基于模式识别的人脸签到系统

高浚哲

（徐州市第一中学合作民办校，江苏徐州，221000）

1 概述

■1.1 人脸识别

人脸识别技术值得是通过比较人脸的视觉特征信息从而进行身份鉴别的技术[1]，是生物特征识别的典型代表。人脸识别技术从广义上而言，还包括了人脸检测、人脸跟踪、人脸比对等一系列相关技术。

人脸识别具有非强制性、非接触性的特点，可以在用户无意识的状态下直接获取人脸图像，不需要用户专门配合人脸采集设备，也不需要如采集指纹般需要用户和设备直接接触以获取人脸图像。除此之外，人脸识别还具有操作简单、结果直观、隐蔽性好等特点。总而言之，相对于其他生物特征识别技术，人脸识别技术具有普遍性更高、可采集性更高、可接受性更高的优点。近几年来，人脸识别技术成为计算机视觉领域的一大热点。

■1.2 人脸识别的发展现状

人脸识别技术良好的特性使得人脸识别引起了越来越多研究者的重视，有人将人脸识别技术称为“早上八九点钟的太阳”，足以说明人脸识别技术的巨大发展潜力。人脸识别技术在金融、公安及其他需要安全认证的行业和部门大放异彩，也被广泛应用于人员考勤、电子商务、身份鉴定、信息安全等领域。目前，我国从事人脸识别技术研究的单位有很多，使得生物特征识别技术形成了一定市场规模。2008年，以清华大学和中科院自动化研究所为代表研发的北京奥运会实名制票证系统将人脸识别技术推向新的高潮，为人脸识别技术的应用打下了坚实的基础[2]。2012年4月13日京沪高铁安检区域人脸识别系统工程开始招标，上海虹桥站、天津西站和济南西站三个车站安检区域将安装用于身份识别的高科技安检系统—人脸识别系统，以协助公安部门抓捕在逃案犯，为人脸识别技术在犯罪调查的领域添加了浓墨重彩的一笔。

由于反恐、国土安全和社会安全的需要，世界上各个国家都对安防领域加大了投入，其中人脸识别技术正是安防的一个核心领域[3]。在十几年的发展中，人脸识别技术已经成为全球性的生物识别共识之一，相关的研究已经取得很大的进展。生物识别技术的热潮，也为人脸识别技术带来更加广阔的发展前景。

■1.3 本系统的优点

传统的签到方式不外乎纸质签到、点名签到及刷卡签到的方式。

纸质签到方式需要提前打印相关信息，不仅浪费纸张，而且在签到过程中费时费力；点名签到方式在用户较少的情况下相对可行性高，但是当用户人员剧增，比如大学校园中课堂人数可能过百，一一进行点名的方法明显不可取；刷卡签到的方式改善了纸质签到与点名签到的很多弊端，但是也存在其不足，其中最明显的一点就是为了签到，每个人必须携带相关的身份卡，一旦该卡遗失，就会造成很多不必要的麻烦。

与上述几种传统的签到方式相比，本系统采用全自动签到的模式。用户只需走过面部采集的摄像头，就能实现签到，更加高效便捷，也更人性化。

2 系统描述

图1 系统示意图

在采用本系统实现签到功能之前首先需要采集用户的基本信息与人脸信息，并保存到相应的数据库中；在系统运行过程中，必须借助一些硬件进行针对人脸图像的收集，将获得的当前数据与数据库数据进行对比分析，从而得到签到结果。因此，从整体上而言，我们将本系统大致分为三个部分，并分别命名为硬件部分、数据库部分及识别部分。

图2 用户信息

■2.1 硬件部分

硬件部分主要包含两个设备：摄像头和显示屏。

摄像头主要用于采集用户的头像信息，是人脸检测与识别过程的基础。为了提高检测的准确性，我们要求摄像头能够拍摄高清的图像信息。在信息录入与识别的过程中，均需要用到摄像头。

显示屏主要用于输出当前的签到结果，在我们的设计中只实现简单的文字输出。如显示“张三签到成功”、“未检测到人脸”、“无法识别此人”等，给出相关的提示信息，从而判断当前用户是否签到成功。

■2.2 数据库部分

对于本系统而言，需要建立一个存放用户数据的数据库。在系统用于识别之前，采集需要进行签到的全体用户信息。用户信息主要包含三个部分的内容，即身份信息、图像信息和签到信息，便于系统对这些数据进行处理和调用。身份信息代表的是用户的基本身份数据，包括身份证号、性别、住址等；图像信息则代表用户的人脸图像数据，包括人脸样本信息、人脸样本图像特征信息等；签到信息代表用户的签到情况，包括签到时间、签到地点等。这些用户信息结合在一起，形成一个完整的用户实体。

本系统主要采用E-R模型法设计数据库。以用户为实体，其E-R图大致如图3所示。

图 3 用户 E—R 图示意

针对不同的应用环境，实体属性可以进行相应的增删。比如说，如果该系统应用于校园中，以学生为用户，则其属性可以添加学号、导师姓名等，其主码也可进行灵活调整。

■2.3 识别部分

识别部分是系统的核心，是实现人脸检测与识别的软件部分。

对于系统的识别过程，描述如下：当用户进入到摄像头采集信息的范围后，摄像头会自动拍摄图像；对于获得的图像信息，首先进行人脸检测，判断图像中是否存在人脸，若存在，系统才能继续进行下一步工作；当检测到人脸后，计算机自动比对所得人脸与数据库中的用户图像信息，当该用户存在于数据库中时，即可根据其相应的身份信息得知用户身份，从而实现签到。

必须说明的是，人脸检测与人脸识别存在一定的区别。人脸检测指的是判断当前获取的图像中是否确实含有人脸部分，并将人脸图像信息从背景中提取出来；人脸识别则需要比对已经提取的人脸信息，与数据库进行比对分析，判断该人脸代表的身份信息。可以说，人脸检测是人脸识别过程的前提与基础，人脸识别过程则是人脸检测的目标与结果。

图4 签到过程流程图

3 识别设计

人脸识别技术发展至今，已经产生了各种各样的方法，如基于子空间分析的人脸识别、基于隐马尔可夫模型的人脸识别、基于神经网络的人脸识别等[4]。本系统主要采用的是基于模式识别的人脸识别技术。所谓模式。就是把通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息[5]。简单来说，当人类能够一眼认出一个苹果，是因为在日常生活中，我们的思维被不断训练，从而提炼出关于“苹果”的样本信息，如大小、形状、颜色等。这一样本就是苹果的模式。当再一次看到苹果时，人脑会自动进行模式匹配，最终得出当前物体是否为苹果的结论。这与“物以类聚”的说法有一定的相似之处。

在模式识别系统中，通过大量样本训练，主要获得人脸模式，将这些模式存储在数据库中，为本系统的人脸检测与识别提供便利。

受到广泛肯定的模式识别系统分为数据采集、数据预处理、特征提取和分类决策四个部分[4]。如图5所示。

图5 模式识别系统

■3.1 数据采集

获取的数据要求是用计算机可以运算的符号来表示所研究的对象。我们将一幅图像进行数字化后进行存储分析。图像数字化的过程就是在计算机内生成一个二维矩阵的过程。举例如图6所示。

图6 图像量化实例

本系统的数据主要是通过高清摄像头采集的人脸图像信息。注意这些人脸图像仅仅用作获取样本数据，可以不是最终数据库中存储的用户。

■3.2 预处理

图像的预处理主要指图像去噪的过程。在图像信息中，各种阻碍信息获取的因素称之为噪声。去噪的目的就是为了排除不相干信息的干扰，如衣领、背景、光线等，只留下与人脸信息相关的内容，如人脸的长宽比例、肤色等。

■3.3 特征提取

特征提取的过程就是对原始数据进行变换，得到最能反映分类本质的特征。简单的说，特征提取即在当前获得的数据中寻找对结果影响最大的有效信息。特征提取在模式识别过程中是关键的一步。特征的选取十分慎重，其数量并不是越多越好。

■3.4 分类决策

分类决策的过程就是在特征空间中用模式识别方法把识别对象进行归类。基本的做法是在样本训练集基础上确定某个决策，使得按这种规则对被识别对象进行分类所造成的误差或损失最小。

简而言之，在本系统中，假设最终通过脸型对样本进行分类，就需要通过给定计算的方法，使得最终结果能将圆脸、鹅蛋脸、瓜子脸等脸型进行有效分类。

4 结语

本系统摒弃了传统冗长费力的签到方式，采用基于模式识别的人脸识别技术，使得签到过程不再成为用户的负担。随着研究的深入，我们也意识到人脸识别技术存在一定的难题，比如人脸的姿态、光照、表情[3]等的变化都会对识别的准确度造成影响。随着技术的逐步完善，人脸识别技术还有很大的发展空间。相信在人脸识别技术的下一阶段发展过程中，会诞生更多诸如签到系统的实用性应用，为人们的生活带来更多便利。

* [1]徐晓艳.人脸识别技术综述[J].电子测试,2015,(10):30—35+45.

* [2]贾川.浅谈人脸识别技术应用及发展趋势[J].中国安防 ,2010,(03):83—86.

* [3]董琳,赵怀勋.人脸识别技术的研究现状与展望[J].安防科技 ,2011,(10):22—26.

* [4]薛冰,郭晓松,蒲鹏程.人脸识别技术综述[J].四川兵工学报 ,2010,(07):119—121+130.

* [5]范会敏,王浩.模式识别方法概述[J].电子设计工程 ,2012,(19):48—51.