无障碍门禁系统解决方案.docx

1、无障碍门禁系统解决方案无障碍门禁系统解决方案信息技术研发中心 2015年7月14日关于中拓联兴中拓信息技术有限公司主要从事高端身份识别定位分析的慧眼、慧网、慧智、慧云产品的研发、生产、销售及系统集成，多年的技术积累和生产经验，先后开发出具有自主知识产权的XX等多项产品中获得国家专利，赢得了广大用户的广泛赞誉。主要产品类别：工地监控系统、监狱安防系统。目前已广泛投入使用的系统有：企业双身份门禁 手机动态身份鉴别系统工作区人员定位 人员行为分析 .1、 技术背景门禁是一种管理人员进出的数字化智能管理系统。简单点说就是通过刷卡、密码或者指纹的方式开门，而非再像过去通过机械钥匙开门。1.1 安装门禁的

2、意义(1)提高管理档次，同时规范化内部的管理体制。(2)通过权限，授权者进入其职责范围内的门。所有的进出情况在电脑里都有记录，便于针对具体事情的发生时间进行查询，落实责任。(3)可以将不受欢迎的人员拒之门外，例如可以杜绝传销、保险等行业的业务员在未经许可的情况下擅自闯入您的办公室，干扰您正常的办公秩序。1.2 门禁产品现状常用的门禁技术有：IC卡、指纹、虹膜、语音、人脸、RFID、密码等。(1)密码门禁系统：通过输入密码，系统判断密码正确就驱动电锁，打开门放行。优点：只需记住密码，无需携带其他介质，成本最低。缺点：速度慢，如果输入错误，还需重新输入。安全性差，旁边的人容易通过手势记住别人的密码

3、，密码容易忘记或者泄露。(2)IC卡门禁系统：优点：实时；很容易满足一卡通业务要求；可满足用户的动态需求。缺点：易丢失；易冒用。(3)生物识别门禁系统：根据人体生物特征的不同而识别身份的门禁系统。常见的有：指纹门禁系统，掌型仪门禁系统，虹膜门禁系统，人脸识别门禁系统，静脉识别门禁系统等。优点：无需携带卡片等介质，重复的几率少，不容易被复制，安全性高。尤其人脸门禁是唯一一种无障碍门禁。缺点：成本高（特别是人脸门禁）；实时性差（由于生物识别需要比对很多参数特征，需要比对速度慢），不利于人员人数过多的场合；可靠性差（人体的生物特征会随着环境和时间的变化而变化，采样的样本约束多，因此容易产生拒识率）。

4、1.3 无障碍门禁概念无障碍门禁需要满足如下条件：(1)用户不需要和设备直接接触；(2)获取的用户信息不被被测个体察觉；(3)具有稳定的生物特征；而满足无障碍门禁条件的只有人脸识别门禁。2、人脸识别优势及应用中面临挑战2.1 人脸识别的优势人脸识别技术在中国的发展起步于上世纪九十年代末，经历了“技术引进专业市场导入技术完善技术应用各行业领域使用”等五个阶段。到目前为止，随着国内人脸识别技术水平的不断成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域。目前，人脸识别技术在传统的

5、安防领域可以便捷的与原有技术实现紧密的结合，大大提升原有系统的智能化程度、安全性及易用性，拓展了原有系统的应用领域，从而促进了传统产业的技术升级。从市场发展前景来看，人脸识别技术的发展空间是不可小觑的。2.2 人脸识别面临的挑战从实际测试来看，用户的预期与当前的技术水平之间的差距还是比较大的。人脸识别技术在动态监控应用中面临的压力实际上也比较大。(1)用户希望正确报警率要求高。而现实是理论上来说必须接受高误报率。在技术方面，要达到高正确报警率，可以通过降低阈值来实现，但是降低阈值的代价是：高误报率。为了达到95%正确报警率，很多算法可能会产生300%或更高的误报率。(2)用户希望监控库足够大，

6、往往要求数万或几十万，甚至上百万的监控名单，希望能捕到“大鱼”。现实是库容量大就必须接受高误报率。(3)用户希望大规模成网建设，能够勾画出监控人员的活动轨迹。现实是必须高投入，重新建专用网络和相关硬件。(4)用户希望尽量使用目前的监控设备(摄像机和网络)。现实是现有的摄像机清晰度不够，图像质量差，用于场景监控时视频中人脸过小，网络带宽不够等等造成无法使用现有设备。(5)光照问题。面临各种环境光源的考验，可能出现侧光、顶光、背光和高光等现象，而且有可能出现各个时段的光照不同，甚至在监控区域内各个位置的光照都不同。(6)人脸姿态和饰物问题。因为监控是非配合型的，监控人员通过监控区域时以自然的姿态通

7、过，因此可能出现侧脸、低头、抬头等的各种非正脸的姿态和佩戴帽子、黑框眼镜、口罩等饰物现象。(7)摄像机的图像问题。摄像机很多技术参数影响视频图像的质量，这些因素有感光器(CCD、CMOS)、感光器的大小、DSP的处理速度、内置图像处理芯片和镜头等，同时摄像机内置的一些设置参数也将影响视频质量，如曝光时间、光圈、动态白平衡等参数。(8)丢帧和丢脸问题。需要的网络识别和系统的计算识别可能会造成视频的丢帧和丢脸现象，特别是监控人流量大的区域，由于网络传输的带宽问题和计算能力问题，常常引起丢帧和丢脸。3、实施方案3.1 摄像机部署摄像机部署要全覆盖重点区域（摄像机分为以下角色：进入人员计数、出去人员计

8、数、人脸检测、人员跟踪）；3.1 人员计数摄像机(1)视频动态增强（去噪声、去阴影、光照补偿）；(2)运动目标提取（前景、背景分离）；(3)目标分类（人和物的分类）；(4)将人体信息（目标编号等）发送给人员跟踪摄像机；(5)统计人员的个数（需要协调，进入人数、出去人数）。3.2 人员跟踪摄像机(1)人员跟踪，并记录轨迹；(2)当人员超出摄像机视野，根据轨迹将跟踪的人员目标编号发送到与轨迹趋势最接近的人脸跟踪摄像机，继续跟踪人员；(3)人脸检测（Verilook）。(4)自动把采集到的人脸图片（含时间、人脸编号、摄像机编号、是否新人脸等信息）发送到远程服务器上；3.3 服务器(1)远程服务器完成

9、人脸识别（Verilook）(2)人脸漏检推送“再确认信息”；(3)人脸识别成功推送“信息”或不推送；(4)人脸识别失败推送“人脸”；(5)新人脸注册。4、实施过程4.1 总体流程 图1 总体流程(1)该流程以人员进入为例，人员出去的流程类似；(2)人脸检测和人员跟踪是同时进行的；(3)人脸检测、人员跟踪和人脸识别使用Verilook算法。4.2 视频动态增强流程（突出目标？）在出现大雾、大雨、沙尘等恶劣天气时，户外景物图像的对比度和颜色都会被改变或退化，图像中蕴含的许多特征都被覆盖或模糊，得到的是退化图像，对于各类视频分析方法都造成了极大的困难，因此，要充分发挥监视视频的效能，就必须对监视视

10、频图像进行增透处理。通过动态视频增强，可以用于气溶胶导致的各种天气条件的透雾处理；能够明显提升图像的对比度、使图像变通透、清晰，这样在低照度的情况下也有着显著的效果；能够显著增强图像的细节信息，使原来被隐藏的图像细节被充分展示，尤其适用于雾霾天气的道路情况的显现;能够提升图像的饱和度，使图像色彩鲜艳活泼、生动，增透处理后的图像保持了准确的色调、自然的外观，因而获得了良好的图像质量与视觉感受。 图2 视频动态增强示意图增透算法使用以Retinex为核心的单尺度（Single-Scale Retinex, SSR）算法。其原理如图3所示： 图3 SSR算法原理Retinex（视网膜”Retina”

11、和大脑皮层”Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human Visual System）的图像增强理论。利用Retinex理论进行图像增强的关键是从原图像中有效的信息计算出亮度图像L(x,y)。但是从原图像计算亮度图像在数学上是一个奇异问题，因此只能通过数学上近似估计的方式估算亮度图像。在Retinex算法的发展史中，曾经出现过平方反比的环绕形式、指数形式以及高斯指数形式，但在SSR算法中，高斯卷积函数可以对源图像提供更局部的准确处理，因而可以更好地增强图像，其可以表示为：其中是常量矩阵,c是滤波半径，并且满足： c越小，灰度动态范围压缩的越多，c

12、越大，图像锐化的越厉害。因此亮度图像最终可以表示为：4.3 目标提取流程（目标在哪？）在通过运动目标检测算法获得前景目标灰度图像之后，为了准确提取运动目标的特征，还必须对检测得到的运动目标进行进一步的处理，这些处理包括使用动态阈值分割技术获取二值化分割阈值、进行形态学滤波消除噪声的影响、连通域标识分割以及对目标碎片进行合并整理等。运动目标提取的流程图如图3所示。 图3 目标提取流程4.4 目标分类流程（我要那个目标？）运动目标分类就是将视频中检测到的多个运动目标分类为几种事先定义好的目标类别:人、汽车、其它。 图4 人员检测流程(1)其它处理：预留扩充（车辆识别等）(2)特征提取：为了达到准确

13、分类不同姿势的运动目标的效果，选取的特征必须具备受姿势影响小的条件。研究中发现长宽比与距离摄像头远近无关，具有归一化的特性，比较清晰地表征了人与汽车的形状特点; 紧凑度也不会受与距离摄像头远近影响；速度在运动目标静态特征提取不准确的情况下，可以很好地表征三个目标的特征；而且这三个特征都是受姿势影响相对较小的静态与动态特征。因此选定，静态特征有长宽比、紧凑度等，动态特征有速度。(3)分类器：使用基于支持向量机的增量学习算法；(4)样本库：包括人体样本库和汽车样本库，用于训练分类器的。样本库是动态调整的，已实现增量式学习。(6)难点：并排人员分割。4.5 人员计数流程（几个目标？） 图5 人员计数

14、流程(1)初始化：设定拌线方向，正向为进入，反向为出去；（如图6）初始化另一项任务就是设置开始计数时间，两个计数器（进入、出去）清零，门禁数据库和轨迹数据库清空；同时将两个计数器的数据保存到门禁数据库。 图6 拌线及方向(2)人员编号：人员编号是在人员检测框左上角标注一个数字，如图6的人员编号为12。(3)人员跟踪和轨迹记录见6.6。(4)门禁数据库包括：日期，人员编号，拌线时间等信息。为后期流量分析、人员行为分析、考勤打下基础。4.6 人员跟踪流程（目标是什么？） 图7 人员跟踪流程(1)人员跟踪：Verilook算法； 提取目标的特征； 并在每一帧中寻找该特征； 目标的特征包括原始的灰度分

15、布特征、形状特征、小波域特征等； 特征匹配是实现目标识别跟踪常用的手段，为了减小计算量匹配只在目标状态的邻域内进行； 匹配准则可以采用最大互相关函数（或最小均方差函数、最小平均绝对差值函数、最大匹配像素统计等）。(2)轨迹表示：针对目前运动目标的跟踪与记录方法占用存储空间较大的缺点，先用三帧差分算法和Snake算法相结合检出运动物体的轮廓，再利用Hausdorff算法对提出的轮廓进行匹配，并将匹配后的轮廓和运动轨迹以文本文件存储，大大降低了运动目标轨迹记录存储容量（图8）。 图8 轨迹表示(3)轨迹趋势预测：使用轨迹拟合外推算法，其基本思想是:假设目标的轨迹在一段时间内服从某种曲线分布，那么对

16、该段时间内的历史位置信息和当前时刻的位置信息进行曲线拟合，然后用拟合的曲线外推未来时刻的目标位置信息。轨迹拟合实际上是最优化问题，设x(k)和x(k)分别为目标在k时刻的真实位置和预测位置，其代价函数为: (4)选择下一个跟踪摄像机：(5)难点：遮挡跟踪。4.7 信息推送流程（要目标干吗？） 图9 信息推送流程(1)人脸识别失败后，向有关人员推送照片，并由人工进行鉴别。(2)【相关处理1】：如果重要人员是上级领导，将人脸存入人脸库作为下一次识别用，并在人力资源库记录相应信息。 (3)【推送“成功”信息】：如果是上级领导，向企业领导推送；如果是正常员工，则向本人推送。(4)【相关处理2】：根据人

17、员轨迹，派人询问。(5)在一定时间a内，根据人力资源系统对漏检人脸短信提醒或报警提醒，并要求确认；(6)对没有收到确认的人员，认定为是可疑人员，并将信息推送给相关部门或人员；(7)对收到确认的人员，通知到指定位置签到。5、本发明特点 (1)牺牲实时性，追求安全、可靠、无障碍；(2)对目标持续稳定的跟踪，为进一步的事件检测、行为分析、目标分布研究打下基础；(3)部署成本低（只需要一台服务器）；(4)摄像机协同控制（计数、跟踪）；(5)与人力资源管理系统无缝对接（不向出差、请假人员推送）。(6)增量式学习在目标分类、人员跟踪和人脸检测都需要一个学习过程。传统的机器学习往往采用批量学习的方法，即所有

18、的训练样本一次性学习完毕后，学习过程不再继续。但在实际应用中，训练样本空间的全部样本并不能一次全部得到，而往往是随着时间顺序得到。考虑到训练和预测的时空开销需求，能够在已有训练结果的基础上继续学习新样本，不断增强模型本身的识别能力，并且减少重复学习的时空开销的增量学习方法，得到了广泛的关注。增量学习目前没有严格的定义，但其主要特征包含两点：能够将新样本加入到已有的知识系统中;能够使一个基本的知识系统逐步演化为更加复杂的系统。(7)无损增透由于目前主流的视频增透方法都是有损处理，会使视频中的大量帧数丢失，因此被增透后往往帧数下降，不够流畅。本发明保留了高清高帧率的特点，保证有价值的信息不会丢失，

19、显著提高视频的观看性和有效程度，能大幅提高智能分析系统的实用性。6、关键技术时间戳信息推送（APP）协同控制（工作流）7、项目计划安排编号任务表述负责人计划完成时间实际完成时间1独立的车牌识别测试程序申自强7.172车牌识别与Verilook对接申自强7.203现场测试申自强7.304Verilook视频显示（独立工程）彭仲俊7.175Verilook人脸检测（独立工程）彭仲俊7.306App信息推送简单测试，熟悉Verilook高峰7.147推送与Verilook结合高峰7.308人员定位（进行相关软件系统的设计、开发、测试工作）沈学华7.319微基站、服务器、监控设备等安装、调试沈学华8.

20、310软件系统的安装、部署、测试沈学华8.811整个系统的试运行、系统验收沈学华8.1212Verilook功能细化，软件大界面设计陈晓勇7.1513人脸推送到服务器陈晓勇7.2014人员跟踪-编号-检测-推送到服务器，轨迹存储陈晓勇7.2515摄像机协同控制（接受轨迹后启动跟踪-检测-推送）陈晓勇7-3016总体软件架构（含数据库），与人员定位对接陈，沈8.817人脸识别-推送手机陈晓勇8-1318人员编号-计数-方向,Verilook实现石沁7.308、研究计划安排编号任务表述负责人计划完成时间实际完成时间1VS环境视频增强（去雾），增强前后视频人脸检测对比胡斌7.172VS环境视频增强（

21、夜间），增强前后视频人脸检测对比胡斌7.223人员遮挡（并排）跟踪胡斌7.304基于泛微独立工作流引擎沈学华7.175人员检测并编号（遮挡，并排）沈学华7.306泛微目标管理，熟悉Verilook石沁7.157泛微内部Email，熟悉Verilook石沁7.188一帧人员计数石沁7.309一帧漏检人脸报警（人员总数-检测人脸数）石沁8.1010人员编号-双向穿越伴线计数郭禹7-2011区域人员逗留时间，分布郭禹7-3012人脸推送到服务器陈晓勇7.2013人员跟踪-编号-检测-推送到服务器，轨迹存储陈晓勇7.2514摄像机协同控制（接受轨迹后启动跟踪-检测-推送）陈晓勇7-30总的任务沈学华：目标分类胡斌：视频质量诊断（画面模糊；画面过暗、过亮；偏色；条纹；马赛克）郭禹: 检测警戒区域内发生的暴力扭打等剧烈动作；陈晓勇：通过给定嫌疑目标图像，自动检索相似目标；高峰：对车辆个数、平均速度、车道占有率、车头间距、车流量、车道平均速度、车辆瞬时速度、车辆密度、车辆类型等交通信息进行采集。石沁：对车辆进入、离开、存在、逆行、压单（双）黄线、非法变道等行为进行检测；彭仲俊：对路面积水反光、车辆阴影、摄像机抖动、行人/电瓶车/摩托车等干扰因素有效过滤；