一种基于人脸识别的铁路安检安防管理系统技术领域
本发明涉及一种管理系统，具体是一种基于人脸识别的铁路安检安防管理系统。
背景技术
随着社会生产力的发展和多媒体处理技术的进步，人们对机器人功能的要求越来
越高，期望机器人能识别到人脸。机器人在实际应用中，机器人通过人脸识别估算出有人的
存在，可启动人机互动程序，并主动与人进行沟通，增加机器人的亲和力。
人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸
识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指
人）本身的生物特征来区分生物体个体。机器人实现人脸识别功能将赋予机器人“眼睛”的
功能，提高机器人的智能程度，实现更好的人机交互功能。
旅客在互联网或者购票大厅提前购买好车票后，旅客按照车站进站口显示的候车
信息持车票和身份证件进站；工作人员通过铁路车票实名验证系统核对车票身份信息、有
效身份证件和旅客的一致性，完全一致的由工作人员在车票正面加盖验讫章；旅客接受安
检后按照引导揭示进入相应候车区。
铁路工作人员实名制验票时，只能通过直观感觉来判断当前乘客是否是购票人本
人，并且无法确认当前乘客是否公安部嫌疑人，工作效率和质量及其低下，无法实时拦截暴
恐分子、在逃嫌疑等特殊人群，给铁路运输安全带来极大隐患。
发明内容
本发明的目的在于提供一种基于人脸识别的铁路安检安防管理系统，以解决上述
背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于人脸识别的铁路安检安防管理系统，采用人脸识别方法，对身份证与持证人
员的一致性进行核实；所述人脸识别方法如下：首先，采用多个摄像头，对人脸图像进行采
集变转换为数字图像，将所述数字图像分割成多个窗口；对每个窗口进行边缘检测；将每个
窗口分类为前景候选或背景候选，其中，分类包括计算所述窗口的边缘数，仅当窗口边缘数
目大于阈值时将窗口分类为前景候选，当用户提交被查询的面部图像时，应用预设特征提
取方法实时获取图像特征矢量；基于被查询的面部图像的特征矢量与面部图像文件库中的
每幅图像的图像特征矢量的比较，利用邻近搜索方法从面部图像特征库中查找所有被查询
面部图像特征的邻近特征，以此计算图像之间的相似度；当相似度超过98%时，锁定该持证
人员，并报警。
作为本发明进一步的方案：每个窗口中进行边缘检测包括对数字图像中的每个像
素执行索贝尔算子，所述索贝尔算子具有5×5像素核心。
作为本发明进一步的方案：还包括细分类每一个前景候选窗口作为对象候选或非
对象候选窗口，并且只在对象候选窗口执行附加的对象检测。
作为本发明进一步的方案：其中细分类每一前景候选窗口作为对象候选窗口或非
对象候选窗口，包括：将所述窗口细拆分为两个垂直的子窗口；计算每个垂直子窗口的边缘
数量；将每个垂直子窗口的边缘数量与第二阈值进行比较；仅当在每一个垂直子窗口的边
缘数目大于所述第二阈值时细分类窗口为对象候选窗口。
作为本发明再进一步的方案：其中分类每个窗口作为前景候选或背景候选包括：
比较所述窗口与基准图像中相应窗口，如果所述窗口与所述相应窗口基本相同的话，把所
述窗口分类为背景窗口。
与现有技术相比，本发明的有益效果是：本发明通过优化人脸识别技术，比对现场
抓拍头像与身份证头像比对，实现人证合一的准确鉴别。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例中，一种基于人脸识别的铁路安检安防管理系统，采用人脸识别方
法，对身份证与持证人员的一致性进行核实；所述人脸识别方法如下：首先，采用多个摄像
头，对人脸图像进行采集变转换为数字图像，将所述数字图像分割成多个窗口；对每个窗口
进行边缘检测；将每个窗口分类为前景候选或背景候选，其中，分类包括计算所述窗口的边
缘数，仅当窗口边缘数目大于阈值时将窗口分类为前景候选，当用户提交被查询的面部图
像时，应用预设特征提取方法实时获取图像特征矢量；基于被查询的面部图像的特征矢量
与面部图像文件库中的每幅图像的图像特征矢量的比较，利用邻近搜索方法从面部图像特
征库中查找所有被查询面部图像特征的邻近特征，以此计算图像之间的相似度；当相似度
超过98%时，锁定该持证人员，并报警。每个窗口中进行边缘检测包括对数字图像中的每个
像素执行索贝尔算子，所述索贝尔算子具有5×5像素核心。还包括细分类每一个前景候选
窗口作为对象候选或非对象候选窗口，并且只在对象候选窗口执行附加的对象检测。其中
细分类每一前景候选窗口作为对象候选窗口或非对象候选窗口，包括：将所述窗口细拆分
为两个垂直的子窗口；计算每个垂直子窗口的边缘数量；将每个垂直子窗口的边缘数量与
第二阈值进行比较；仅当在每一个垂直子窗口的边缘数目大于所述第二阈值时细分类窗口
为对象候选窗口。其中分类每个窗口作为前景候选或背景候选包括：比较所述窗口与基准
图像中相应窗口，如果所述窗口与所述相应窗口基本相同的话，把所述窗口分类为背景窗
口。
灰度图像可以被表示为一个大型的整型二维数组，其中每个像素被定义了一个介
于0(纯黑色，或完全没有亮度)到1(纯白色，所有亮度的总和)范围内的亮度值。亮度值在理
论上是一个精确的分数值，然而在实践中分辨率被位深所限制，使用整数值来代表分数值，
以16位为例，使用整数I代表十进制数值n，因为使用简单的整数来表示亮度，处理器可以使
用相对快速的整数指令进行处理。
灰度图像的边缘由能计算出的每个像素的梯度向量的索贝尔算子识别出来。单点
的衍生物不能被计算，但如果假定灰度图像代表连续亮度函数的一组采样点，那么所述衍
生物可以作为亮度采样点的函数被分段计算。索贝尔算子通过围绕每个像素的区域进行取
样提供出一个梯度，例如3×3或5×5像素，在计算的基础上取得该点的近似梯度。索贝尔算
子是一种离散微分算子，其结果是使用图像中每个计算出的点的梯度向量来表示。常用的
索贝尔算子使用两个3×3的内核，使用该内核与数字图像的某个区域进行卷积运算。
对象检测是一种可用于在数字图像中定位感兴趣对象的图像处理技术。具体而
言，灰度图像能够有效地表征感兴趣的对象，如人、车、脸、动物或其他物体。“感兴趣的对
象”是指在本说明描述的系统中能在数字图像中被识别、定位、分类或者检测到的任何对
象。这可能是有用的，举例来说，在视频安全境况下，照相机可以提供一个视频流。系统的效
用可能通过提供一种处理系统被增强，比如数字信号处理器系统，它能够实时地或接近实
时地解析每个帧，并且识别感兴趣的对象，如面部。面部识别之后，该系统可以传递识别出
的面部到后处理系统中进一步地执行面部识别，因此既可以识别人是否存在也可以在该帧
内识别该人的身份。例如，设计可以分析视频流并识别人的存在的系统，该系统检测出人的
存在发出报警，而检测出动物存在时并不提供报警。一般来说，分析图像所花费的处理资源
与识别图像的需求强度是成正比的。在数字图像的每部分上花费大量的处理资源并不总是
可行的，特别是处理实时问题。因此，提供可靠地消除数字图像的某些部分的预过滤步骤是
很有用的。例如，预过滤步骤可以将数字图像分割成不同大小的N个窗口，在本说明书中“窗
口”表示的数字图像的任何部分，直至并包括被选择用于分析的整个图像。虽然本说明书中
的示例都是以矩形窗口的方式来举例，而某些应用中其他形状的窗口是有用的，并不旨在
本说明书中限定为矩形窗口。N个窗口中的，M个窗口被可靠地分类成不包含感兴趣对象。因
此，DSP只需以高可靠性和更密集型处理器技术来检查N-M窗口。一些预过滤技术的有用的
特性是漏报的近零率，但误报的容忍度相对较高。换句话说，预过滤技术可以被配置为几乎
从未错误过滤掉包含感兴趣对象的窗口，但是它仅仅可以过虑掉60-80％没有包含感兴趣
对象的窗口。
图像被划分成24×24像素大小的窗口，每个窗口总共有162,336种可能的特性。对
于640×480像素的VGA分辨率的图像，总共有280,896个这样的窗口，共需8770万次特性的
计算。在每秒30帧的情况下，将产生每秒实时需要处理约26亿次特征的理论最大值，对于一
些嵌入式处理器来说这是不切实际的，因为每个特征计算需要多个时钟周期。另外，前述的
仅仅是许多可能的层级中的一个，而在实践中每一帧可能同时处理几个层级。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在
不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论
从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权
利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有
变化囊括在本发明内。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个
实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域
技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本
领域技术人员可以理解的其他实施方式。