基于百度AI人脸识别的机场危险人员监控

马宇轩 潘纬航 廖腾烈 全爔宇 李咏楠

摘  要：随着社会经济的飞速发展，人们在生活水平提高的同时安防意识也不断增强，推动了深度学习技术的成熟与发展，现如今已广泛应用于公共安全、安防系统、身份识别等领域。文章对机场危险人员监控告警系统进行了研究，该系统基于百度AI，在云AI上建立危险人员用户组，利用摄像头扫描人脸并通过平衡车Wi-Fi模块上传人脸图像，将其与数据库进行匹配，识别危险人群并发出警告。该系统以可移动平衡车为载体，平衡车在机场内自主巡航时对机场环境进行监控，严防潜在危险人员对机场的安全造成威胁。

关键词：百度AI;人脸识别;机场安防

中图分类号：TP391.4;TP18          文献标识码：A文章编号：2096-4706（2022）01-0025-04

Abstract： With the rapid development of social economy， while people’s living level is improving， their security awareness is also increasing， which promotes the maturity and development of in-depth learning technology. Now it has been widely used in the fields of public security， security system， identity recognition and so on. This paper studies the airport dangerous person monitoring and warning system. The system is based on Baidu AI， establishes a dangerous person user group on cloud AI， scans person’s face with the camera， uploads the face image through the Wi-Fi module of the balance vehicle， matches it with the database， identifies the dangerous person group and issues a warning. The system takes the mobile balance vehicle as the carrier. When the balance vehicle cruises independently in the airport， it monitors the airport environment to prevent potential dangerous personnel from threatening the safety of the airport.

Keyword： Baidu AI; face recognition; airport security

0  引  言

如今，全面智能时代已悄然到来，许多新兴技术在社会各个领域得到了广泛的应用，其中的人脸识别技术更是学术界研究的热点，被广泛应用于公共安防、身份识别、公安系统等领域[1，2]。利用人脸识别技术对公共场所潜在危险人员进行辨别分析和告警，对公共场所的安防、协助公安办案具有重要作用。机场存在监控视野盲区，在此应用场景下，将基于百度AI的人脸识别技术与平衡车相结合，着重监控机场视野盲区，锁定机场潜在的危险人员，协助公安系统对危险人员进行身份确认。

1  研究背景

21世纪以来，世界恐怖主义日益猖獗，各国遇到的公共安全问题越来越多，而随着科学技术的飞速发展，公共安全危机事件也越来越隐蔽。为了辨别出公共场所里的各种隐患，各国纷纷加大公共安全保障力度，其中对生物信息的辨别与检测表现出前所未有的重视，并应用于社会的各个领域。以往，公共场所的生物体识别主要依靠核实身份证、目视人脸、摄像头拍摄对比等方法，然而这些方法存在丢失、伪造、遗忘等问题[3]。随着信息网络时代的到来，人们意识到传统的身份识别方法存在太多的缺陷，可靠性不高，于是逐渐把目光转向生物体的各种体征上。通过生物体征识别人可弥补传统方法的各种不足，并且识别效率和準确性大大提高。

目前，人们普遍将生物辨认技术分成两大类：其一是以虹膜、人脸、指纹为主的物体体征辨认;其二是以体态、动作、书写等为主的行为体征辨认。计算机图像处理技术可以对上述体征进行有效识别。

根据我们对社会人员的观察分析，大部分人想要记住一个人，都是通过观察一个人的具体特征，尤其是面部特征。面部特征主要分为五官、表情、神情等，可是一个人随着年龄的增长，他的一部分面部特征可能会发生改变，但我们仍然可以通过其他面部特征来认出这个人，这说明一个人的面部特征对我们判断其身份起到重要的作用。而通过计算机图像处理技术可以更快地记录、分析、识别面部特征，快速完成人脸识别过程。

人脸检测识别主要分为三个部分：（1）采集面部特征样本;（2）将面部重要特征筛选并提取出来，将提取出来的数据导入我们的特征数据库中;（3）进行身份鉴定，按照特定的匹配算法将采集到的面部特征信息在数据库中进行匹配，匹配度达到一定数值时即表示识别成功。在图像输入计算机的过程中，由于受输入转换器件以及环境的影响，输入计算机的图像因含有各种各样的噪声而失真，为稳定地进行特征提取，必须消除图像噪声，矫正其失真情况[4]。人脸识别凭借其直接、主动、友好、简便等特点而在产业中享有一定份额，随着技术的创新与更迭，势必会得到更为广泛的应用。

我们的设计采用目前较为主流的百度AI技术。百度AI拥有一个生态良好且开源的数据库，就云搭建而言，百度AI技术一直走在科技的前沿，其具有领先的深度学习算法和海量数据，功能覆盖一系列人脸检测、人脸解析功能，助力我们实现人脸识别，避免了重构数据库的繁难，并且极大地降低了人脸检测的漏检率。

2  系统设计

2.1  系统框架

在采集画面前，我们先录入特定的人脸信息。平衡车运行期间通过摄像头采集画面并进行base64编码，用于检测人脸。若未检测到人脸，则显示摄像头所拍摄的实时画面;若检测到人脸但人脸匹配得分未达到80%，则用蓝色框框出这些人脸。若检测到人脸并且人脸匹配得分大于80%，则用红色框框出人脸并在旁边显示人员姓名，保存图片并发出警告，具体流程如图1所示。

2.2  成员管理

在百度云AI上建立危险人员用户组，使用本地程序对此用户组进行人员建立、人脸上传、人员删除等管理操作。我们编写了一个Python程序，如图2所示，工作人员可以对本地图片的路径进行选择和查看，输入某人在云端记录的ID及姓名后点击“上传信息”按钮便可成功录入该人的人脸，还可以对已记录人员进行删除操作。在百度AI算法中，对于未在组内用户ID会在用户组中建立新的对应用户ID，上传重复用户ID的不同图片时，百度AI会通过优化算法提高人脸识别精度。

2.3  人脸检测

平衡车配备有自动导航模块与手动控制模块。自动导航模块通过PID算法实现循迹和避障功能。手动控制模块利用无线Wi-Fi通信模块，通过与上位PC机的通信，实现对智能小车的远程手动控制。系统未发现危险人员时，平衡车将根据固定轨迹循环监控。系统发现危险人员时，平衡车可由工作人员更改为手动控制，工作人员使用电脑遥控软件实时控制。

平衡车在接收到摄像头拍摄的视频后，会记录视频中的单帧图片，并对图片进行base64编码，然后将此信息上传到百度云AI，调用百度AI的人脸检测程序，其分类器可以检测人面部的150个关键点信息。百度AI对以往基于多尺度全卷积神经网络的模型进行改进，它的每一个卷积核能对图片的细节进行感知，同时输出精度更高的feature map，使得模型能够更加精确地捕捉肢体的细节以及被遮挡的部分，摄像头探测人脸更加精准。摄像头采集的画面未通过人脸检测时，系统不会调用人脸识别程序，指挥中心收到云AI返回的画面后直接在电脑上显示监控画面。画面通过人脸检测程序后，会向系统返回人脸数量、人脸在图片中的位置（包括人脸区域距上边界、左边界的距离，以及人脸的宽度和高度）等信息。此后系统会利用这些信息继续调用百度AI的人脸识别程序。

2.4  人脸匹配与警报系统

人脸检测通过后，系统会对检测到的人脸进行人脸识别，调用百度AI的人脸搜索M：N识别算法，该算法会对上传的图片进行人脸特征提取，然后进行人脸识别并返回人脸匹配得分，最多可以识别一张图片中的10张人脸。为提高人脸识别范围，本系统将检测摄像头中较大的10张人脸并对其进行人脸识别。

百度AI的人脸识别具有极高的准确率，人脸匹配得分阈值设置为80时，系统仅有万分之一的误报率，但是这种误报依旧不可忽视，所以系统在设计时将考虑误报信号并对警报系统做出约束。摄像头拍摄到的画面经百度AI的人脸识别程序返回到指挥中心的电脑显示窗口后，会用蓝色框框出本次识别的非危险人员（即人脸匹配得分在80以下的人员）人脸。而画面中有一张或多张人脸匹配得分超过80时，如图3所示，电脑的显示窗口中会以红色框标记出这些危险人员，并在红色标记框上方显示危险人员姓名，与此同时，系统会自动将本次识别结果的图片存放到指挥中心的电脑中，并向外发出约3秒的简短警报声，提醒工作人员查验目标是否识别准确。而如果此后1分钟之内连续3次在画面中发现与危险人员用户组相匹配的人员时，系统会发出长达10秒的尖锐警报声。

3  系统实验与分析

3.1  识别能力

本系统实际测试运行时，仅探测单张人脸的平均识别速度为0.74秒，镜头中出现多张人脸时，单次识别最长时间一般不超过1秒。

单一用户只录入一张人脸的情况下，系统在不同环境下的识别能力较弱，人脸匹配得分一般在87左右。同一用户录入超过3张不同环境下的人脸后，百度AI在复杂环境中可有更高的人脸识别精度，光线良好时3米以内人脸匹配得分一般高达95。

3.2  系统探测距离

在危险人员用户组内用户较少时，并未出现将未录入人员识别为危险人员的情况。在光线条件良好时，对距离平衡车3米以内固定目标的正面识别率基本达到100%，识别结果如图3所示，千次识别测试样本中并未出现不被识别发现的情况。对距离平衡车3米到5米的正面目标，识别发现率可以达到70%，效果如圖4所示。但是对于距离平衡车7米以外的目标，由于目标可采集信息较少，系统无法在此距离处发现目标人员。

3.3  光照条件测试

在环境条件较好的情况下（即被拍摄人员面部受光均匀时），系统3米内人脸识别精度良好，正面识别率基本可以达到100%，效果如图3所示。而在环境条件较差（例如面部光照不均匀）的情况下，若画面中目标面部信息未因光照导致轮廓不清晰，系统仍可识别目标人员，效果如图5所示。而一旦目标面部信息由于逆光等原因而导致面部轮廓不清晰时，系统很难有效识别人脸，百次测试中仅出现个别识别成功样本，效果如图6所示。

4  应用前景

我国人脸识别技术起步于20世纪80年代，虽然起步较晚，但是却取得了很好的研究成果。目前全国范围内的人脸识别技术处于较为成熟的阶段，广泛应用于各个领域，如医院、酒店、车站、机场等区域的安保，但我们发现这些固定位置的人脸识别安保措施仍然存在许多漏洞，比如监控视野盲区问题。一些危险人员会寻找安保漏洞，在监控视野范围之外进行不法行为，这就会导致安保存在隐患，而我们通过将人脸识别检测技术与可移动的平衡车及可自动调节摄像头相结合，可有效减少检测盲区的存在，减小偶然性误差。但要真正做到机器自动检测识别，需要克服许多不可抗力因素对人脸识别准确性的影响，例如受被检测者面部表情、特征变化，及其佩戴口罩使面部特征被遮挡等因素的影响。

目前人脸识别技术已经趋于饱和，在各个市场中竞争相当激烈，但从人脸数据库的完整性以及人脸识别技术的可靠性方面来看，百度AI技术是更加适合我们的。我们采用百度AI，通过将特定的人脸输入到用户库，向摄像机输入动态图可以进行二维及三维的运动估计，从而建立三维的人脸模型[5]。将三维人脸模型与用户库里的人脸进行比对，再根据相似度等指标進行筛选、过滤，就可以实现对危险人员的捕捉。但也不排除受人为因素的干扰，使摄像头捕捉到的角度不佳以及存在遮挡情况等，这些难点是我们在今后的研究中需要克服和解决的。

人脸识别技术可以识别人的身份信息，广泛应用于公共安全、企业办公、教育、人机交互等领域。与其他生物特征识别相比，人脸识别又具有友好、隐蔽、成本低廉等优势，因此其在安全监控、罪犯追捕等方面更具可行性，数码相机和智能手机的普及也更加方便了人脸识别的广泛应用[6]。

经过我们的调查总结，人脸识别技术与平衡车相结合有广大的发展前景，其精准、便捷的特点将会在机场、车站等地方的安保巡逻中发挥极大的作用。

5  结  论

本文研究了人脸识别技术在机场安防中的应用。人脸识别技术与平衡车相结合，使机场安防具有灵巧性、实时性，拥有广大的发展前景，反之，也意味着会面临巨大的挑战。如目前我们的项目遇到一些问题，比如光照导致识别目标的轮廓不清晰，使得在逆光情况下系统不能准确地检测出人脸，或者在某人的面部被口罩遮挡时系统无法快速准确地识别出人脸等。我们设计的产品正式投入运营时，将会面临需要创建一个安全有效的人脸识别系统的问题，以便可以在机场这种庞大人流、错综复杂的环境下进行有效识别，并且只对记录在案人员进行人脸分析，严格遵守国家法律，不侵犯其他人员的个人隐私，以及如何在这种开放的环境下保证系统的稳定性等，这些都是我们需要解决的问题。随着未来科技的进步，人脸识别的新发展阶段，安防领域的新应用，人脸识别系统的智能化等问题，都值得我们去研究与探索。

参考文献：

[1] 何燕琴，吴恋，郭清粉，等.人脸识别技术发展现状与未来趋势分析 [J].无线互联科技，2021，18（13）：80-82.

[2] 顾国强.基于智能识别的人员密集场所安防预警系统 [J].港口科技，2019（8）：19-23+44.

[3] 郑悦.创业教育的中国故事 [J].IT经理世界，2013（18）：98-100+101.

[4] 王岩，周萧.针对人脸识别的图像预处理 [J].科技信息，2011（16）：94.

[5] 钱锋.浅谈人脸识别技术的现状与应用 [J].信息与电脑（理论版），2009（16）：26.

[6]李苗在，谷海红.人脸识别研究综述 [J].电脑知识与技术，2011，7（24）：5992-5994.

作者简介：马宇轩（2000—），男，汉族，辽宁沈阳人，本科在读，研究方向：电路与系统。