基于云计算的智能人脸识别借阅系统研究

薛 健, 祖 央, 岑 丹

(1. 北京师范大学珠海分校 图书馆, 广东 珠海 519000; 2. 吉林大学 图书馆, 长春 130012)

0 引 言

互联网时代的进步和科学技术的发展, 使智能化越来越贴近人们的生活。然而, 大部分高校图书馆通常都是使用学生证登记、 借阅卡或一卡通刷卡等方式借书, 随时都存在着非本人借书、 丢书或非本校人员进馆等不文明或不安全的现象发生, 给图书馆管理带来了重大安全隐患[1]。因此笔者提出基于云计算的智能人脸识别借阅系统, 使图书馆采用人脸识别技术对学生们的借阅进行实时管理与掌控, 则这种现象将不再发生, 也会使图书管理系统更加智能化、 灵活化、 人性化, 从而使图书借阅变得便捷、 高效、 可行。

1 基于云计算的人脸识别借阅系统概述

1.1 云计算的概述

图1 云计算的基本构架Fig.1 The basic framework of Cloud Computing

云计算提供虚拟化、 效用计算、 基础设施等服务[2], 如图1所示, 其能提供可用的、 方便的、 按需的网络访问, 且会将资源快速提供, 使更少的人力、 物力和财力投入到管理工作中, 利用云计算还能很好地解决计算复杂和比较高难度的信息技术问题[3], 平台会对收到的数据进行处理并进行自动保存。

1.2 智能人脸识别技术

智能人脸识别技术是一种按照生物体自身独立特性区别每个生物个体的技术, 并根据该特性在人脸图像中精确找出人脸位置及大小, 把其中有用的结构特性、 模板特性、 轮廓特性等信息挑选出来, 并利用这些特性对人脸进行检测。人脸识别是一种非接触式技术, 具有可视化, 适合人们思维习惯等特点, 并可通过空间自动收集人脸图像进行识别, 无需身体部位接触检测设备, 便于实施。同时, 人脸是一种具有唯一性的身份标识, 不易被复制, 有效保证了用户信息的安全[4]。目前, 人脸检测的方法有基于特性的方法、 基于模板匹配的方法[5]和基于统计的方法等(见图2)。

图2 人脸检测的方法Fig.2 The technology of face detection

1.3 基于云计算的人脸识别借阅系统

基于云计算的人脸识别借阅系统, 通过刷脸自动识别用户信息, 包括人脸图像采集, 特征提取和图像识别等模块, 主要是将收集到的信息利用云计算平台强大的数据处理技术[6]和存储兼容技术进行处理, 使处理后的人脸特征信息生成人脸特征码, 并存储在云计算平台里, 与其他的生物识别技术相比, 基于云计算的人脸识别借阅系统有着简单操作、 成本低、 精准度高和结果直观等特点, 更为师生接受和使用。

2 系统框架

图3 系统框架图Fig.3 The system frame-chart

基于云计算的智能人脸识别借阅系统系统框架如图3所示。基于云计算的智能人脸识别借阅系统主要分为两端, 即用户端和云服务器端。前者负责采集图像和接收数据, 后者分为3层： 第1层为Web负载均衡服务器； 第2层为集群服务器层； 第3层为文件管理层。用户端主要提供用户友好界面并利用PC摄像头对人脸进行采集和平滑、 滤波和均衡化等预处理, 并对人脸进行检测。云端工作主要搭建Hadoop平台, 利用加载了Java CV库和Hadoop库的eclipse进行编程, 将人脸库存储在HDFS, 并对人脸库图像进行训练, 保存其训练结果。当用户端提交待检测人脸时, 通过负载均衡服务, 将数据打包传入云计算平台并将其进行备份, 利用保存的特征脸结果进行识别。

3 方案设计

该系统采用FaceCore人脸检测开放平台, 构建一个基于云计算的智能人脸检测系统, 利用嵌入式视频采集前端采集人脸数据对人脸图像进行预处理、 人脸检测及数据分割上传, 同时在云平台中进行任务计算资源分配、 数据处理和人脸姿态估计, 再将其特性提取[7], 通过对待测人脸信息和特征信息进行对比识别, 最终得出数据。该系统使用典型的映射-协议框架将面部特征分发到云平台上的计算机, 以实现并进行计算, 从而广泛适应因年龄, 肥胖(瘦弱), 疾病, 角度, 光线等因素造成的人脸图像的变化。系统方案图如图4所示。

图4 系统方案图Fig.4 The system scheme diagram

4 系统实现

人脸识别借阅系统结合云计算, 先用摄像头对全校师生脸部进行多方位抓拍, 并对人脸信息进行登记注册, 导入云平台, 云平台利用二值化、 光线补偿、 灰度变化和对比度增强等方法进行人脸处理, 处理后将生成独立的人脸特征码存入云端, 并自动进行备份。

借阅时, 借助摄像头对人脸进行拍摄, 计算机将拍摄的信息通过中间件传输到云平台, 平台启用数据处理功能, 快速生成一个人脸识别码, 并将该识别码与之前存储在HDFS的人脸特征码进行比对及筛选, 最后将结果显示到用户端, 图书管理人员即可查看到该人脸匹配的相似度及该人员信息。系统实验流程如图5所示。

图5 系统实现流程Fig.5 System implementation process

4.1 人脸注册

设备启动： 读取本地USB摄像头信息, 并自动加载启动。

信息注册： 将注册的人脸图像姓名、 人脸照片和人脸特性值保存在云端(见图6)。

4.2 人脸导入处理

图6 人脸注册Fig.6 Face enrollment

人脸搜集后, 将所收集到的人脸信息上传至云计算平台, 平台对其进行复杂的图像处理、 检测和识别, 主要采取以下4种方法进行处理。

二值化[8]： 它是图像处理中最为常见的处理方式。通过对彩色图片进行灰度化后, 将获取到的灰度图像进行二值化处理。对于二值化, 其目的是将目标用户背景分类, 为后续的人脸识别做准备。灰度图像二值化最常用的方法是阈值法, 其利用图像中目标与背景的差异, 把图像分别设置为两个不同的级别, 选取一个合适的阈值, 以确定某像素是目标还是背景, 从而获得二值化的图像(见表1和图7)。

表1 二值化

图7 二值化的编码过程Fig.7 The encode process of binarization

光线补偿[9]： 为了抵消光线不平衡造成的色彩偏差, 将整个图像中所有像素的高度从高到低进行排列。取前5%的像素, 然后线性放大, 使这些像素平均亮度达到极大值。光线补偿结果如表2所示。

表2 光线补偿

灰度变化[10]： 指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。目的是改善画质, 使图像显示效果更加清晰, 如表3和图8所示。

表3 灰度变化

图8 灰度变化示意图 Fig.8 The sketch map of gray processing

对比度增强[11]： 将图像中的亮度值范围拉伸或压缩成指定的亮度显示范围, 从而提高图像全部或局部对比度(见表4和图9)。

表4 对比度增强

图9 对比度增强过程Fig.9 The enhancement process of Contrast ratio

4.3 人脸检索

经过以上步骤处理后的图像上传到云计算平台进行保存并备份。当图书馆摄像头定位到某个人时, 系统将通过静止图像检索或动态图像检索识别人脸, 再将检索到的人脸上传至云计算平台与之前处理过的图像进行对比识别, 得出最后结果, 若信息匹配成功则检测通过, 允许借阅； 反之, 检测不通过。

静止图像检索： 静止图像检索使用的是特征脸方法, 当系统识别到人脸静止的图像时, 自动提取反映该图像的特征向量, 通过将该图像特征向量与特征库中的特征向量进行匹配, 并根据匹配结果到图像库中搜索, 进而识别人脸图像(见表5)。

表5 静止图象检索

动态图像检索： 动态图像检索采取网格作为模板, 将图像间的比较变为网格间的比较, 使用一种基于动态链接结构的弹性匹配法来定位人脸, 并根据人脸数据库进行匹配识别。通过动态图像检索, 可以有效的在多人脸、 不同尺寸、 不同姿态、 不同肤色、 不同光照条件和复杂背景情况下对人脸进行识别(见表6)。

表6 动态图像检索

5 测试与分析

为测试系统的实时功能和人脸识别效果, 通过采集不同年龄、 不同性别的100张人脸图像, 进行系统测试, 分别在每个人脸不同角度、 表情和背景的情况下对其进行年龄、 性别、 人脸识别和人脸个数等进行测试, 验证平均检测时间[15], 结果如表7所示。

表7 系统功能测试

测试结果验证了基于云计算的人脸识别系统的稳定性以及检测的实时性、 准确性和可行性, 由于使用云平台服务最大的优点是不计本地的存储和计算代价, 所以完全可以在师生注册时, 在云端上传更多张包含更多细节和姿态的人脸图以供精准识别[16]。

6 结 语

相对于借阅卡、 一卡通等方式, 基于云计算的人脸识别借阅系统将物的识别上升为人的面部特征的智能识别, 更直观、 更智能、 更便捷、 更精准, 可防止因校园借阅卡或一卡通遗失造成卡片盗刷, 减少图书馆书籍丢失率, 防止身份不明人士入馆, 提升图书馆环境安全, 减少图书馆职员的工作量。因此, 基于云计算的智能人脸识别借阅系统对于图书馆从“互联网+图书馆”到“智能+图书馆”转变, 具有非常积极的意义。