关键词：人脸识别；特征提取；匹配

1 引言

人脸识别和指纹识别、虹膜识别一样，是一种基于采集人的脸部特征信息作为生物特征信息进行身份识别的生物识别技术。随着科学技术的发展，不同的人脸识别方式相继出现：基于知识的方法，特征不变法、模板匹配法、基于外观法。人们对安全意识的不断提高，人脸识别在我们的生活中有着越来越广泛的应用。

校园安全问题一直以来都是各地政府持续关注的问题。除了传统的人防、物防外，近两年校园技防建设成为重点。涉及的内容主要包括视频监控系统、门禁控制系统以及相关的考勤系统。

由于校园是一个人员流动性较大的场所，主要涉及到学生和教职工。大部分校园都采用了视频监控的方式，来预防保障校园安全。但是一般情况下，传统的视频监控系统，需要通过设备录像以及人员时时监控来维持。这样问题就会凸现出来，当监控点较多时，监控人员无法顾及到所有的监控点，同时无法保障获取24小时内监控点的所有信息，只能事后进行回放，以此来确认事发点的具体情况。需要消耗大量的人力和物力对其进行调查，获取所需的信息。

随着人工智能技术发展，尤其是AI技术成熟与应用。将AI智能分析技术与传统的视频监控相结合，可以极大弥补当前的监控工作的许多不足之处。在实际应用中，可以不用借助人力干预来对监控图像进行处理，主要包括定位、传输、识别、跟踪等功能。在完善当前的安保工作的同时也可以及时地处理突发状况，从而来减少不必要的损失。

本文设计的人脸识别校园监控系统利用摄像头采集含有人脸的图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术处理，从而达到识别不同人的身份的目的。

主要过程包括：人脸检测。系统根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸，即在一副图像或一序列图像(比如视频)中判断是否有人脸，若有，则返回人脸的大小、位置等信息；人脸图像预处理。系统获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理；人脸图像特征提取。之后再针对人脸的某些特征进行提取、建模；人脸图像匹配与识别。最后将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。

2 人脸识别校园监控系统的总体设计

目前基于人脸识别的视频监控系统对于保障校园安全来讲起到的作用主要分为以下几点：①识别陌生人和触发安全警报；②人员流量过高引发的安全隐患；③实现学生在校情况管理；④有效统计学生的出勤率。

2.1 系统整体设计流程图

系统流程图如图1所示。

2.2 主要技术流程

（1）人脸的采集与检测

为了实现校园监控，本文采用了NXP系列的MK60FX与ARM系列STM32F4芯片一起研发一款摄像头装置-7725摄像头，其中主控主要以STM32F4为主，在两快芯片之间通过CAN通讯，完成整体处理算法。系统使用的主控芯片图如图2所示。

                                                      

   人脸采集采用主流的ADABOOST学习算法，对同一个训练集训练不同的分类器。然后结合一起形成强分类器，通过训练改变数组分布，根据分类的准确性与总体分类的准确率，来确定样本权值，然后依次送到下一级运算，将各个阶级进行串联组成一个层叠结构，提高检测速度。由k60对图像处理完以上部分后先进行一次图像预处理，包括灰度矫正，噪点滤波后直接传送至STM32单片机，进行图像特征提取与匹配。

（2）人脸图像匹配与识别

将特征提取出来的图像特征数据与庞大的数据库中存储的特征进行搜索匹配，寻找与其相似特征的图像。人脸识别就是用得到的人脸特征与人脸模板比较，由相似度判断人体生物信息。

1）人脸图像匹配

提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。
   2）人脸识别

将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。本文采用后者。

系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

人脸采集与识别的主要技术流程如图            
3所示，主要技术流程大致为：

                            
                                                           图3  人脸采集与识别的主要技术流程

（3）匹配结果的LCD显示、语音播报与上传存储器保存

通过对采集到的人脸图像与存储的人脸图像逐一比对，可得到一系列的相似度得分，对高于阈值的人脸图像，可通过语音播报器播出相关的姓名等信息，并将其已经出勤的信息存储在存储器中；对相似度得分比较低的人脸图像，将其保存起来，作为复查之需。

2.3 其他可适用领域

在校园监控视频中应用AI智能分析技术，可以减轻常规检查、排除等工作给人带来的沉重负担，从而缓解安保枯燥的监控流程。另外一方面，由于AI智能分析技术可以迅速地筛选出需要信息，因此可以帮助人员迅速地从海量的监控视频中找到重点。因此，可应用于除了校园监控之外的如安防、网络、门禁系统中。

3  测试结果

将拍摄好的人脸图像的特征数据存储到SD卡中，系统通过摄像头将采集到的人脸图像进行特征数据提取，并与之前保存的特征数据进行比对，得到相似度得分，与之前设定的阈值进行比对，就可以做出判断，并将结果保存。以下是相关的实验结果。人脸采集系统的功能流程图如图4所示，人脸图像采集与特征提取如图5所示，人脸识别比对结果如图6所示。

4  总结与展望

本文介绍了一种基于互联网和STM32F4单片机的人脸识别校园监控系统，可以准确的识别出之前存储的人脸图像。但该系统还存在着一些问题，如：①各种环境光源的考验；②人脸姿态和饰物问题；③摄像机的图像问题；⑤丢帧和丢脸问题。

可以考虑从以下几个方面解决：采用直方图均衡化处理可负光照的影响，使用更先进的高清摄像头，选择恰当的监控点，相机与人脸的角度小于20°，提高摄像头采集帧数等，这些都将是我们进一步的研究方向。

参考文献：

[1] 于洋，艾秋竹，邓钧文，张柳，高天附. 浅谈人脸识别的研究意义和背景[J]. 技术管理，2017，206-206.

[2] 宿静宜，刘久付，杨明海. 采用人脸身份识别的智慧门禁系统[J]. 软件导刊，2019，18（4），32-35.

[3] 徐庆，石跃祥. 一种基于特征模型的人脸检测方法[J]. 计算机工程与应用, 2008, 44(14):202-204.

[4] 李寅. 基于代数特征的人脸识别研究及其DSP实现[D]. 合肥工业大学，2008,28-29.

[5] 姬翠萍. 人脸识别技术在课堂考勤管理中的应用研究[J]. 安全模型、算法与编程,2019, 40-41.