3所示.每個(gè)模塊涉及的業(yè)務(wù)不同，因此用戶及用戶權(quán)限也各不相同.

圖3 “智慧宿舍”管理平臺(tái)功能模塊圖

宿舍管理人員通過(guò)相應(yīng)模塊進(jìn)行信息查詢、權(quán)限管理和信息審核等，系統(tǒng)維護(hù)人員通過(guò)系統(tǒng)功能模塊進(jìn)行日常維護(hù)和運(yùn)行監(jiān)控等，具體功能如圖4所示.

圖4 “智慧宿舍”管理平臺(tái)的系統(tǒng)功能模塊UML圖

2.2 總體設(shè)計(jì)

在設(shè)計(jì)、開(kāi)發(fā)“智慧宿舍”管理平臺(tái)時(shí)，遵循模塊化、標(biāo)準(zhǔn)化、開(kāi)放性、擴(kuò)展性、兼容性和可靠性等原則，實(shí)現(xiàn)基于人臉識(shí)別的信息采集、提取、分析、比對(duì)、管理和共享等功能，同時(shí)將這些數(shù)據(jù)信息結(jié)合智慧校園的其他數(shù)字化系統(tǒng)共同實(shí)現(xiàn)校園數(shù)字化管理.

2.2.1 總體架構(gòu)設(shè)計(jì)

本研究采用基于B/S (Browser/Server，瀏覽器/服務(wù)器模式)結(jié)構(gòu)的三層架構(gòu)思想進(jìn)行設(shè)計(jì)和開(kāi)發(fā)，在遵循系統(tǒng)設(shè)計(jì)信息安全及標(biāo)準(zhǔn)規(guī)范的基礎(chǔ)上，通過(guò)業(yè)務(wù)邏輯和表示層、數(shù)據(jù)層的分離，提高開(kāi)發(fā)效率，保證系統(tǒng)平臺(tái)的可擴(kuò)展性.“智慧宿舍”管理平臺(tái)的邏輯結(jié)構(gòu)如圖5所示.

圖5 “智慧宿舍”管理平臺(tái)的邏輯結(jié)構(gòu)

2.2.2 人臉識(shí)別功能模塊設(shè)計(jì)

人臉識(shí)別模塊首先采用Open CV技術(shù)平臺(tái)采集硬件設(shè)備拍攝的圖像并傳至主程序.其次，通過(guò)HOG算法將人臉和背景進(jìn)行有效區(qū)分，通過(guò)“YOLO”算法提高計(jì)算速度，將兩者結(jié)合起來(lái)得到人臉頭像的特征值.為了提高系統(tǒng)的識(shí)別準(zhǔn)確率，需要通過(guò)大量的數(shù)據(jù)對(duì)算法進(jìn)行測(cè)試，并調(diào)整、更新神經(jīng)網(wǎng)絡(luò)層的參數(shù)，形成最終的神經(jīng)網(wǎng)絡(luò)系統(tǒng).再次，將檢測(cè)、提取的人臉特征值與數(shù)據(jù)庫(kù)中存儲(chǔ)的特征值進(jìn)行比對(duì)，若成功，則準(zhǔn)予通行；若失敗，則禁止通行.人臉識(shí)別流程圖如圖6所示.

圖6 人臉識(shí)別流程圖

3 “智慧宿舍”管理平臺(tái)功能的實(shí)現(xiàn)與測(cè)試

3.1 系統(tǒng)登錄功能

“智慧宿舍”管理平臺(tái)的用戶按照權(quán)限分為宿舍管理員、系統(tǒng)管理員、學(xué)生和教工四類.教師的初始賬號(hào)和密碼為工號(hào)，學(xué)生的初始賬號(hào)和密碼為學(xué)號(hào).每類用戶通過(guò)賬號(hào)、密碼及系統(tǒng)自動(dòng)生成的四位隨機(jī)數(shù)驗(yàn)證碼進(jìn)行登錄.賬號(hào)和密碼用于驗(yàn)證用戶的身份，驗(yàn)證碼用于防止用戶使用惡意密碼破解軟件進(jìn)行登錄.登錄的關(guān)鍵代碼如圖7所示.

圖7 登錄關(guān)鍵代碼

3.2 人臉識(shí)別設(shè)備端功能

各識(shí)別終端設(shè)備上的代碼通過(guò)Python語(yǔ)言實(shí)現(xiàn).先安裝IrorPython，接著引用相應(yīng)的DLL文件，然后在系統(tǒng)程序中調(diào)用各個(gè)識(shí)別終端參數(shù)來(lái)處理、上傳由各個(gè)識(shí)別終端所拍攝的人臉頭像.關(guān)鍵代碼如圖8所示.

圖8 設(shè)備端關(guān)鍵代碼

3.3 系統(tǒng)測(cè)試

3.3.1 人臉識(shí)別模塊測(cè)試

使用FDDB(Face Detection Data Set and Benchmark,譯為人臉檢測(cè)數(shù)據(jù)集基準(zhǔn))數(shù)據(jù)集的方法對(duì)傳統(tǒng)人臉識(shí)別算法和本研究所設(shè)計(jì)的人臉識(shí)別算法采用連續(xù)計(jì)數(shù)的方法進(jìn)行測(cè)試和比較，結(jié)果如圖9所示.

圖9 算法檢測(cè)對(duì)比圖

由圖9可知，本文設(shè)計(jì)的人臉識(shí)別算法在速度和識(shí)別精度上均比傳統(tǒng)的人臉識(shí)別算法表現(xiàn)更好.

3.3.2 系統(tǒng)性能測(cè)試

采用實(shí)例測(cè)試系統(tǒng)的性能，統(tǒng)計(jì)相應(yīng)時(shí)間.測(cè)試項(xiàng)目、相應(yīng)時(shí)間和測(cè)試結(jié)果如表1所示.

表1 系統(tǒng)性能測(cè)試結(jié)果

由表1可知，通過(guò)對(duì)“智慧宿舍”管理平臺(tái)進(jìn)行功能測(cè)試、性能測(cè)試、壓力測(cè)試等發(fā)現(xiàn)，本平臺(tái)的各項(xiàng)測(cè)試結(jié)果均符合預(yù)期，滿足用戶需求，可以投入使用.

4 結(jié)語(yǔ)

通過(guò)基于人臉識(shí)別技術(shù)的“智慧宿舍”管理平臺(tái)的研究、設(shè)計(jì)和開(kāi)發(fā)，不僅提高了宿舍管理的工作效率，降低了宿舍管理人員的工作強(qiáng)度，在一定程度上解決了高校在宿舍管理方面的各種難題，而且能及時(shí)對(duì)采集到的數(shù)據(jù)信息進(jìn)行有效整合、分析，對(duì)于高校資源調(diào)度、安全管理等具有重要的意義.