秦益輝， 周 華， 李瑋峰， 王力強， 李文昊

（上海工程技術大學 電子電氣工程學院， 上海 松江201600）

0 引 言

人臉識別技術現(xiàn)如今已廣泛應用于金融行業(yè)和安保行業(yè)［1］。 在金融行業(yè)，通過刷臉進行支付已經(jīng)進入了人們的日常生活；在安保行業(yè)，刷臉開門、掃臉簽到逐漸取代了以往的打卡機。 目前，商用人臉識別系統(tǒng)已達到十萬分之一的錯誤率，可見人臉識別技術已經(jīng)相當成熟。 盡管人臉識別技術已經(jīng)在諸多領域嶄露頭角，但在隱私保護方面卻少有相關的應用。

本文提出一種基于人臉識別的智能閱讀器，利用人臉特征的普遍性、唯一性和不可復制性，將其作為密碼來防止閱讀筆記、書簽的泄露。 同時應用語音播報技術直觀地向用戶呈現(xiàn)人臉識別地結果，并在閱讀器基礎上開發(fā)了臉部表情翻頁功能，在很大程度上提升了用戶的閱讀體驗。

1 原理分析

閱讀器主要由樹莓派、攝像頭模塊、外部儲存、語音模塊、按鍵以及顯示屏6 個部分組成，如圖1 所示。 樹莓派作為主控單元；圖像采集使用Camera V2 攝像頭模塊，用于拍攝人臉圖像，作為檢測采集數(shù)據(jù)的輸入；語音模塊用于信息播報；按鍵用于指令輸入；外部儲存用于保存人臉模型以及書簽信息；顯示部分為LCD 液晶屏，用于顯示書籍文字，以及測試結果。

圖1 系統(tǒng)整體結構框架Fig.1 The overall structure of the system

將樹莓派作為智能閱讀器的載體，在40 個引腳上接入對應的攝像頭模塊、顯示屏和簡易鍵盤，并在耳機孔上接入耳機或音響。 閱讀器采用Camera V2攝像頭模塊采集用戶清晰正臉的照片，輸入至樹莓派搭載的OpenCV 軟件中進行圖像處理。 在對圖像整體進行降噪處理和特征向量的提取后，把特征向量與數(shù)據(jù)庫中樣本進行比對，比對結果反饋至樹莓派。 根據(jù)上述結論播報對應的內容，使用eSpeak 軟件將文字轉化為語音。 語音內容包括閱讀者上次閱讀位置及書目名稱等等。 本系統(tǒng)還將人臉作為書本書簽，通過人臉識別后，書本將自動跳轉至上次閱讀位置。 為了便于用戶進行表情翻頁，可預先在系統(tǒng)中導入臉部旋轉的圖像。 使用閱讀器時，系統(tǒng)將實時檢測人臉特征向量變化，實現(xiàn)表情翻頁功能。

2 圖像識別

攝像頭采集得到的圖片利用中值濾波算法進行降噪；Haar 算法提取得到圖像中的人臉特征；AdaBoost 算法用來訓練分類器。

2.1 圖像預處理算法

在采集圖像時，不可避免的會伴有一定的噪聲，它使得圖像質量受到影響。 因此，為了得到較優(yōu)質的圖像，在使用圖像前須對所采集到的圖像實行降噪處理。 降噪的方式有很多，其中中值濾波是目前應用較多的一種非線性濾波器。 中值濾波主要是將像素四周點的像素值按從大到小的順序進行排列，取出中間值。 加入中值濾波后，能明顯感受到人臉識別成功率顯著提升。

2.2 Haar 特征提取算法

Haar 特征算法最先由Paul Viola 等人提出，后經(jīng)過Rainer Lienhart 等擴展引入45°傾斜特征。OpenCV 所使用的Haar 特征共計14 種，其中包括：5種Basic 特征、3 種Core 特征和6 種Titled（即45°旋轉）特征。 Haar 特征值反映了圖像的灰度變化情況。 臉部特征能由矩形特征簡單的描述，如：眼睛比臉頰顏色深，鼻梁兩側比鼻梁顏色要深，嘴巴比周圍顏色要深等。 但矩形特征只對一些簡單的圖形結構，如邊緣、線段較敏感，所以只能描述特定走向（水平、垂直、對角）的結構。 算法表達式如下所示：

Haar 特征值＝整個Haar 區(qū)域內像素和×權重＋黑色區(qū)域內像素和×權重。

2.3 分類器訓練算法

本文中選擇AdaBoost 分類器算法，主要考慮同一產(chǎn)品的使用者不會超過10 人，AdaBoost 算法完全可以滿足數(shù)據(jù)體量小、訓練時間短的項目。

Adaboost 算 法［2］（Adaptive Boosting 自 適 應 增強）是一種迭代算法，將多個弱分類器，組合成強分類器。 其自適應性在于：前一個弱分類器分類錯誤的樣本權重會得到加強，在權重更新后的樣本，將再次被用來訓練下一個新的弱分類器。 在每輪訓練中，用樣本總體訓練新的弱分類器，產(chǎn)生新的樣本權重、該弱分類器的話語權，一直迭代直到達到預定的錯誤率或達到指定的最大迭代次數(shù)。

若有N 個樣本，則每個訓練的樣本點開始時都被賦予相同的權重——1／N。 訓練過程中，如果某個樣本已經(jīng)被準確地分類，則下一次訓練中，它的權重就被降低；相反，如果某個樣本點沒有被準確地分類，那么它的權重就得到提高。 同時，得到弱分類器對應的話語權。 然后，更新權值后的樣本集被用于訓練下一個分類器，整個訓練過程如此迭代地進行下去。 各個弱分類器的訓練過程結束后，分類誤差率小的弱分類器的話語權較大，其在最終的分類函數(shù)中起著較大的決定作用，而分類誤差率大的弱分類器的話語權較小，其在最終的分類函數(shù)中起著較小的決定作用。 換言之，誤差率低的弱分類器在最終分類器中占的比例較大，反之較小。 最后訓練得到的弱分類器將組合成強分類器。

3 設計與實現(xiàn)

本系統(tǒng)在研究中，應用了多個算法提取人臉特征，來判斷是否與庫中人臉相匹配；在硬件設計中，自行設計了樹莓派電路，如圖2 所示。

圖2 樹莓派電路圖Fig.2 Raspberry Pi circuit diagram

除了人臉識別功能外，本系統(tǒng)還包括書簽跳轉、語音播報以及臉部表情翻頁功能，如圖3 所示。

圖3 系統(tǒng)流程圖Fig.3 System flow chart

3.1 攝像頭模塊

攝像頭模塊承擔了本系統(tǒng)最重要的人臉識別功能，是后續(xù)所有功能實現(xiàn)的基礎。 本系統(tǒng)采用Camera V2 樹莓派官方原裝的攝像頭，裝載有索尼IMX219 感光芯片，具有800 萬像素，可拍攝出3 280 像素?2 464 像素的靜態(tài)圖像，其接口電路如圖4 所示。

圖4 樹莓派攝像頭接口電路圖Fig.4 Raspberry Pi camera interface circuit diagram

樹莓派與攝像頭的連接線采用了柔性扁平電纜（FFC），一種用PET 絕緣材料和極薄的鍍錫扁平銅線壓合而成的新型數(shù)據(jù)線纜。 具有柔軟、厚度薄、體積小、連接簡單、拆卸方便、易解決電磁屏蔽等優(yōu)點。很好的解決了連接線體積大，不易彎折等問題，給用戶使用帶來了極大的便利。

3.2 書簽跳轉實現(xiàn)

書簽跳轉位置的信息以人臉文件名的方式進行儲存。 當人臉配對成功時，書簽將按照文件名上的字節(jié)數(shù)進行跳轉。 在用戶打開書簽時，系統(tǒng)會先將書簽按照字節(jié)長度數(shù)進行分頁，并實時記錄當前的字節(jié)數(shù)。 當需要保存書簽時，儲存當前位置的字節(jié)數(shù)，并通過命令行進行命名。

3.3 語音播報功能

書簽頁碼以及書目名稱通過語音的方式讀出。為此，本文在樹莓派上安裝eSpeak 開源軟件，便于將文字轉為語音讀出。 其中espeak_txt_chinese 命令是將指定文本中的內容通過eSpeak 軟件語音讀出。 如：使用命令行espeak－vzh＂編程＂，就可以讓樹莓派讀出中文一詞“編程”。

3.4 臉部表情翻頁功能

臉部表情翻頁是本系統(tǒng)最具特色的功能。 由于Haar 特征值算法將人臉輪廓、眼睛、嘴作為人臉特征的主要依據(jù)，當人臉發(fā)生一定角度轉動時，系統(tǒng)將無法識別其側臉，并將其作為一張全新的人臉來處理。 本系統(tǒng)正是利用了側臉和正臉人臉識別結果的不同，實現(xiàn)了搖頭翻頁的功能。 但當人臉轉動角度過大時，系統(tǒng)將徹底無法識別人臉，即超出了測量范圍，也就不存在翻頁了。 當用戶閱讀時，系統(tǒng)攝像頭將處于實時檢測的模式中，當側臉被檢測到時，就意味著翻頁指令運行。 以此來實現(xiàn)搖頭翻頁功能。

4 結果驗證

（1）驗證環(huán)境： 樹莓派3B＋為核心控制器，并在SD 卡預先儲存人臉識別數(shù)據(jù)庫（真人模型數(shù)據(jù)）及電子書籍。

（2）驗證過程：

①使用樹莓派上攝像頭的拍攝，用以捕捉人臉信息。

②對照片信息進行數(shù)字化處理，再將其與數(shù)據(jù)庫信息進行對比。

③對比信息正確時，在樹莓派的LCD 屏上顯示該用戶信息（已閱讀書目、書簽位置等），同時跳轉到該頁面。 對比無此人時，新建人臉信息。

④對比完成后，使用語音模塊對結果經(jīng)行播報。正確時樹莓派控制語音模塊說出書名與頁碼。

⑤使用樹莓派攝像頭，儲存?zhèn)饶樥掌?拍攝多組，多角度側臉照片以提高成功率。

⑥轉頭并還原至正臉位置，觀察是否翻頁成功。翻頁效果如圖5 所示。

（3）驗證結果：經(jīng)過反復測試，正臉正確識別率高達95%以上，語音播報功能運行良好，書簽功能正常進行。 由于受樹莓派本身性能限制，人臉識別實時檢測時有較大延遲，搖頭翻頁功能實現(xiàn)效果一般。 當兩張人臉在同一攝像頭畫面中出現(xiàn)時，系統(tǒng)發(fā)生錯誤識別等情況。

圖5 書本翻頁效果圖Fig.5 Book turning page renderings

5 結束語

本項目的靈感來源于人臉識別的興起，從視覺感知層面，對日常生活中的設備進行智能化的設計，很好地滿足了現(xiàn)代人對于快捷、保密性良好的電子閱讀設備的需求。 目前系統(tǒng)還有較大的提升空間，如當儲存大量人臉模型時，整個嵌入式的系統(tǒng)識別率還有待提高，與其他設備如何兼容等等問題。