一種基于掃碼認(rèn)證和人臉識(shí)別的簽到系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

0０引言為保障會(huì)議、活動(dòng)的正常開展，簽到系統(tǒng)已經(jīng)成為高校、企事業(yè)單位日常管理不可缺少的組成部分，然而，傳統(tǒng)的人工簽到方式早已經(jīng)被淘汰，人們轉(zhuǎn)而研究管理方便、時(shí)效性高、準(zhǔn)確性高的智能化簽到方式。近年來，應(yīng)用比較廣泛的是打卡簽到、指紋簽到、人臉識(shí)別簽到等E。這些簽到方式在一定程度上解決了人工簽到的繁雜性、準(zhǔn)確率低等問題，但仍然存在很多不足，如打卡簽到并不能避免代簽到的情況發(fā)生；指紋簽到和人臉識(shí)別簽到又因設(shè)備昂貴而使用受限，并且在會(huì)場(chǎng)人數(shù)多的情況下，設(shè)備攜帶不便、設(shè)備數(shù)量不足、簽到反應(yīng)時(shí)間長(zhǎng)的問題更加凸顯。針對(duì)這些問題，為保證簽到的時(shí)效性、準(zhǔn)確性，本文設(shè)計(jì)了一種基于移動(dòng)終喘Android系統(tǒng)，并融合掃碼認(rèn)證和人臉識(shí)別的簽到系統(tǒng)，運(yùn)用當(dāng)前使用最廣泛的移動(dòng)手機(jī)終端作為簽到終端，有效地解決了設(shè)備不足、攜帶不便的問題。運(yùn)用二維碼掃碼的方式確定簽到者身份，簽到者注冊(cè)關(guān)聯(lián)個(gè)人信息，產(chǎn)生個(gè)人二維碼供管理者掃描，管理系統(tǒng)掃描二維碼自動(dòng)驗(yàn)證簽到者身份,驗(yàn)證通過者跳轉(zhuǎn)到人臉識(shí)別界面，保證了身份的真實(shí)性；人臉識(shí)別階段則包括活體檢測(cè)和人臉識(shí)別，避免采用照片、視頻等方式的誤識(shí)別情況發(fā)生，確保簽到的有效性。01總體設(shè)計(jì)本文所設(shè)計(jì)的掃碼人臉識(shí)別簽到系統(tǒng)主要采用Android手機(jī)作為終端，整個(gè)掃碼人臉識(shí)別分為身份認(rèn)證階段和活體人臉識(shí)別階段，總體流程圖如圖１所示。圖1總體流程服務(wù)端可根據(jù)活動(dòng)、會(huì)議要求的不同，通過導(dǎo)入或用戶注冊(cè)的方式形成參會(huì)人員數(shù)據(jù)庫(kù)。簽到者通過手機(jī)APP進(jìn)行信息注冊(cè)或關(guān)聯(lián)，產(chǎn)生個(gè)人身份二維碼，供身份認(rèn)證時(shí)使用。當(dāng)用戶參加會(huì)議、活動(dòng)時(shí)，出示身份二維碼，管理者釆用手機(jī)APP掃碼識(shí)別端進(jìn)行掃碼認(rèn)證，系統(tǒng)進(jìn)行二維碼解碼，自動(dòng)匹配數(shù)據(jù)庫(kù)中該簽到者信息，若匹配成功則進(jìn)入活體人臉識(shí)別階段，否則提示認(rèn)證失敗。人臉識(shí)別階段主要包括人臉識(shí)別和活體檢測(cè)，本文采用AdaBoost算法進(jìn)行人臉識(shí)別，配合基于交互式隨機(jī)動(dòng)作的活體檢測(cè)方法，確保簽到者的真實(shí)性。掃碼人臉識(shí)別簽到系統(tǒng)的網(wǎng)絡(luò)架構(gòu)如圖2所示，系統(tǒng)包括了簽到移動(dòng)端、管理移動(dòng)端、管理PC端、應(yīng)用服務(wù)器、數(shù)據(jù)庫(kù)服務(wù)器等。圖2網(wǎng)絡(luò)架構(gòu)移動(dòng)終端Android手機(jī)作為簽到移動(dòng)端設(shè)備，簽到APP根據(jù)簽到者、管理者身份的不同，分別具有簽到功能和掃碼驗(yàn)證功能，而管理PC端具有導(dǎo)入用戶信息、管理用戶信息、統(tǒng)計(jì)簽到情況等功能，應(yīng)用服務(wù)器則負(fù)責(zé)處理二維碼身份認(rèn)證和活體人臉識(shí)別等業(yè)務(wù)邏輯，系統(tǒng)所有數(shù)據(jù)存儲(chǔ)于數(shù)據(jù)庫(kù)服務(wù)器。0２功能模塊設(shè)計(jì)整個(gè)掃碼人臉識(shí)別簽到系統(tǒng)主要由APP客戶端、管理PC端和服務(wù)端組成，APP客戶端面向簽到者和管理者，根據(jù)身份的不同，針對(duì)簽到者權(quán)限的主要功能有:個(gè)人信息注冊(cè)/關(guān)聯(lián)、個(gè)人信息維護(hù)、掃碼人臉識(shí)別功能，針對(duì)管理者權(quán)限的功能有掃碼認(rèn)證功能、簽到統(tǒng)計(jì)功能；管理PC端主要面向管理者，具有用戶信息管理、用戶數(shù)據(jù)導(dǎo)入導(dǎo)出、用戶信息審核、簽到統(tǒng)計(jì)等功能等；服務(wù)端則提供掃描認(rèn)證服務(wù)、活體人臉識(shí)別服務(wù)和數(shù)據(jù)存儲(chǔ)服務(wù)，見圖3。圖3功能模塊圖0３系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)3.1核心功能本系統(tǒng)的核心功能包括掃碼身份認(rèn)證、人臉識(shí)別和活體檢測(cè)，本文重點(diǎn)介紹其設(shè)計(jì)和實(shí)現(xiàn)方法。3.1.1掃碼身份認(rèn)證掃碼身份認(rèn)證主要用于確保簽到人到會(huì)議/活動(dòng)現(xiàn)場(chǎng)，由現(xiàn)場(chǎng)工作人員（管理者）使用Android手機(jī)中的此APP進(jìn)入掃碼身份認(rèn)證界面，同時(shí)簽到者使用Android手機(jī)中的此APP,進(jìn)入簽到流程，第一步出示個(gè)人二維碼，供管理者掃碼認(rèn)證，若管理者掃碼認(rèn)證成功，則簽到者簽到流程進(jìn)入下一步：人臉識(shí)別，若失敗則提示身份認(rèn)證失敗，并返回第一步。二維碼生成流程如圖4所示。圖4

二維碼生成流程掃碼身份認(rèn)證的核心技術(shù)是二維碼的編碼與解碼。本系統(tǒng)釆用QR碼對(duì)簽到者信息進(jìn)行封裝并編碼,并在簽到過程中由服務(wù)器進(jìn)行解碼、驗(yàn)證工作。二維碼編碼首先對(duì)封裝好的數(shù)據(jù)進(jìn)行分析，確定編碼字符類型、版本信息和糾錯(cuò)等級(jí)，接著采用既定規(guī)則將字符轉(zhuǎn)換為位流，再將位流轉(zhuǎn)換為碼字，完成數(shù)據(jù)編碼，再將生產(chǎn)的糾錯(cuò)碼字加在數(shù)據(jù)編碼后,生成糾錯(cuò)編碼。通過加剩余位的方法，按既定規(guī)則將數(shù)據(jù)和糾錯(cuò)碼字構(gòu)造成最終信息，并按規(guī)則排列尋像圖像、分隔符、矯正圖形與碼字形成二維碼矩陣。最后，對(duì)編碼區(qū)域位圖掩模處理，釆用8種掩模圖形處理并評(píng)價(jià)結(jié)果，選擇最優(yōu)結(jié)果，生成版本和格式信息，構(gòu)成符號(hào)，即生成最終的二維碼圖像。二維碼掃碼認(rèn)證主要由服務(wù)器完成二維碼圖像的解碼和驗(yàn)證，其時(shí)序圖如圖5所示。圖5二維碼掃碼認(rèn)證時(shí)序圖當(dāng)應(yīng)用服務(wù)器接收到二維碼圖像后，會(huì)對(duì)二維碼進(jìn)行解碼、識(shí)別，其解碼流程如圖6所示。圖6二維碼解碼流程圖二維碼解碼流程：首先，采用圖像處理方法對(duì)二維碼進(jìn)行處理，包括識(shí)別深/淺模塊、格式信息譯碼、確定版本、清除掩模，接著計(jì)算伴隨多項(xiàng)式值、求錯(cuò)誤位置多項(xiàng)式和錯(cuò)誤位置多項(xiàng)式的根，再求出錯(cuò)誤值并對(duì)碼字進(jìn)行錯(cuò)誤糾正，從而得出二維碼解碼輸出。3.1.2人臉識(shí)別算法手機(jī)app使用的人臉識(shí)別技術(shù)主要細(xì)分為幾個(gè)步驟。（1）人臉區(qū)域范圍的查找：使用攝像頭拍攝的圖像為輸入，判斷當(dāng)前圖像中是否有人臉信息,如果人臉在指定的區(qū)域范圍中，則標(biāo)記出來。（2）人臉特征的提取：將標(biāo)記出來的人臉進(jìn)行特征分析和定位，并最終生成一個(gè)臉部的模型。(3)人臉檢測(cè)的確認(rèn)：基于該模型，檢測(cè)是否為真實(shí)的人體而非圖片或者視頻，并與服務(wù)器的模型做比對(duì)完成確認(rèn)工作。人臉區(qū)域范圍的查找是人臉分類鑒別必不可少的前提環(huán)節(jié)，要對(duì)人臉圖像進(jìn)行分類鑒別，首先需要找到圖像中的臉部區(qū)域部分。而實(shí)際中拍攝人臉圖像的過程中通常會(huì)由于背景環(huán)境或焦距等因素，混雜一些非人臉、多個(gè)人臉的特征，此時(shí)需要對(duì)所拍攝圖像的進(jìn)行人臉區(qū)域檢測(cè)來提取人臉區(qū)域，最后分類鑒別只會(huì)針對(duì)人臉部分來進(jìn)行。該環(huán)節(jié)實(shí)際上就是區(qū)分出人臉部位的特征與其他非人臉物體的特征并將指定范圍的人臉區(qū)域部分提取出來。人臉檢測(cè)環(huán)節(jié)直接影響著人臉分類識(shí)別環(huán)節(jié)，該環(huán)節(jié)檢測(cè)準(zhǔn)確，后期人臉分類識(shí)別環(huán)節(jié)的效率和精度也會(huì)得到提高。目前最常見的人臉定位技術(shù)是使用Adaboost算法識(shí)別?,把所指定的區(qū)域分為若干個(gè)矩形區(qū)域，再對(duì)每個(gè)矩形區(qū)域進(jìn)行Haar特征分析。Haar特征分析也就是矩形特征分析，作為Adaboost算法的輸入，Adaboost算法計(jì)算并判斷出人臉的區(qū)域，將整張圖像的人臉部位進(jìn)行提取，將非人臉部位的部分給丟棄。人臉有著一些顯著的邊緣特征，矩形特征就對(duì)這些邊緣輪廓比較敏感，例如當(dāng)分析眼睛的時(shí)候，雙眼在水平方向上和垂直方向上，眼珠的顏色會(huì)深于眼珠周圍的顏色；嘴巴的顏色也是類似的，會(huì)比嘴巴周圍顏色更深。矩形特征就可以更容易的鎖定這些眼睛、嘴巴等人臉主要區(qū)域。矩形特征中A［-l,1］、B［-l,1,-1］算子代表的二鄰接、三鄰接矩形，如圖7所示，通過原始矩形特征，定位人臉的主要區(qū)域。二鄰接矩形

(b)三鄰接矩形圖7原始矩形特征在進(jìn)行人臉檢測(cè)時(shí)，既需要考慮算法的運(yùn)行速度，也需要考慮算法的準(zhǔn)確度。本系統(tǒng)使用二維碼驗(yàn)證后，可以獲取登錄用戶注冊(cè)在服務(wù)器上的目標(biāo)樣本，再通過矩形區(qū)域的方式作為登錄用戶特征來進(jìn)行檢測(cè)。Haar特征獲取完成之后，需要對(duì)Haar特征值進(jìn)行計(jì)算，為了提高檢測(cè)的速度，使用積分圖計(jì)算特征的值是一種常用的方法。定義其積分圖為：即在位置上，對(duì)應(yīng)的積分圖中的像素為該位置的左上角所有的像素的之和。每一行都遞歸計(jì)算，每一行首先都是計(jì)算z,計(jì)算完畢之后在每一列都計(jì)算。這樣掃描下去就可以計(jì)算積分圖如公式2、3所示，其中令為初始值。為點(diǎn)處的“原始圖”，是此點(diǎn)的顏色值；對(duì)于灰度圖像，其值為0?255。對(duì)于彩色圖像，可以先按照人臉彩色空間將其轉(zhuǎn)化為灰度取值。其中，為點(diǎn)及其ｙ方向向上所有原始圖像之和，稱為“列積分和”，可以定義為：，并定義。Adaboost算法計(jì)算和判斷出人臉的區(qū)域，并提取人臉部位后，將每一次提取到的人臉部位樣本訓(xùn)練出一個(gè)弱分類器，每次迭代中的樣本比重需要由上一次來確定，第ｉ次的樣本比重由第次的樣本來確定。每次把分類錯(cuò)誤的樣本的權(quán)重值提高，這樣可以突出分類錯(cuò)誤的樣本同時(shí)得到新的樣本分布并訓(xùn)練得到新的弱分類器。Adaboost釆用的迭代算法，簡(jiǎn)單地講就是對(duì)訓(xùn)練樣本進(jìn)行權(quán)重重新評(píng)估后的再進(jìn)行循環(huán)訓(xùn)練，最初的樣本權(quán)重設(shè)置是一致的最終經(jīng)過提升的強(qiáng)分類器。Adaboost算法還采用了一種級(jí)聯(lián)判斷的方式，通過將多個(gè)強(qiáng)分類器串聯(lián)起來組成一個(gè)級(jí)聯(lián)分類器后，連續(xù)對(duì)輸入進(jìn)行判斷，對(duì)于需要提取人臉的圖像，如果判斷出是人臉的矩形區(qū)域就讓其通過當(dāng)前的強(qiáng)分類器進(jìn)入下一個(gè)強(qiáng)分類器，否則直接將其丟棄掉。由于串起來的各個(gè)分類器的精度要求是逐漸增加的，通過這些強(qiáng)分類器的層層過濾，大大的加快了分類檢測(cè)的速度，而且每一級(jí)的強(qiáng)分類器對(duì)上一級(jí)通過的矩形區(qū)域特征再一次進(jìn)行分類判斷，大大減少了偽正樣本的通過率，即提高了檢測(cè)的正確率。

３.１.３活體檢測(cè)檢測(cè)出正確的人臉后，采用基于交互式隨機(jī)動(dòng)作的活體檢測(cè)方法來防止簽到者以照片、視頻等方式冒充簽到，被識(shí)別者需要通過系統(tǒng)給出的指示完成一些指定的動(dòng)作，如眨眼、張口、搖頭等。這種基于交互式隨機(jī)動(dòng)作的活體檢測(cè)的方法就是對(duì)人臉的檢測(cè)、定位、跟蹤和特征提取后，再判斷是否按照系統(tǒng)要求做出了正確的動(dòng)作。需要保證可以檢測(cè)到人臉的實(shí)時(shí)動(dòng)作，完成對(duì)被識(shí)別者人臉的檢測(cè)、跟蹤和對(duì)齊；同時(shí)在指定時(shí)間內(nèi)，對(duì)用戶發(fā)出動(dòng)作指令，被識(shí)別者的認(rèn)證動(dòng)作順序不同，從而最大限度地避免活體檢測(cè)被攻破的可能。如果被識(shí)別者人臉動(dòng)作合法則檢測(cè)通過，人臉跟蹤失敗或者動(dòng)作驗(yàn)證失敗均需要重新進(jìn)行簽到，保證被識(shí)別者無法使用照片或模型進(jìn)行冒充氣每種動(dòng)作需要在指定的時(shí)間內(nèi)完成，保證動(dòng)作無法事先錄制好。從邏輯設(shè)計(jì)上最大限度地保證了使用的簡(jiǎn)便性和系統(tǒng)可靠性，本文結(jié)合活體檢測(cè)手段完成對(duì)人臉檢測(cè)的確認(rèn)。算法實(shí)現(xiàn)：首先獲取到人臉位置坐標(biāo)，使用AdaBoost人臉檢測(cè)器檢測(cè)出人臉在圖像中的位置坐標(biāo)信息。然后在此區(qū)域用人臉對(duì)齊算法，獲取人臉五官關(guān)鍵點(diǎn)的特征點(diǎn)坐標(biāo)：提取給定特征點(diǎn)的SIFT特征或HOG特征：其中，戸為算法自動(dòng)提取到的人臉五官關(guān)鍵點(diǎn)的特征點(diǎn)初始坐標(biāo)，尸*為人工標(biāo)定的實(shí)際人臉五官關(guān)鍵點(diǎn)的特征點(diǎn)坐標(biāo)，遷為貯與尸*的偏移量，H為SIFT特征提取函數(shù)。特征點(diǎn)根據(jù)確定下來以后就可以通過這些特征點(diǎn)來估計(jì)人臉姿態(tài)。比如眼睛，使用內(nèi)眼角為起點(diǎn)1,分別編號(hào)特征點(diǎn)位置1內(nèi)眼角，特征點(diǎn)位置2眼睛上方，特征點(diǎn)位置3外眼角，特征點(diǎn)位置4外眼角，計(jì)算當(dāng)前眼睛的寬度和高度來判斷眼睛的狀態(tài)：其中，表示特征點(diǎn)ｉ的橫坐標(biāo)值，表示特征點(diǎn)ｉ的縱坐標(biāo)值，為眼睛的高寬比例。根據(jù)可以確認(rèn)當(dāng)前眼睛的睜開、閉合狀態(tài)。釆用人工標(biāo)注方式標(biāo)示人臉范圍的特征點(diǎn)的位置，然后使用人臉檢測(cè)器定位范圍內(nèi)的人臉框，根據(jù)已標(biāo)注的人臉框坐標(biāo)信息確定所有特征點(diǎn)的坐標(biāo)平均值，如此就得到了一個(gè)平均人臉特征點(diǎn)的位置，將這個(gè)平均位置點(diǎn)記錄為人臉特征點(diǎn)位置的初始值。根據(jù)指定的動(dòng)作，取得的人臉特征點(diǎn)位置應(yīng)該在某個(gè)閾值之內(nèi)，這樣眼睛和嘴巴的睜開或閉合狀態(tài)都可以通過這個(gè)原理估計(jì)得出。從而確定識(shí)別者，通過驗(yàn)證。3.2系統(tǒng)實(shí)現(xiàn)基于Android的掃碼人臉識(shí)別簽到系統(tǒng)采用Java語言實(shí)現(xiàn)，其中人臉檢測(cè)模塊與活體檢測(cè)模塊采用了NDK技術(shù)，結(jié)合OpenCV庫(kù)圓完成了核心視覺算法的實(shí)現(xiàn)，簽到主要實(shí)現(xiàn)圖如圖8所示。圖8系統(tǒng)實(shí)現(xiàn)圖圖8（a）是簽到者出示個(gè)人身份二維碼，當(dāng)管理者掃碼后，系統(tǒng)自動(dòng)檢測(cè)簽到者身份信息，若身份認(rèn)證成功，則返回人臉信息并提示進(jìn)入下一步人臉檢測(cè)，即圖8（b）:人臉識(shí)別，此時(shí)系統(tǒng)調(diào)用手機(jī)攝像頭獲取人臉頭像，并進(jìn)行實(shí)時(shí)處理，計(jì)算檢測(cè)到的人臉與身份認(rèn)證返回的人臉信息是否匹配，當(dāng)匹配值在閾值范圍內(nèi)時(shí)，代表人臉匹配，進(jìn)入下一步：活體檢測(cè)，如圖8(c),通過眨眼、張嘴等隨機(jī)動(dòng)作的識(shí)別，檢測(cè)人臉識(shí)別中的人像是否為活體,若三步都成功，則提示用戶簽到成功，如圖8(d)所示，否則，從失敗步驟跳轉(zhuǎn)回簽到界面，提示簽到失敗。0４結(jié)語針對(duì)當(dāng)前高校、企事業(yè)單