人工智能在高校智慧图书馆中的应用与发展*——基于人脸识别技术的应用及其算法实现

李佩蓉解 解崔 旭李姗姗

（1.西北大学公共管理学院 陕西西安 710127）（2.西北大学信息与科学技术学院 陕西西安 710127）

随着新一代信息技术的迅速发展，智慧图书馆开始成为图书馆界持续关注和研究的热点之一[1]。智慧图书馆是图书馆在新技术革命影响下的一次创新性的转型，它借助物联网、大数据、云计算、人工智能、虚拟现实等新技术实现了图书馆的物理空间智能化、信息资源（知识）组织智能化、服务方式智能化以及管理手段智能化等，推动图书馆升级换代，力求为用户提供更高效优质的服务、构建更具吸引力的信息互联环境、打造更多元化的信息共享空间。目前，智慧图书馆在实现服务管理的智能化上主要借助于物联网技术、RFID 技术、24小时自助借还系统、手机/网络自助续借系统、智能清点/定位系统、智能座位预约系统、3D/AR/VR导航系统等[2]。值得注意的是，人工智能中的人脸识别技术作为服务方式智能化的实现途径之一，尚未广泛地应用于图书馆中。

人工智能是让计算机拥有分析、感知等能力，模拟人类思考过程并作出反应的技术。人工智能的研究方向包括机器人、语言识别、图像识别、自然语言处理和专家系统等[3]，近两年人脸识别是人工智能学科发展中最为快速的一个分支[4]，已有很多成功应用，比如火车站、机场刷脸验票、Face++技术为支付宝提供的刷脸登录、百度机器人等[5]。在大多数高校图书馆都使用“一卡通”刷卡或指纹识别确认身份的情况下，更高效精准的人脸识别技术为提高图书馆服务效率与质量、提升用户体验提供了新的契机。

以人脸识别技术在图书馆中的应用为主题的论文最早出现在2012年[6]。经笔者检索，CNKI收录的图书馆应用人脸识别技术的文献一共有15篇，围绕着人脸识别技术在图书馆中的应用，提出了应用理论及实现技术方法。通过分析文献发现两个问题，首先是较少有学者关注这一领域，相关研究的数量较少。其次，对人脸识别技术在图书馆的应用研究不深入。研究总体偏重于对在图书馆中应用人脸识别技术的可行性与功能的理论概述，未构建起人脸识别技术应用于图书馆的整体框架，建立完备的应用系统。由此可见，这一研究领域尚未得到学者的广泛关注，研究空间十分广阔。

1 高校智慧图书馆应用人脸识别技术的可行性分析

人脸识别技术产生较早，但因其核心算法的局限性，在精度和速度上无法满足大规模推广的要求，导致早期发展较为缓慢，应用程度远低于IC卡识别、指纹识别以及虹膜识别等。近些年人工智能迅速发展，人脸识别技术已足够成熟，可为高校智慧图书馆的建设提供技术支持。

身份识别主要有物品验证和生物特征验证两种方式。目前，我国高校图书馆普遍使用的身份认证方式是物品验证，即通过人携带的磁卡、密码等物品验证身份，比如“一卡通”的应用等。使用物品验证方式极易出现证件、卡片丢失，遗忘密码、信息伪造的情况，与生物特征验证方式相比较存在明显弊端。生物特征验证方式主要包括指纹识别、虹膜识别和人脸识别等，由于人身上的生物特征是与生俱来、唯一且极难被伪造的，这种验证方式具有较高的准确性和安全性。虹膜识别技术和指纹识别技术与人脸识别技术相比，存在一定的缺陷。虹膜识别时，由于对采集的虹膜图像要求极高，需要被识别者有着极高的配合度，不能眨动眼睛，长期使用对眼球有轻微损伤。在指纹识别的过程中，会出现某些人或某些群体的指纹特征少、难成像的情况，并且每一次识别时都在指纹采集机器上留下被识别者的指纹印痕，不仅存在被复制指纹的可能性[7]，并且还造成了一定的公共卫生隐患。而人脸采集设备几乎可以在被识别者无意识的状态下获取人脸图像[8]，既使用户在最自然的状态下完成身份识别，又无需与设备直接接触，干净卫生。通过以上分析，人脸识别既优于图书馆普遍使用的IC卡识别，又避免了指纹、虹膜识别的弊端，是高校智慧图书馆在身份验证方式上的最佳选择。

2 基于人脸识别技术的高校智慧图书馆系统结构与功能

本文构建的基于人脸识别技术的高校智慧图书馆系统主要由两大模块构成，即身份认证模块和权限应用模块。身份认证模块是将采集到的人像特征与人脸特征数据库通过特定算法进行比对，完成身份的认证后进入权限应用模块，用户和工作人员可开展各自权限范围内的应用。基于人脸识别技术的智慧图书馆系统结构如图1所示。

图1 高校智慧图书馆系统结构图

2.1 身份认证

身份认证模块是判断是否拥有某种应用权限的模块。身份认证模块以人脸识别技术作为技术支撑。早先的人脸识别技术多是Adaboost（一种迭代算法）、PCA（Principal Component Analysis，主成分分析）等传统的统计学方法，人工智能深度发展后，出现了CNN（Convolutional Neural Networks，卷积神经网络）、RCNN（Region CNN，基于区域的卷积神经网络）等深度学习的算法，此类算法在识别精度和速度上已经有了质的提高。随着这些核心算法的完善，人脸识别技术应用在智慧图书馆建设上有了算法支持。人脸识别技术主要由四部分组成：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别[9]。本研究所要建立的高校智慧图书馆身份认证模块流程如图2所示。

图2 高校智慧图书馆身份认证流程图

图书馆采集本馆用户和工作人员的人脸图像，经过预处理后提取特征信息，建立起人脸特征数据库。在身份认证时，采集人脸视频提取图像，将人脸特征同数据库进行比对，识别成功则完成身份认证，具备执行某项应用的权限，识别不成功则重新采集人像再进行身份认证。

2.2 权限应用及功能

经过身份认证后，系统便给予用户或工作人员相应的应用权限，实现某种功能。本系统的运作核心是依托于人脸识别技术的身份认证，在进行每项活动时，都必须首先通过人脸识别认证确认身份，这也是系统功能实现的前提。在本系统中，通过人脸识别进行身份认证，自动将进馆人员分为两类，即用户和工作人员，并赋予用户权限和工作人员权限。用户权限包括门禁识别、自助借阅、自助打印复印、预约座位等，工作人员权限包括签到打卡、安全管理等。系统各项应用的授权流程如图3所示，各项权限应用的功能图如表1所示。

图3 高校智慧图书馆授权流程图

用户和工作人员通过人脸识别可以轻松便捷地获取各自类别的权限，这是图书馆服务和管理方式走向智能化的创新性变革。它摒弃了原有的繁杂程序，只要人脸识别成功，用户便可以无障碍地享受图书馆多样性的服务，用户体验感得到显著提升，这符合智慧图书馆“以用户为中心”的宗旨。本系统也使得图书馆管理工作的开展更具便捷性与安全性，提高管理效率，促进图书馆为用户提供更优质的服务，形成良性循环，成为高校智慧图书馆实现智能化的重要手段。

表1 高校智慧图书馆权限应用功能图

3 高校智慧图书馆人脸识别技术的算法实现

本系统的核心是人脸识别算法，人脸识别算法经过几十年的发展，涌现出多种不同的算法。在多种人脸识别算法中，笔者认为选择PCA算法比较适用于高校智慧图书馆人脸识别管理系统的搭建。高校图书馆用户数量较小，故建立的人脸特征数据库容量相应较小，并不要求过高的识别精度，故在识别速度和精度上经典的PCA算法完全可以满足需求。再者，PCA算法易于实现，成本低廉（一款酷睿I7的计算机就可实现实时识别）。以下就PCA算法原理以及利用Matlab软件进行模拟人脸识别作进一步的分析。

PCA算法基于统计学观点，是人脸识别领域的经典算法之一。Kyungnam Kim[10]指出PCA算法进行人脸识别的核心思想是从人脸图像中找出最能代表人脸的特征空间，即从人脸的多维度特征中解析出主要的特征向量，这一步主要通过依照所占能量权重将特征向量排序，从而达到将特征空间从高维空间降到低维子空间的目的。一张人脸图像映射到这个空间会得到一个系数向量，如果两张图像映射到同一特征空间后得到的系数向量近似，则判定为同一个人，故也称作Eigenface（特征脸）算法。PCA算法主要分为学习和测试两个模块，其中学习模块通过机器学习算法，建立人脸图像特征数据库；测试模块主要是测试算法系统的准确度。PCA算法的学习模块流程图如图4所示。

图4 PCA算法流程图

笔者采用著名的ORL静态人脸数据库（http://www.cam-orl.co.uk），其中包含40个人，每人有不同角度的人脸图像10张，共400张人脸图像。如图5所示，（a）为前8个人的第一张人脸图像，（b）为400张人脸经处理后得到的平均脸图像，（c）为前8个人的第一张人脸图像的差值脸。

图5 PCA算法核心步骤测试图

经过Matlab软件对PCA算法的测试，在学习阶段发现排名90%以后的特征向量所占的能量太小，故采用前90%的特征向量当作主成分。如图6所示，（a）为第一个人的第一张脸部图像，（b）为前n个特征所占的能量百分比，（c）为第n个特征所占能量百分比。

图6 人脸主成分分析图

实验结果表明，PCA算法的识别率基本可以满足识别精度的需求（训练样本为50%时，即5张用于学习阶段，5张用于识别阶段时精度为79.8%；训练样本为70%时，精度为83.2%；训练样本为90%时，精度为86.5%），该算法可以作为本研究中人脸识别模块的技术支撑。

4 结语

本文提出基于人脸识别技术的高校智慧图书馆系统，一改传统的IC卡认证方式，使得用户便捷地获取更优质的图书馆资源及服务，为工作人员高效管理图书馆提供了全新的平台。通过该系统，图书馆可以构建起一个“去卡化”的无障碍获取应用和服务的环境，最大程度地便利用户，提升用户体验。目前，该技术应用于高校图书馆时机已成熟，因此它的应用必将为高校图书馆转型升级带来契机，为高校智慧图书馆的构建与发展带来驱动与支撑。