基于树莓派的口罩人脸识别系统设计

彭万新 杨友晨 孔嘉成 门芳 胡伟

摘 要：在人工智能领域飞速发展的今天，如何更好的服务人类成为近年来人工智能研究的重点。疫情的反复以及病毒变异，使得口罩成为了人们生活中必需品。在社会活动中带口罩的人群越来越多，使得自动检测人脸是否佩戴口罩的系统应用成为一种趋势。本文设计一款基于树莓派的口罩人脸识别系统，能够根据人脸身份识别与人脸戴口罩识别的基本功能，并且使用轻量化OpenCV的特征提取算法使采集图像及处理图像的速度大大提升。

关键词：树莓派；口罩识别；人脸检测

一、引言

（一）背景及意义

新冠病毒在全世界大范围内的迅速蔓延严重危害了全世界人民的生命健康安全，对社会经济稳定造成了巨大的影响，由于新型冠状病毒具有强烈的传染特性，因此对新冠病毒的防范显得尤为重要。通过日常实践表明外出佩戴口罩、勤洗手、注意个人卫生对防范新型冠状病毒具有一定的作用。

在疫情常态化的今天，需要将嵌入式人工智能、大数据、目标检测以及非接触式测温等技术综合运用来改善人脸识别精确度，即在现有的人脸身份识别基础上配合疫防控优化，增加口罩人脸识别以及红外测温等功能来辅助防疫检查，真正实现无接触式人脸身份识别。在对人脸测温系统进行全面研究后发现市面上的人脸测温系统存在维护成本高、安装费用昂贵、大多使用工业级别摄像头，需要高性能工控机配合使用，使得偏远地区不利于快速推广应用，并且在实际使用过程当中往往需要被检测对象主动配合、无法实现主动追踪目标对象以及实时分析、在复杂场景下辨识度低等问题，对未来推出解决产品的提出了一种更具有便利性、实用性、高可靠性、低成本的人脸身份识别与测温系统解决方案。

（二）研究现状

国外早在20世纪60年代，就已经针对这一新型态的人脸识别成像技术的应用问题进行了一系列相关的科学技术研究。如今，人脸识别等新技术在人们的日常生活中所能够起到的重要作用也愈加显著。人脸识别信息技术主要是基于获取人类自身脸部生物特征识别信息，来帮助实现人类身份信息识别的一种新型人体生物特征识别信息的技术。

国内关于面部识别的研究可以追溯到20世纪80年代初。从20世纪80年代，清华大学、中国科学院、复旦大学等顶尖大学开始了对人脸识别技术研究并且有了一定的研究成果。自2001年起，国家支持一些专门部门利用人脸识别技术预防和打击犯罪分子。该项技术的使用表明中国已进入大规模使用阶段。

二、设计

（一）方案设计

实现口罩下人脸识别系统包括一个树莓派硬件的开发平台和能够使软件在开发平台上正常运行的各种终端功能、驱动以及应用程序等。在PC机平台上调试人脸识别应用程序，并对运行该应用程序的系统总体运作机制和系统功能特性等进行测试。通过软件重新配置该应用程序所需要使用的软件环境，将其重新编译成一个可以在嵌入式应用平台上正常测试运行的应用程序，最后再将其重新移植到一个新的嵌入式应用平台上，以此方式来对其进行性能验证和正常测试运行。

（二）系统设计

以树莓派为核心，将传感器技术与移动终端有机结合，利用OpenCV和人工神经网络算法进行人脸数据处理，使得系统能够通过捕捉人脸动态下的特征，采集数据，再经过人工神经网络，也可以将图像映射到表面，恢复为三维模型，进行模型匹配等，基于原来的人脸识别算法，人脸识别机器在检测到人脸后，会对人脸关键特征点进行提取，经过预处理之后，传入后端，与库存的已知人脸进行比对，完成最终的识别分类。而戴着口罩会对个人的许多面部特征造成遮挡，从而降低人脸识别准确率。因此，如何精准完成口罩下的人脸识别，成为一个需要解决的难题。

本设计以树莓派4B开发板为依托，使用的是树莓派Linux操作系统，设计和开发图形界面是通过QT库来完成的。通过红外及温度检测，判断是否存在高温人群。检测人与系统的距离，运用摄像头捕捉技术，采集人脸图片，进行特征识别，判断人员的身份信息。

三、口罩遮挡人脸实时识别系统

（一）数据集

为完成口罩和人脸同时的实时识别，系统构造了一个小型的有口罩遮挡的人脸数据集。首先在浏览器搜索框输入若干个明星关键词，对搜索到的网页，利用python网络爬虫技术进行诸多明星戴口罩和不戴口罩的静态图片抓取，将抓取到的图片全部保存到预先建好的文件夹中，然后对抓取后的所有图片进行手动筛查，将重复及不符合场景要求的图片丢弃，构造了共计40人的4000张数据集。

（二）模型训练

将预处理后的数据集送入RS_SSD口罩检测网络模型，检测人脸是否佩戴口罩，然后输入到Re_Face遮挡人脸识别网络中训练，将获得口罩检测模型和人脸分类模型，进而构建口罩遮挡人脸识别系统。

网络模型采用口罩遮挡人脸识别网络，将16000张数据集划分成 12800张训练集和3200张测试集，通过迭代实验，获得最终集成模型的口罩及人脸平均识别率分别为96%和95%。

（三）实时识别系统

该口罩遮挡人脸实时识别系统的主要目的是实现摄像头下实时拍摄人脸图像，摄像头拍摄到的有无口罩遮挡人脸图像进行裁剪保存至本地后，再通过预训练后的模型完成分类别，无论是否佩戴口罩，均可以实现准确识别，并把分类识别的结果存放到数据库里，完成人脸在佩戴口罩情况下也可以进行人脸识别的操作。这为手机中的诸多需刷脸认证app在含口罩遮挡人脸下也能完成高效认证提供有力保障。实时识别系统如图2所示。

操作步骤如下：

（1）选择点击“开启摄像头”对人脸进行拍照，实现口罩及人脸实时视频检测识别，识别结果及拍摄图像的显示均在系统中间部分所示，然后点击“保存图片”，即可将拍摄的对象以静态图片的方式保存至本地文件夹。为节省时间并方便以后进行识别，可以直接点击“本地上传”，将之前保存的图片进行识别。

（2）若不方便用摄像头拍摄或不想对视频图像进行识别，也可以点击系统中的“网络获取图片”，系统将自动跳转本地浏览器，然后对浏览器键入相关关键词即可实现图像获取。对静态图像的口罩及人脸的同时识别界面如图3所示。

四、总结

首先利用python对含口罩遮挡人脸图像进行网络爬取，构建了一个含口罩遮挡人脸数据集，然后将数据样本输入口罩检测网络检测人脸是否佩戴口罩，再将检测出的有无口罩的人脸样本输入遮挡人脸识别网络进行训练，完成一个实时识别口罩遮挡人臉的系统。

该系统识别人脸身份的同时也能对人脸佩戴口罩情况进行识别，不仅可以通过摄像头实时获取识别对象，还可以将识别对象图片存入系统，根据需要进行识别，为诸多需要进行人脸识别的app在有口罩遮挡下也可以进行人脸识别登录提供了可能性。

五、未来展望

对于本文所提出的口罩检测网络和有遮挡人脸识别网络而言，即使能够对口罩和遮挡的人脸具有较高的检测效果，但同时也存在一些不足，未来需要继续研究优化改进的部分如下：（1）口罩检测数据集过于单一。虽然本文口罩检测网络对RMFD数据集具有较高的检测效果，但对于人脸存在其他遮挡或存在人群密集的数据集时，本文所提方法对口罩检测性能将会降低，所以未来需要更多的数据集进行神经网络训练，提升口罩检测网络的性能。

参考文献：

[1]薛同来，赵冬晖，张华方等.基于Python的深度学习人脸识别方法 [J]. 工业控制计算机，2019，32（2）： 118-119.

[2]王江伟，刘青.玩转树莓派 Raspberry Pi[M].北京： 北京航空航天大学出版社，2013：176-185.

[3]蒙克.树莓派开发实战[M].北京：人民邮电出版 社 ，2017：43.

[4]乔·米尼奇诺，约瑟夫·豪斯.OpenCV3计算机视觉：Python 语言实现[M].北京：机械工业出版社，2016：13-14

[5]李亚可，玉振明.级联的卷积神经网络人脸检测方法[J].计 算机工程与应用，2019，55（24）：184-189