1、基于人脸识别的智能商场服务系统 刘思璇 武汉外国语学校 摘 要： 人脸识别技术作为一项新兴的生物识别技术, 凭借近几年迅猛的发展速度, 而广泛应用于国家安全、公共安全、教育、服务业等多个领域。人脸识别技术的研究最早可追溯到二十世纪五十年代, 经过半个多世纪的发展, 尤其是近几十年来统计学派成为机器学习主流学派之后, SVM、PCA、adaboost 等算法的普及使得人脸识别技术真正进入了机器自动识别阶段。现如今, 随着人脸识别技术的不断完善, 国内外各大科技公司也正致力于将人脸识别应用于更多领域, 其功能也从小众化逐步走向大众化层面。本文提出了一种基于人脸识别的智能商场服务系统解决方案, 将人
2、脸识别技术应用到改进零售业服务质量的领域, 以达到提升商场安保级别、改善用户消费体验的目的。关键词： 人脸识别技术; 智能商场服务; 人脸检测; 特征提取; 作者简介：刘思璇, 武汉外国语学校。一、引言(一) 研究基于人脸识别的智能商场服务系统的目的和意义近年来, 随着人工智能技术的迅猛发展, 生物特征识别技术得到广泛研究和开发, 在众多的生物特征识别技术中, 人脸识别技术凭借非接触、采集过程简单方便、检测识别过程直观便捷等特性优势, 使其成为当前发展前景最好的生物特征识别技术。另一方面, 随着人们物质文化生活的不断丰富, 智能化商场的概念被越来越多的研究者和相关从业者所提及, 如何利用先进的
3、计算机智能技术改善优化消费者在商场中的消费体验, 提高消费者的消费水平, 是智能商场服务系统要解决的核心要点。(二) 研究现状人脸识别技术凭借其自身独特的技术特点和理论优势, 逐渐被越来多的国家和研究机构所重视。文献1中作者将自组织特征映射、次分量方法和克隆算法应用到人脸特征提取中, 提出了一种既可以识别正面人脸又可以识别侧面人脸的人脸识别方法, 该方法识别率更高, 且具有自动识别、调节的能力, 特别适用于大型数据库中的人脸识别;文献2从宏观的角度对 90 年代以来出现的基于几何特征的方法、基于相关匹配的方法、基于统计的识别方法等各种主流人脸识别技术方法进行了分析与比较, 对各大类识别方法的优
4、缺点进行了详细的论述。不仅如此, 人脸识别技术在各个应用领域的研究也取得了许多骄人的成果。文献34作者都是通过对人脸识别技术的优化、改进, 并融合其他相关技术, 将改进后的人脸识别技术应用到智能监控与安防领域, 有效的提高了系统的安保效果, 弥补了传统安防系统的诸多不足;文献5中作者将人脸识别技术与智能分析技术相结合, 论述了人脸识别在安防等其他领域的应用发展前景。(三) 本文研究成果本文将人脸识别技术创新性的应用到改善商场服务系统领域, 提出了一套智能商场服务系统解决方案, 该系统方案以人脸识别技术为核心, 并结合智能分析技术、室内定位技术等其他计算机技术。系统从顾客进入商场开始, 通过人脸
5、识别技术追踪并记录顾客在商场中的历次浏览购买行为;再通过智能分析技术对记录的顾客行为进行实时的分析, 为顾客有针对性的智能推荐商品与店铺;最后, 将智能分析技术分析的结果与室内定位技术相结合, 个性化的为顾客规划浏览路线, 并提供基于位置的个性化导航以及推荐服务。另外, 该系统与公安系统相关安防数据库相连接, 可以实时的获取有偷盗案底人员的人脸图像, 再结合系统自身的人脸识别技术, 可以有效的满足商场对智能安保功能的需求, 提高了商场对偷盗行为的安防能力。二、人脸识别技术原理人脸识别技术是指一种依据人的面部特征 (如统计或几何特征等) , 自动进行身份鉴别的一项新兴生物识别技术。其基本原理流程
6、如图 1 所示:图 1 人脸识别基本原理图 下载原图(1) 图像采集:通过部署在指定区域的高清摄像头实时的采集包含用户人脸的图像。(2) 图像预处理:捕捉的图像由于分辨率、大小、光照不均等差异因素, 直接影响了后续图像识别的效果, 因此, 图像预处理的工作为采用一定方法降低对于后续识别操作的图像噪音。图像预处理常见的方法有:图像灰度变换、归一化、直方图均衡等。(3) 人脸检测:人脸检测是指在给定的图像中判断是否有人脸的存在。若有人脸存在, 则给出图像中人脸的数量、每个人脸的具体位置、坐标。常用的人脸检测的分类算法有:SVM (支持向量机) , Adaboost 算法, 深度神经网络方法等。(4
7、) 人脸特征提取和降维:在人脸检测提取出人脸图像之后, 需要进一步提取每个人脸图像的具体特征。提取人脸特征过程中, 人脸在不同表情、角度下所呈现的脸部特征也有所不同, 因此, 提取人脸区分度较高的主要特征, 是人脸特征提取和降维过程的核心工作。常见的人脸图像特征类型有:Haar 特征;LBP 纹理特征;HOG 特征 (方向梯度直方图) 等。特征降维方面:通常采用 PCA 方法 (主成分分析法) , 其通过线性变化的方法提取人脸的主要特征, 过滤次要特征, 提高人脸识别精确度的同时, 有效提高了识别计算的效率。(5) 人脸库:是指事先采集好的人脸信息库, 人脸信息由平均脸及特征脸组合构成。平均脸
8、指从一定数量的人脸中通过去平均值的方法提取的面部特征信息。特征脸, 指用线性变化或机器学习相关方法提取的能够代表人脸特点的一组特征向量。(6) 相似性比对:运用欧氏距离公式 , 将人脸识别系统实时提取出的特征脸与人脸库存储的特征脸进行逐一比对, 输出最终结果。(7) 人脸识别结果的评价:可以从识别率、识别速度、鲁棒性三个角度分析评价人脸识别的识别效果4。三、系统设计本文提出的智能商场服务系统解决方案, 结合人脸识别、智能分析、室内定位等相关技术, 在商场个性化服务与商场智能安防方面提出了一系列创新性的优化改进方法。整个系统由商场摄像头监控子系统、人脸识别子系统、室内定位子系统以及智能分析子系统
9、几个子系统构成, 子系统所需要的各种用户信息均存储在商场用户信息数据库中, 数据库中不但存储了用户的传统基本信息, 还存储了用户对应的人脸信息以及各种购买行为信息和位置变化信息等。另外, 用户信息数据库还对接公安系统的人员信息数据库, 可以实时获取盗窃人员的相关人脸及个人信息, 有效提高了商场防偷盗的安保能力。如图 2 所示, 整个系统是由各个子系统相互协调、共同配合完成。其中, 商场摄像头监控子系统主要是实时的拍摄、捕捉人脸相关图像提供给人脸识别子系统;人脸识别子系统主要是实时的检测识别图像中的人脸信息, 对图像中的用户身份进行自动验证;智能分析子系统则利用实时捕捉到的用户人脸信息以及用户的
10、相关购买行为记录, 智能的为用户提供个性化推荐服务, 包括商品的推荐以及浏览路线的规划推荐;室内定位子系统利用 APP 以及室内 WIFI 信号以及智能分析系统提供的用户推荐信息为用户提供基于位置的个性化服务。对于使用系统的用户来说, 用户在首次进入商场时, 需要下载商场服务系统客户端 APP, 然后用户进行人脸及个人基本信息的验证注册。之后用户每次进入商场时, 系统会通过人脸识别自动的识别用户身份, 并为用户提供一系列个性化的智能服务。例如, 系统可利用子系统间的相互配合, 挖掘用户的潜在偏好, 系统通过人脸识别子系统捕捉到用户在某一件衣服前停留了较长时间, 但因为这件衣服价格过贵而没有购买
11、, 当智能分析子系统分析发现另外一家商铺有一间与这件衣服十分相似但便宜很多的衣服, 系统便会通过 app 为用户智能的推荐这件衣服, 并为用户提供去这件商铺最优的导航路线。图 2 基于人脸识别的智能商场服务系统四、总结与展望本文结合人脸识别、智能分析、室内定位等先进技术, 提出了一套新的智能商场服务系统解决方案。系统以人脸识别技术为核心, 以为用户提供更加便捷、优良的服务体验为宗旨, 解决了诸多传统商场服务解决不了的问题, 也为商场智能化服务的发展提供了一套新的设计思路。系统提出了一系列创新的同时, 也存在着一些不足, 例如人群局限性 (不擅长使用智能手机的中老年人) 问题、实际部署所需摄像头、Wi Fi 路由器需求量较大所带来的成本问题等, 有待今后进一步研究、改进。参考文献1李超洋.智能人脸识别技术研究D.西安电子科技大学, 2004. 2祝秀萍, 吴学毅, 刘文峰.人脸识别综述与展望J.计算机与信息技术, 2008 (4) :53-56. 3阮琳琳.基于人脸识别的会所智能监控系统的研究D.南京理工大学, 2013. 4孙正春.智能视频监控中的人脸识别D.电子科技大学, 2012. 5黄敏.智能分析+人脸识别技术的发展趋势分析J.电子技术与软件工程, 2014 (10) :199-199.
