基于无线通信技术的智慧园区人脸识别门禁控制方法

李 挺

（贵州省通信产业服务有限公司，贵州 贵阳 550001）

0 引 言

随着科技的迅猛发展，智慧园区已成为现代城市的标志性建筑，其安全性和智能化管理的重要性日益凸显。门禁控制系统作为智慧园区安全防范的核心环节，其技术实现与智能化程度对园区安全具有重大影响。按照识别方式，可以将我国的智慧园区门禁系统控制方法分为3 类。一是密码识别门禁系统，通过输入正确密码来进行开锁，虽然操作便捷，但存在密码泄露的风险；二是卡片识别门禁系统，即将磁卡或射频卡放置在感应设备上进行开锁，存在丢失、损坏等风险；三是生物识别门禁系统，即识别来访者的生物特征。文献[1]在我国智能家居飞速发展的背景下，将EAIDK-310 和OneNET 云平台结合在一起，开发了一种基于手势识别、语音交互等功能的无接触式门禁系统，可以保障住户安全。文献[2]在进行射频指纹识别研究时，引入信号双谱和改进残差网络（Residual Network，ResNet）构建了一种有效的指纹分类方法。该方法在电磁环境下对射频指纹的识别率达到95.2%。文献[3]提出一种基于信号导频的射频指纹识别方法，解决了传统指纹识别技术未考虑指纹样本携带内容对识别结果的影响问题。虽然我国学者在开展生物识别门禁研究时，针对指纹识别进行了深入探讨，并取得一定研究成果，但是这种门禁控制方式对一些指纹不清晰的人不是很友好。基于此，文章研究并提出一种智慧园区人脸识别门禁控制方法，旨在提高门禁控制系统的智能化程度与安全性。

1 基于无线通信技术传输门禁端人脸图像

我国智慧园区中传统的门禁系统存在易失窃、易伪造以及易破解的风险。人脸识别作为一种生物识别手段，因具有安全、可靠、便捷的特性脱颖而出[4]。基于此，文章提出一种结合无线通信技术的智慧园区人脸识别门禁控制方法，旨在提升园区的安全水平和使用便捷性。目前，大多数人脸识别门禁系统仍依赖本地的数据处理模式，存在单点故障隐患。因此，文章设计的人脸识别门禁控制方法利用无线通信技术，将智慧园区门禁端采集的来访者人脸图像传输至远程服务器端进行处理与识别[5]。

文章选用ZigBee 技术作为无线通信的主要手段。ZigBee 技术在物联网领域表现出色，其低功耗策略通过优化休眠模式和数据传输速率，能够显著延长设备的使用寿命，降低维护成本。ZigBee 采用高可靠性的数据传输模式，通过碰撞避免策略和完全确认机制，有效避免了数据冲突和丢包的问题，从而确保数据的完整性和准确性。ZigBee 网络具有大容量的特点，能够支持大量设备的接入和管理，满足大规模物联网应用的需求。此外，ZigBee 网络具有出色的自组织和自恢复能力，使设备能够自动发现并加入网络，还可以在设备故障或离线时自动调整，确保网络的稳定运行，减少人工干预。根据园区门禁端人脸图像的传输需求，组建了一个树型拓扑结构的ZigBee 网络。

文章在构建智慧园区ZigBee 无线通信网络结构时，采用簇数路由算法，无须额外的存储资源，仅通过网络地址来选择路由进行人脸图像数据的传输。假设ZigBee 无线网络中出现了新节点要入网，则需要根据式（1）分配子节点地址之间的偏移量，即

式中：D1(h)表示ZigBee 无线网络路由器节点分配给子节点地址之间的偏移量；h表示无线网络深度；N1表示ZigBee 无线网络中一个父节点能够拥有的最大子节点数目；H表示ZigBee 无线网络的最大深度；N2表示ZigBee 无线网络中一个父节点的全部子节点能够拥有的最大路由器数目。根据式（1）可计算出ZigBee 无线网络父节点为新加入子节点分配的地址，用公式表示为

式中：D路由器、D终端设备分别表示ZigBee 无线网络中新加入节点的路由器、终端设备的网络地址；D2表示路由器节点的网络地址；N3表示子路由器节点数量。

文章在创建ZigBee 无线通信网络时，利用协调器来执行网络节点地址的分配算法，以完成ZigBee组网。

2 预处理智慧园区门禁端人脸图像

在智慧园区的门禁系统控制中，完成门禁端来访者人脸图像的远程传输后，为提高原始人脸图像的质量，降低环境因素和个体差异对人脸识别准确性的影响，需要在远程服务器端对图像进行一系列的预处理操作[6]。先对接收的彩色人脸图像进行灰度化处理，以提高处理速度，减少计算量。灰度转换用公式表示为

式中：A表示灰度化处理后的人脸图像灰度值；R、G、B分别表示原始人脸图像的红色、绿色、蓝色分量。利用式（3）对图像进行灰度化处理后，即可将原始彩色人脸图像转换为黑白图像。为增强图像的对比度并改善细节信息，需要对完成灰度化处理后的图像进行直方图均衡化处理，用公式表示为

式中：I(x,y)表示直方图均衡化处理后的门禁端人脸图像；(x,y)表示图像像素点位置；m、n分别表示人脸图像的行数与列数。直方图均衡化可以提高人脸图像的对比度，使人脸特征更加突出。智慧园区门禁端摄像头会受自身采集精度和外界环境等因素的干扰，且原始人脸图像存在噪声，因此需对图像进行滤波去噪处理，并保留人脸图像的边缘细节[7]。该过程可以用公式表示为

式中：J(x,y)表示高斯滤波去噪处理后的门禁端人脸图像；ε表示高斯函数的标准差。

3 基于人脸图像识别实现智慧园区门禁控制

为实现智慧园区安全且高效的门禁控制，在远程服务器端检测并识别预处理后的门禁端人脸图像，根据识别结果下达门禁控制指令[8]。如果识别结果显示来访者的身份与数据库中已注册的信息相符，则系统自动解锁门禁，允许来访者进入园区；如果识别结果不符，系统会拒绝访问请求，甚至触发警报机制，通知管理人员做进一步处理。

主成分分析法作为一种有效的特征提取方法，通过一系列数学计算和变换将原始图像数据中的多个维度精简为几个主成分。这些主成分恰恰代表原始数据中最核心、最重要的特征。已知预处理后的门禁端人脸图像为J(x,y)，则特征提取公式为

式中：F表示主成分矩阵；ZF表示人脸图像特征矩阵；X表示残差矩阵。由式（6）提取的特征通常与人脸的轮廓、五官形状等密切相关，是区分不同人脸的关键信息。在完成人脸图像的特征提取后，可以通过特征匹配来完成人脸识别。该过程主要基于欧氏距离来度量特征之间的相似性。已知待识别的人脸图像特征为Z(z1,z2,…,zM)，假设人脸数据库中已存储的特征为Q(q1,q2,…,qM)，则特征匹配的欧氏距离公式为

式中：d(Z,Q)表示待识别的人脸图像特征Z和已存储特征Q之间的欧氏距离；zi、qi分别表示第i个待识别的人脸图像特征和已存储特征；M表示特征数量。在进行人脸图像特征匹配时，需要根据智慧园区门禁系统的实际情况定义一个阈值，将其与式（7）所求的欧氏距离进行对比。如果大于阈值，说明待识别的人脸图像和门禁系统已存储人脸图像特征匹配成功；如果两者相等，则无法确定人脸信息；如果小于阈值，说明待识别的人脸图像和已存储人脸图像特征匹配失败。

4 仿真实验

4.1 实验准备

为验证基于无线通信技术的智慧园区人脸识别门禁控制方法的性能，搭建了一个仿真实验环境。仿真实验环境参数配置如表1 所示。

表1 仿真实验环境参数配置

根据表1搭建实验环境，分别收集单人人脸图像、多人人脸图像、非人脸图像各200 张，将其设为实验数据集。对比基于无线通信技术的人脸识别门禁控制方法、基于深度学习的人脸识别门禁控制方法、基于机器学习的人脸识别门禁控制方法，以验证文章设计方法的分类性能。

4.2 实验结果

为提高实验效果的可信度，分别采用单人人脸图像、多人人图像以及非人脸图像各200 张进行人脸识别门禁控制。统计并计算全部实验图像数据的正确识别检测结果，具体结果如表2 所示。

表2 图像正确识别检测结果 单位：张

由表2可知，文章设计方法的人脸识别精度最高，3 种人脸图像识别的平均准确率为98.5%；深度学习方法下3 种人脸图像识别的平均准确率为92.8%；机器学习方法下3 种人脸图像识别的平均准确率为89.0%，均低于文章所提方法。因此，文章提出的基于无线通信技术的智慧园区人脸识别门禁控制方法是可靠的，可以满足智慧园区门禁系统控制中精准识别检测来访者人脸的需求。

5 结 论

文章深入探讨基于无线通信技术的智慧园区人脸识别门禁控制方法的设计与实现。通过结合人脸识别技术、无线通信技术，提出一种新的门禁控制方法，旨在提高智慧园区门禁系统的智能化程度与安全性。尽管本次研究取得一些成果，但仍存在不足之处。未来，将继续研究人脸识别技术，以提高该方法在各种环境下的准确率，并探索更加智能的门禁控制策略，以满足智慧园区的多样化需求。