人脸识别属于什么安防手段（论人脸识别技术如何在智慧建筑安防中应用）

文|煮酒

图|煮酒

随着科学技术的飞速发展，物联网、云计算、人工智能等新兴技术开始迅速崛起，使人类的生活和社会发生了翻天覆地的变化，特别是在互联网、人工智能等技术的飞速发展下，计算机代替人力进行繁重的工作已经成为现实。

利用信息与通讯技术对各种关键信息进行感测、分析、整合，达到智能化的经营与管理，已是时代发展的必然趋势。

智慧校园是在基于物联网的基础上，实现教学、科研、管理和校园生活的智能化、一体化管理。智慧校园的保安系统是把保安与监控系统有机地结合起来，通过对出入的人员进行智能管理，并对其进行登记，从而提高管理的效率，增强校园的安全。而人脸识别作为一种以人体脸部的生物特性为基础的技术，在金融、医疗、游戏、交通、刑事侦查、安全等方面有着广泛的应用。在智能校园保安系统中采用人脸识别技术，可以快速地进行身份验证，并根据个人的身份设定不同的安全级别，实时记录视频监控画面，统计出入数据，并通过统一的管理平台对所有的门禁进行集中控制，对外来者进行临时授权和实时跟踪。

研究方向

1.概述

是指通过面部特征，对输入的人的人脸、视频流等数据进行分析，然后通过识别的方法，确定人脸的位置、大小和各个重要的面部器官的位置信息，然后与已知的人脸进行比较，从而确定各个人脸的身份。人脸图像的获取一般都是借助摄像机来完成，而识别算法的关键就是要保证算法的准确性和效率。

2.研究方向

当前人脸识别的主流研究方法有两个方面：

一.综合分析法

综合考虑模态的总体属性，如：面部特征法、SVD分解法、人脸等密度线分析法、弹性图匹配方法及神经网络的方法等。

二.基于特征分析方法

它把一个脸部参考点的相对比例与其它形状参数或者分类参数结合起来，形成一个识别的特征矢量。在整体脸部的基础上，保持各个零件的拓扑结构，和各个零件的相关信息，并利用零件的特征信息，从脸部的局部轮廓和灰度特征中抽取出相应的特征，给出相应的识别法。

识别流程

人脸识别的研究内容包括人脸检测、特征提取、人脸识别三个步骤。

首先利用摄像机获取被识别的面部图像，使用人脸检测算法进行检测，确定是否包含了人脸，若存在，则继续查找具体位置、大小等状态信息，并对该图像进行图形形态学处理，以便于下一步的特征抽取，再对所抽取的特征进行训练，最终将所提取的人脸图像与样本库中的数据进行比对，从而得到身份信息。

1.面部数据采集

数据采集首先需要在电脑上建立一张人脸数据库，然后再用摄像机采集或者从网上下载图像，从图像中提取人脸区域，并将人脸的矢量特征存储到计算机数据库中。

在智能校园安全系统中，可以通过各个小区的门禁系统和校园监控系统中的监视器来获取和采集图像。

2.面部识别

人脸检测是人脸识别过程中的一个重要环节，通过对图像和视频进行检索，查找面部（如果存在）的位置和大小。目前，针对人脸检测的方法有很多种，其中，基于深度学习的人脸检测方法由于其高的识别精度，已成为当前的主要检测方法。基于深度学习的人脸识别法是基于卷积神经网络（CNN）进行图像特征的自动提取，具有很高的检测准确率，但是检测速度稍慢。在一些典型的CNN模型中，MTCNN(MultiTaskConvolutionalNeuralNetwork）具有较好的检测精度，因此本文主要利用MTCNN模型进行人脸识别。MTCNN的网络结构包括三个卷积神经网络，即P-Net（ProposalNetwork）、RNet（RefineNetwork）、（OutputNetwork）三个层次来完成人脸检测与定位。

首先，对不同大小的图像进行“金字塔”处理，确保可以检测到不同尺寸的人脸，然后利用12×12的滑窗随机地对该图像进行滑动取样，并将取样结果发送给P-Net网络用于产生人脸的候选边框，并通过NMS算法（非最大值抑制），剔除多余的边框，进行分类和定位。R-Net是一个含有完整连接层的卷积网络，它比P-Net具有更高的检测和定位功能。

通过使用边界回归和脸部关键点定位来筛选那些与期望有很大差异的候选框，然后使用Bounding-BoxRegres-sion调节窗口和NMS对这些候选框进行进一步的优化，最终得到一个比较精确的结果，然后把一个比较符合目标的人脸区域输入到O-Net中。O-Net和R-Net的结构很相似，但在RNet增加了一个卷积层，它可以对RNet的输出进行精确的运算，并产生可信度和校正值，然后对候选框进行NMS运算，反复修改，最终得出正确的人脸候选边框和对应的特征点。

3.面容辨识

目前国内外的人脸识别技术有两种，一种是基于整体的方法，一种是基于特征的方法。

2015年，谷歌推出了面部识别模块。利用CNN将最初始的影像与欧式空间影像进行映射，从而使欧式空间与脸部的相似性直接相关，也就是说，同一人的在不同影像之间的空间距离会很短，而不同的人在影像之间的距离则比较大。

再引入损失函数tripletloos来衡量训练过程中样本之间的距离误差，在训练之前和学习中，我们会不断地给神经网络制造“困难”，通过随机梯度递减法，将自己与其他样本的差距缩小，从而达到最优，不断提升模型学习能力。

FaceNet是通过小块直接对神经网进行训练，然后由网络直接输出128个维度的特征矢量空间。Triplet功能是将两张来自同一个人的面孔图片和来自另外一个人的图片组成一个任意三元组(xai、xpi、xn)i，其目的是尽可能使得类内距离（xai，xp）i变小，（xai，xn）i变大。

其损失函数Triplet表示为：

xai代表一个人的图片，xpi代表同一个人另一个图片，xni代表另外一个人的图像，α代表间隔的数值。Tripletloos的作用是确保一个人两个图像之间的特征间距小于另一个人图像的特征间距。

用于智能校园安全的人脸识别技术

在这个科技创新的年代，高校信息化建设要与时俱进。

人脸识别技术在高校信息化管理中能够起到非常重要的作用，可以保证高校信息化和师生个人信息安全、为教师和学生工作学习提供更多便利之处。

本文以智能校园安全体系的建设为例，来研究人脸识别在智慧建筑安防中的应用。

1.校园安保管理

目前，我国大部分高校校园都是对外开放的，社会人员可以随意进出校园，但对于这些人员进出信息却无法追踪，给校园治安、交通管理带来了极大的安全隐患。此外由于新冠肺炎疫情的影响，各大院校在疫情期间要求必须关闭校园，加大人员进出管理，这就对学校的安保工作提出了更高的要求。而利用人脸识别技术完全可以实现对学生、工作人员进行快速的身份识别，并对进出校园进行登记。针对暂时的来访者，可以建立一个与门禁系统相结合的访问预约系统，以方便用户通过移动电话预约。在线审批，跟踪行程记录，精确控制权限。

2.教学楼和办公大楼的安保管理

学校安全管理的重点是教学楼和办公楼，这里是师生的办公场所，直接关系到师生的人身安全，为防止外来者随意进出教学大楼、办公楼，在教学楼和办公楼内设置监控就显得尤为重要。

针对这一情况，我们可以在教学楼和办公楼上安装人脸识别系统，一旦有外人进入，系统就会根据用户的等级进行识别，如果没有权限进入，那么就会触发警报。

3.宿舍安全管理

在实施智能化校园的过程中，学生宿舍的安全管理是重中之重，因此，必须加强对学生宿舍的安全管理，并对其进行优化设计。在传统的宿舍管理模式下，进出宿舍楼必须刷卡，外来者要进行人工注册，携带贵重物品进出宿舍区要办理物品登记，这类管理方式既繁琐又费时费力，还不能完全保证学生的个人及物品信息安全，很难提高宿舍区的管理水平。为了解决这一问题，大学应该借着“东风”，对宿舍进行信息化、智能化管理，在宿舍的门禁系统中引入人脸识别技术，通过刷脸的方式，快速、便捷地出入宿舍。对出入宿舍区的人员进行跟踪，并对未回家的学生出入情况进行科学统计，使整个校园管理水平得到优化和提高，促进学校的安全管理工作平稳有序地发展。

4.视频监控系统

多数学校的门禁和监控是两个不同的系统，它们所收集到的信息都是相互独立的，无法相互联系共享信息。尽管门禁系统对外来人员的进入起到了很好的保护作用，但是为了真正的完成整个校园安全体系构建，必须要将视频监控相结合。人脸识别与跟踪是基于智能校园的视频监控系统，通过对门禁系统和访客系统的注册信息，实现对外来者的跟踪和监测。该系统可以快速有效地识别非法闯入人员，并在监控到非人脸数据库的人员时，会自动发出警报；如果是普通的入侵者，在没有经过允许的情况下，系统会迅速的捕捉到他们的身份，并发出警告和跟踪，使整个安全系统变得更加的安全。

结果

智能校园保安系统是利用人脸识别技术实现校园内人员身份识别、记录出入信息、实施监控跟踪、分级授权等多种功能，在保证校园安全的前提下，加强校园的安全管理，实现校园监控、追踪、报警及消防系统的配合联动。

本论文主要研究了基于人脸识别技术的智能校园保安系统，并对其中的关键技术进行了深入的分析，从而使校园保安管理更加智能化。但是，目前的校园安全管理还面临着许多问题。比如，在一个特定的时间点，如果有大量的人流，使用摄像机拍摄的时候，会有多个人脸同时出现，如何选择正确的、唯一的待检测人脸；在现实生活场景中，由于白天光照、衣帽遮挡等诸多不利因素，使得目前的人脸识别系统无法达到实际应用的需求。再比如，准确的识别算法，运算速度会慢，而快速识别算法准确率却达不到理想的要求，准确率和速度不能兼顾，这是未来需要进一步研究的问题。

参考文献：

• 人脸识别技术的发展与应用[J]. 李国鑫. 科技传播. 2018(19)
• 基于余弦变换的人脸识别技术的研究[J]. 刘婷婷,海洁. 河南科技. 2013(15)
• 人脸识别技术综述[J]. 刘洁. 福建电脑. 2007(06)

,