生物识别技术在AIoT+5G新型智慧社区中的应用研究

王洪艳

(大连财经学院工商管理学院，大连 116622)

生物识别技术包含面部识别技术、声音识别技术及指纹识别技术，在AIoT+5G城市智慧社区加快布局的现实情况下，通过大数据及云计算技术、物联网技术、移动通讯技术等的结合，为广大社区群众提供更加安全的身份信息识别、财产保护、远程管理服务，为后续智慧社区购物、医疗、养老等智能场景的搭建赋能。因而从普通社区居民的智能化生活环境出发，探讨智慧社区存在的一系列智能硬件、软件服务生态体系，有利于智慧城市公共基础设施、公共服务的规划与完善，以满足不同社区用户多元化的公共服务与管理需求。

1 生物识别技术主要内容及其与AIoT新型智慧社区结合的应用

1.1 生物识别技术的相关内容阐述

当前城市社区内的生物识别技术，并非接触式的生物传感技术，而是在短时间内，就能完成用户身份识别的生物特征比对技术。人脸识别、环境声音识别、虹膜识别、指纹识别等都属于这种即时性身份识别与鉴定技术。首先，人脸识别技术，是基于“大数据+深度学习算法(CNN&DBN)”的识别技术，通常被用于城市社区内门禁系统的身份识别。通过门禁摄像头或图像传感器，拍摄取景视域中的人脸信息，然后与后台服务器/客户端存储的人脸图片进行比对，或者检索与该张照片最为相近的人脸图像，并检测与认证人脸身份信息是否属实，一般涵盖用户交互、人脸检测与认证、安全校验等模块[1]。其次，环境声音识别技术，包括前端、后端处理两方面内容，其中前端处理是指对环境中的声音信号，进行搜集、特征提取，其可以去除原始音频内的杂音、冗余信息，获得较为稳定的音频频域信号；后端处理是在卷积神经网络(CNN)中，按照误差反向传播算法，对已提取好的音频信号进行无监督训练，得到该音频信号在全局网络中的最优解。最后，人眼虹膜识别、指纹识别等技术，则被应用于高等级社区环境的用户身份识别，该识别技术在个体生物特征采集中，会对生物图像信息作出裁剪、切割、降噪、灰度化与二值化处理，将生物图像转换为可被读取的模板代码，并存储至生物识别数据库中，从而准确完成人眼虹膜录入、指纹信息的匹配与识别。

1.2 生物识别技术与AIoT+5G新型智慧社区相结合的应用方向

在我国新型智慧社区的建设过程中，以AIoT+5G物联网信息技术、大数据及云计算技术为主的软硬件设施，成为社区内不同区域生物识别模块的接入端口。虽然我国很多大城市已经加紧5G网络的铺设与覆盖，但从全国5G移动通讯技术建设情况来看，城市智慧化社区的5G网络、AIoT网络服务设备接入仍然处于智能化公共服务场景改造的初级阶段，且往往着重于社区门禁、单元门禁、地下车库门禁等门禁系统，只能满足基本的人员出入、车辆出入、家政服务等管理需求。

对于常用的智慧社区门禁系统而言，人脸识别系统在其中发挥着重要作用，通常社区管理人员会将居民的身份证数据、人脸信息，运用电子扫描仪进行上传与录入，再利用深度学习的人像识别算法，根据权重衰减(Weight Decay)正则化定律，对正在学习的图像模型作出拟合训练，不断提升大数据人像识别算法的运算精度。这样城市智慧社区出现人员、车辆进入时，门禁系统就会将采集到的人脸数据信息、车辆数据信息，与后台数据库中存储的图像进行主动识别、比对，整个流程无需任何硬件设备的接触，真正实现非接触性、并发性的图像采集、识别与判断，相比于传统人工信息，识别、录入的效率更高。而在城市新型智慧社区的公共家政服务、医疗服务与行政管理方面，往往会使用更加安全的人眼虹膜识别技术、指纹识别技术，如社区内部物业管理、超市购物、图书借阅等服务，主要通过保密等级更高、成本更低的指纹识别技术，或者可注册的临时虹膜权限，对社区居民各项日常生活，以及外部工作人员的临时访问进行服务与管理，在加快推动智慧生活场景不断发展完善的同时，也为居民提供更加安全的出入管理、公共服务保障[2]。

图1新型智慧社区人脸识别系统功能架构

2 人脸识别技术应用到AIoT+5G新型智慧社区中的系统架构

2.1 新型智慧社区人脸识别系统的功能架构分析

人脸识别智能技术引入到城市社区建设中，需要通过多种大数据及云计算技术、物联网软硬件的接入与结合，才能有效达成不同网络设备互联、远程控制的目标。以智能人脸识别系统的功能架构建设为例，该系统架构为服务器/客户端(C/S)，通常包含前端/后端等功能实现模块，其中前端模块为网络操控面板，负责为社区用户提供良好的交互页面、信息处理结果展示。而后端功能模块则被安置于服务器端，包括安全校验、人脸检测与录入、人脸认证等功能模块，用于接受用户的人脸识别请求，其中网络服务器、后台数据库负责人脸图片的比对工作，从数据库内检索出与该图像相似的人脸照片，以对其真实身份作出分析辨别，具体系统功能架构如图1所示[3]。

从图1可以得出，用户前端在输入人脸照片后，后端服务器需要从本地后台数据库中，检索出大量与之相类似的图片进行比对，整个系统功能的实现应由多种不同模块互相协同配合。这一系统中用户交互界面、结果展示模块，通常被用于人脸图像上传、信息查询，以及得到并显示后台服务器的人脸分析结果。而后端安全校验模块则以网络爬虫的方式，采集网页中结构化、非结构化的图像数据，判定人脸图像来源、图像信息内容是否安全，然后将其存储于扩充数据库之中。之后人脸检测、人脸认证模块会利用深度学习算法展开人脸检索、分析，判定该图像是否包含人脸信息，若包含人脸信息则开始人脸生物特征分析、关联性分析等，并给出数据库中与输入图像相近的处理结果。最后在Python语言的用户交互实现界面，通过HTML代码+逻辑控制代码完成模板语言的转换，将最终人脸识别结果返回至用户界面。

2.2 AIoT+5G新型智慧社区中的人脸识别算法设计及实现

为完成系统城市智慧社区中出入人员的人脸识别，要借助于深度卷积神经网络(CNN)以及深度学习人脸识别算法，建立涵盖卷积层、池化层、函数层等层级的网络算法训练模型。

2.2.1 卷积层 深度神经网络(CNN)中的卷积层，通常由不同的图像信息存储单元组成，每个卷积单元内包含图像的特征边缘、线条等信息，利用卷积运算展开人脸图像信号的计算，计算输入人脸图像区域像素，与卷积核函数输出图像像素的对应程度，运算方法如下所示：

X为人脸识别图像的输入信号，W为卷积核函数，在卷积核运算过程中每次人脸图像像素移动，会得出与之相对应的S矩阵。因此每个卷积层内不同的卷积核运算，将得出多个不同的人脸图像对应特征输出，最终将得到的人脸图像N个对应特征，输入到下一层级的神经网络进行再次迭代运算，人脸图像检索、识别与比对的结果如图2所示。

图2从脸图像检索识别与比对结果

2.2.2 池化层 池化层将输入图像划分为若干矩形区域，每个区域输出最大值进行数据迭代，也被称为形式降采样。通常在深度神经网络的卷积层之间，会周期性地插入池化层，开展不重叠图像特征的并入与减小，使S矩阵相邻像素的聚合运算量逐渐下降。在人脸图像池化中常用的聚合方法，为区块模型的最大值或平均值法，具体运算方法如下：

2.2.3 函数层 在经过多层深度神经网络(CNN)算法的迭代与传递后，所得到的人脸识别图像函数，存在着分布特性的差异性，要运用S型激活函数(Sigmoid)、T型函数(Tauh)对其作出归一化处理，运算函数为：y=f(∑ωixi+b)。

3 环境声音识别技术应用到AIoT+5G新型智慧社区中的系统架构

基于深度置信网络(DBN)算法的环境声音识别，通常包含环境音频输入、声音信息处理、深度置信网络(DBN)分类与运算等流程，具体系统实现架构如图3所示。

图3系统实现架构

前端声音信息处理：城市社区环境声音信号的处理，主要是提取音频信号中的声波基频、幅值、谐波等特征信息，从音频时域、频域两方面着手，去掉原始环境声音内的干扰性、冗余性数据信息，这里以前端音频较为稳定的频域信号，作为环境中人声识别的重要特征信号[4]。

深度置信网络(DBN)分类与运算：在实际环境人声识别过程中，通常只保留梅尔倒谱系数(MFCC)变换的低频声音特征，音频特征提取流程为语音预加重、重叠分帧、加窗、频域转换、梅尔刻度滤波器过滤、对数能量、离散余弦(DCT)变换，最终得到环境声音低频特征的数据信息。之后利用深度置信网络模型，对引入的环境人声低频提取特征进行训练，通过DBN网络训练、BP深度神经网络训练等展开特征权值调整，不断迭代实现深度置信网络内的全局最优解[5]。

4 生物识别技术在AIoT+5G新型智慧社区中的应用前景

新型城市智慧社区人工智能技术，包含多种人脸识别、环境人声识别、指纹识别、虹膜识别等生物技术。在现有的宽带网络、5G移动通信网络环境中，可以安装出入门禁系统、智能路灯系统、可视化对讲系统，对以上智慧社区人工智能技术进行应用，由AIoT设备形成公共安全、公共服务、公共管理之间的互联互通。而物业管理人员、社区居民用户等主体，则能够借助于网络云平台，在远程后台云服务器中操控城市服务系统，以满足智慧社区内部多元化的应用服务需求、管理要求。

当前部分城市社区，已经将AIoT+5G物联网络与普通居民的移动手机终端、智能穿戴设备形成绑定，用户通过登录网络客户端或浏览器，就可以对自身的人脸、人声、指纹、虹膜等生物信息作出识别，享受多样化的智慧城市信息查询、业务办理与远程医护服务。物业服务项目查询、城市业务缴费，以及家政服务预约、远程医疗咨询等活动，都能够在网络云服务平台中一站化完成[6]。

同时部分城市社区居民用户，还将人脸识别、人声识别或指纹识别等技术，与自家的AIoT+5G物联网平台进行对接，通过人工智能深度学习算法，不断训练智能设备的自动化程度，以便于网络智能家居设备的多向互动、智能作业。如城市社区居民进门时，安装人脸识别、指纹识别智能门锁，判定用户是否为家庭成员，这样有效保证居民出入的安全性、方便快捷性。而后在进入家庭后，借助于AIoT+5G物联神经网络，设置智能WiFi上网控制、智能家居窗帘、智能开/关灯、智能电器操控等居家服务，利用环境中人声识别技术，实现对海量AIoT终端设备的网络云服务控制，并在网络面板中做到智能家居设备的动态记录、实时更新。

5 结 语

人脸识别技术、环境声音识别技术、虹膜识别技术、指纹识别技术等前端科技，与大数据及云计算技术、AIoT物联网技术形成有效结合，将真正解决城市社区外部人员、内部人员信息属性难以获取，以及社区人员或车辆出入、公共服务管理不成体系的问题。在AIoT+5G物联网络快速发展的形势下，通过人脸、人声、指纹、虹膜等外部生物信息，展开非接触性、即时性的身份信息获取和识别，并与网络云平台存储的数据信息作出生物特征比对，不仅能够有效促进社区公共安全、公共服务、智能生活等活动的互通互联，而且大大降低智慧社区内各项事务的监管复杂度，以便于完成社区流动人员、行政服务的动态监控管理。