口罩遮挡人脸识别的方法的研究与设计

侯现坤 谷敏惠 周玮 胡华朝

摘 要：提出用多尺度直方图解决特征提取中的块大小选择问题，并用欧拉公式白化矩阵。遮挡下的人脸识别一直是现实场景中的一个难题。提出了一个新的框架修复人脸，利用边缘生成网络还原遮挡区域的边缘，在此基础上再利用区域填充网络恢复被遮挡的人脸，同时保留身份信息。为提升模型的性能，提出空间加权对抗损失和身份一致性损失训练上述网络，并利用关键点信息，构建了两个戴口罩的人脸数据集。该文根据霍夫线检测判断人脸是否戴口罩，通过提取未覆盖部分的hog特征和级联分类器来提高口罩覆盖人脸识别的准确率。

关键词：口罩遮挡;人脸识别;嵌入式系统

基于边缘检测的人脸识别是目前主流的生物识别技术，广泛应用于日常生活中。应用于门禁系统、电脑手机安全、ATM智能报警系统、人员跟踪等领域。它具有误识率低、不易伪造、不易察觉、不接触、自然等优点。人脸识别技术对于小区门禁管理、人脸门禁考勤、车站人脸闸机等场合都是不可或缺的。在新冠肺炎疫情期间，口罩使人脸识别技术这一身份验证的重要手段基本失效。因此，它引起了许多研究者的关注。

一、嵌入式系统设计

一个嵌入式系统的搭建离不开硬件设备的支持，本系统硬件由以下几个模块组成：⑴主控模块：主芯片采用具备主流性能Arm So C的RK3228H，搭载OPEN AI LAB嵌入式AI开发平台AID（包含支持异构计算库HCL、嵌入式深度学习框架Tengine以及轻量级嵌入式计算机视觉加速库Blade CV），控制整个系统的运行;⑵人脸采集模块：使用Usb摄像头设备采集戴口罩的人脸数据;⑶网络通信模块：通过网口使嵌入式平台与PC机能够通信，以便调试应用程序;⑷显示模块：使用HDMI接口的触摸屏来显示人脸图像;⑸外部存储模块：在TF卡槽中插入TF卡来扩展存储空间。

嵌入式系统软件设计一般包括环境搭建和程序设计两个部分。其中，环境搭建主要内容是加载引导程序U-Boot、烧写Linux内核以及根文件系统，自己搭建的话比较麻烦，而且很容易出错所以本文使用了官方打包好的Linux系统Fedora 28。

而程序设计根据需求有以下几个过程：首先，是戴口罩的人脸采集，它使用了V4L2接口以及UVC协议来控制摄像头采集的规格，并且调用函数打开Usb摄像头进行图像采集;然后，是人脸检测，它采用Adaboost检测算法对戴口罩的人脸进行定位;之后，是戴口罩的人脸模型训练，将采集到的人脸进行预处理，并且在用户人脸数据上进行标记用来训练人脸模型;最后，是戴口罩的人脸识别，将采集到的实时人脸同样使用Adboost算法定位人脸，进行预处理，再调用人脸识别算法，即可识别出是不是戴口罩的本人。

二、算法设计

（一）人脸检测算法设计

当前运用比较广泛的人脸检测方法大多是以Harr+Adaboost的方式实现的。其中harr特征由黑白两种矩形组成特征模板，并且定义特征值为白色矩形像素和减黑色矩形像素和，所以Harr特征值反映了图像的灰度变化[5]。而Adaboost是一种迭代算法，它可以通過大量的Harr特征来训练很多个弱分类器，最后再将这些弱分类器集合在一起构成一个强分类器，使用强分类器来区分是不是人脸，达到人脸检测的目的。

（二）人脸识别算法设计

Opencv中分别有Eigenface、Fisherface以及LBPH三种人脸识别算法。其中Eigenface就是特征脸的意思，是一种从主成分分析（PCA）中导出的人脸识别和描述技术。特征脸方法的主要思路就是将输入的人脸图像看作一个个矩阵，通过在人脸空间中一组正交向量，并选择最重要的正交向量，作为“主成分”来描述原来的人脸空间。Fisheerface主要是结合了PCA降维以及LDA特征提取的优点，将多维的人脸投影在一维的特征空间上，从而得到一组特征向量来代表人脸的特征。而LBPH主要是通过LBP提取人脸特征的方式来实现人脸的识别。

三、系统测试

嵌入式人脸识别系统在过去的几十年里已经发展得很成熟了，但是由于人脸识别过程中容易受到光照、姿势、表情、年龄等因素的影响，导致人脸识别系统的不完善。除此之外，嵌入式硬件的发展也达到了瓶颈。

嵌入式人脸识别系统想要再一次发展，一方面就是解决人脸识别中的影响因素，另一方面就是发展新型的嵌入式人工智能平台，它不仅能够促进嵌入式系统硬件的发展，更可以满足一些实时性高的场景中，比如无人驾驶。而本文使用Eaidk-310这一款嵌入式人工智能平台，有很大的原因就是为了将人脸识别系统运用在新型的嵌入式平台上。