人工智能在高校智慧圖書館中的應(yīng)用與發(fā)展*
——基于人臉識(shí)別技術(shù)的應(yīng)用及其算法實(shí)現(xiàn)

李佩蓉解 解崔 旭李?yuàn)檴?/p>

（1.西北大學(xué)公共管理學(xué)院 陜西西安 710127）（2.西北大學(xué)信息與科學(xué)技術(shù)學(xué)院 陜西西安 710127）

隨著新一代信息技術(shù)的迅速發(fā)展，智慧圖書館開始成為圖書館界持續(xù)關(guān)注和研究的熱點(diǎn)之一[1]。智慧圖書館是圖書館在新技術(shù)革命影響下的一次創(chuàng)新性的轉(zhuǎn)型，它借助物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能、虛擬現(xiàn)實(shí)等新技術(shù)實(shí)現(xiàn)了圖書館的物理空間智能化、信息資源（知識(shí)）組織智能化、服務(wù)方式智能化以及管理手段智能化等，推動(dòng)圖書館升級(jí)換代，力求為用戶提供更高效優(yōu)質(zhì)的服務(wù)、構(gòu)建更具吸引力的信息互聯(lián)環(huán)境、打造更多元化的信息共享空間。目前，智慧圖書館在實(shí)現(xiàn)服務(wù)管理的智能化上主要借助于物聯(lián)網(wǎng)技術(shù)、RFID 技術(shù)、24小時(shí)自助借還系統(tǒng)、手機(jī)/網(wǎng)絡(luò)自助續(xù)借系統(tǒng)、智能清點(diǎn)/定位系統(tǒng)、智能座位預(yù)約系統(tǒng)、3D/AR/VR導(dǎo)航系統(tǒng)等[2]。值得注意的是，人工智能中的人臉識(shí)別技術(shù)作為服務(wù)方式智能化的實(shí)現(xiàn)途徑之一，尚未廣泛地應(yīng)用于圖書館中。

人工智能是讓計(jì)算機(jī)擁有分析、感知等能力，模擬人類思考過程并作出反應(yīng)的技術(shù)。人工智能的研究方向包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等[3]，近兩年人臉識(shí)別是人工智能學(xué)科發(fā)展中最為快速的一個(gè)分支[4]，已有很多成功應(yīng)用，比如火車站、機(jī)場(chǎng)刷臉驗(yàn)票、Face++技術(shù)為支付寶提供的刷臉登錄、百度機(jī)器人等[5]。在大多數(shù)高校圖書館都使用“一卡通”刷卡或指紋識(shí)別確認(rèn)身份的情況下，更高效精準(zhǔn)的人臉識(shí)別技術(shù)為提高圖書館服務(wù)效率與質(zhì)量、提升用戶體驗(yàn)提供了新的契機(jī)。

以人臉識(shí)別技術(shù)在圖書館中的應(yīng)用為主題的論文最早出現(xiàn)在2012年[6]。經(jīng)筆者檢索，CNKI收錄的圖書館應(yīng)用人臉識(shí)別技術(shù)的文獻(xiàn)一共有15篇，圍繞著人臉識(shí)別技術(shù)在圖書館中的應(yīng)用，提出了應(yīng)用理論及實(shí)現(xiàn)技術(shù)方法。通過分析文獻(xiàn)發(fā)現(xiàn)兩個(gè)問題，首先是較少有學(xué)者關(guān)注這一領(lǐng)域，相關(guān)研究的數(shù)量較少。其次，對(duì)人臉識(shí)別技術(shù)在圖書館的應(yīng)用研究不深入。研究總體偏重于對(duì)在圖書館中應(yīng)用人臉識(shí)別技術(shù)的可行性與功能的理論概述，未構(gòu)建起人臉識(shí)別技術(shù)應(yīng)用于圖書館的整體框架，建立完備的應(yīng)用系統(tǒng)。由此可見，這一研究領(lǐng)域尚未得到學(xué)者的廣泛關(guān)注，研究空間十分廣闊。

1 高校智慧圖書館應(yīng)用人臉識(shí)別技術(shù)的可行性分析

人臉識(shí)別技術(shù)產(chǎn)生較早，但因其核心算法的局限性，在精度和速度上無法滿足大規(guī)模推廣的要求，導(dǎo)致早期發(fā)展較為緩慢，應(yīng)用程度遠(yuǎn)低于IC卡識(shí)別、指紋識(shí)別以及虹膜識(shí)別等。近些年人工智能迅速發(fā)展，人臉識(shí)別技術(shù)已足夠成熟，可為高校智慧圖書館的建設(shè)提供技術(shù)支持。

身份識(shí)別主要有物品驗(yàn)證和生物特征驗(yàn)證兩種方式。目前，我國(guó)高校圖書館普遍使用的身份認(rèn)證方式是物品驗(yàn)證，即通過人攜帶的磁卡、密碼等物品驗(yàn)證身份，比如“一卡通”的應(yīng)用等。使用物品驗(yàn)證方式極易出現(xiàn)證件、卡片丟失，遺忘密碼、信息偽造的情況，與生物特征驗(yàn)證方式相比較存在明顯弊端。生物特征驗(yàn)證方式主要包括指紋識(shí)別、虹膜識(shí)別和人臉識(shí)別等，由于人身上的生物特征是與生俱來、唯一且極難被偽造的，這種驗(yàn)證方式具有較高的準(zhǔn)確性和安全性。虹膜識(shí)別技術(shù)和指紋識(shí)別技術(shù)與人臉識(shí)別技術(shù)相比，存在一定的缺陷。虹膜識(shí)別時(shí)，由于對(duì)采集的虹膜圖像要求極高，需要被識(shí)別者有著極高的配合度，不能眨動(dòng)眼睛，長(zhǎng)期使用對(duì)眼球有輕微損傷。在指紋識(shí)別的過程中，會(huì)出現(xiàn)某些人或某些群體的指紋特征少、難成像的情況，并且每一次識(shí)別時(shí)都在指紋采集機(jī)器上留下被識(shí)別者的指紋印痕，不僅存在被復(fù)制指紋的可能性[7]，并且還造成了一定的公共衛(wèi)生隱患。而人臉采集設(shè)備幾乎可以在被識(shí)別者無意識(shí)的狀態(tài)下獲取人臉圖像[8]，既使用戶在最自然的狀態(tài)下完成身份識(shí)別，又無需與設(shè)備直接接觸，干凈衛(wèi)生。通過以上分析，人臉識(shí)別既優(yōu)于圖書館普遍使用的IC卡識(shí)別，又避免了指紋、虹膜識(shí)別的弊端，是高校智慧圖書館在身份驗(yàn)證方式上的最佳選擇。

2 基于人臉識(shí)別技術(shù)的高校智慧圖書館系統(tǒng)結(jié)構(gòu)與功能

本文構(gòu)建的基于人臉識(shí)別技術(shù)的高校智慧圖書館系統(tǒng)主要由兩大模塊構(gòu)成，即身份認(rèn)證模塊和權(quán)限應(yīng)用模塊。身份認(rèn)證模塊是將采集到的人像特征與人臉特征數(shù)據(jù)庫(kù)通過特定算法進(jìn)行比對(duì)，完成身份的認(rèn)證后進(jìn)入權(quán)限應(yīng)用模塊，用戶和工作人員可開展各自權(quán)限范圍內(nèi)的應(yīng)用?；谌四樧R(shí)別技術(shù)的智慧圖書館系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 高校智慧圖書館系統(tǒng)結(jié)構(gòu)圖

2.1 身份認(rèn)證

身份認(rèn)證模塊是判斷是否擁有某種應(yīng)用權(quán)限的模塊。身份認(rèn)證模塊以人臉識(shí)別技術(shù)作為技術(shù)支撐。早先的人臉識(shí)別技術(shù)多是Adaboost（一種迭代算法）、PCA（Principal Component Analysis，主成分分析）等傳統(tǒng)的統(tǒng)計(jì)學(xué)方法，人工智能深度發(fā)展后，出現(xiàn)了CNN（Convolutional Neural Networks，卷積神經(jīng)網(wǎng)絡(luò)）、RCNN（Region CNN，基于區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)）等深度學(xué)習(xí)的算法，此類算法在識(shí)別精度和速度上已經(jīng)有了質(zhì)的提高。隨著這些核心算法的完善，人臉識(shí)別技術(shù)應(yīng)用在智慧圖書館建設(shè)上有了算法支持。人臉識(shí)別技術(shù)主要由四部分組成：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別[9]。本研究所要建立的高校智慧圖書館身份認(rèn)證模塊流程如圖2所示。

圖2 高校智慧圖書館身份認(rèn)證流程圖

圖書館采集本館用戶和工作人員的人臉圖像，經(jīng)過預(yù)處理后提取特征信息，建立起人臉特征數(shù)據(jù)庫(kù)。在身份認(rèn)證時(shí)，采集人臉視頻提取圖像，將人臉特征同數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，識(shí)別成功則完成身份認(rèn)證，具備執(zhí)行某項(xiàng)應(yīng)用的權(quán)限，識(shí)別不成功則重新采集人像再進(jìn)行身份認(rèn)證。

2.2 權(quán)限應(yīng)用及功能

經(jīng)過身份認(rèn)證后，系統(tǒng)便給予用戶或工作人員相應(yīng)的應(yīng)用權(quán)限，實(shí)現(xiàn)某種功能。本系統(tǒng)的運(yùn)作核心是依托于人臉識(shí)別技術(shù)的身份認(rèn)證，在進(jìn)行每項(xiàng)活動(dòng)時(shí)，都必須首先通過人臉識(shí)別認(rèn)證確認(rèn)身份，這也是系統(tǒng)功能實(shí)現(xiàn)的前提。在本系統(tǒng)中，通過人臉識(shí)別進(jìn)行身份認(rèn)證，自動(dòng)將進(jìn)館人員分為兩類，即用戶和工作人員，并賦予用戶權(quán)限和工作人員權(quán)限。用戶權(quán)限包括門禁識(shí)別、自助借閱、自助打印復(fù)印、預(yù)約座位等，工作人員權(quán)限包括簽到打卡、安全管理等。系統(tǒng)各項(xiàng)應(yīng)用的授權(quán)流程如圖3所示，各項(xiàng)權(quán)限應(yīng)用的功能圖如表1所示。

圖3 高校智慧圖書館授權(quán)流程圖

用戶和工作人員通過人臉識(shí)別可以輕松便捷地獲取各自類別的權(quán)限，這是圖書館服務(wù)和管理方式走向智能化的創(chuàng)新性變革。它摒棄了原有的繁雜程序，只要人臉識(shí)別成功，用戶便可以無障礙地享受圖書館多樣性的服務(wù)，用戶體驗(yàn)感得到顯著提升，這符合智慧圖書館“以用戶為中心”的宗旨。本系統(tǒng)也使得圖書館管理工作的開展更具便捷性與安全性，提高管理效率，促進(jìn)圖書館為用戶提供更優(yōu)質(zhì)的服務(wù)，形成良性循環(huán)，成為高校智慧圖書館實(shí)現(xiàn)智能化的重要手段。

表1 高校智慧圖書館權(quán)限應(yīng)用功能圖

3 高校智慧圖書館人臉識(shí)別技術(shù)的算法實(shí)現(xiàn)

本系統(tǒng)的核心是人臉識(shí)別算法，人臉識(shí)別算法經(jīng)過幾十年的發(fā)展，涌現(xiàn)出多種不同的算法。在多種人臉識(shí)別算法中，筆者認(rèn)為選擇PCA算法比較適用于高校智慧圖書館人臉識(shí)別管理系統(tǒng)的搭建。高校圖書館用戶數(shù)量較小，故建立的人臉特征數(shù)據(jù)庫(kù)容量相應(yīng)較小，并不要求過高的識(shí)別精度，故在識(shí)別速度和精度上經(jīng)典的PCA算法完全可以滿足需求。再者，PCA算法易于實(shí)現(xiàn)，成本低廉（一款酷睿I7的計(jì)算機(jī)就可實(shí)現(xiàn)實(shí)時(shí)識(shí)別）。以下就PCA算法原理以及利用Matlab軟件進(jìn)行模擬人臉識(shí)別作進(jìn)一步的分析。

PCA算法基于統(tǒng)計(jì)學(xué)觀點(diǎn)，是人臉識(shí)別領(lǐng)域的經(jīng)典算法之一。Kyungnam Kim[10]指出PCA算法進(jìn)行人臉識(shí)別的核心思想是從人臉圖像中找出最能代表人臉的特征空間，即從人臉的多維度特征中解析出主要的特征向量，這一步主要通過依照所占能量權(quán)重將特征向量排序，從而達(dá)到將特征空間從高維空間降到低維子空間的目的。一張人臉圖像映射到這個(gè)空間會(huì)得到一個(gè)系數(shù)向量，如果兩張圖像映射到同一特征空間后得到的系數(shù)向量近似，則判定為同一個(gè)人，故也稱作Eigenface（特征臉）算法。PCA算法主要分為學(xué)習(xí)和測(cè)試兩個(gè)模塊，其中學(xué)習(xí)模塊通過機(jī)器學(xué)習(xí)算法，建立人臉圖像特征數(shù)據(jù)庫(kù)；測(cè)試模塊主要是測(cè)試算法系統(tǒng)的準(zhǔn)確度。PCA算法的學(xué)習(xí)模塊流程圖如圖4所示。

圖4 PCA算法流程圖

筆者采用著名的ORL靜態(tài)人臉數(shù)據(jù)庫(kù)（http://www.cam-orl.co.uk），其中包含40個(gè)人，每人有不同角度的人臉圖像10張，共400張人臉圖像。如圖5所示，（a）為前8個(gè)人的第一張人臉圖像，（b）為400張人臉經(jīng)處理后得到的平均臉圖像，（c）為前8個(gè)人的第一張人臉圖像的差值臉。

圖5 PCA算法核心步驟測(cè)試圖

經(jīng)過Matlab軟件對(duì)PCA算法的測(cè)試，在學(xué)習(xí)階段發(fā)現(xiàn)排名90%以后的特征向量所占的能量太小，故采用前90%的特征向量當(dāng)作主成分。如圖6所示，（a）為第一個(gè)人的第一張臉部圖像，（b）為前n個(gè)特征所占的能量百分比，（c）為第n個(gè)特征所占能量百分比。

圖6 人臉主成分分析圖

實(shí)驗(yàn)結(jié)果表明，PCA算法的識(shí)別率基本可以滿足識(shí)別精度的需求（訓(xùn)練樣本為50%時(shí)，即5張用于學(xué)習(xí)階段，5張用于識(shí)別階段時(shí)精度為79.8%；訓(xùn)練樣本為70%時(shí)，精度為83.2%；訓(xùn)練樣本為90%時(shí)，精度為86.5%），該算法可以作為本研究中人臉識(shí)別模塊的技術(shù)支撐。

4 結(jié)語(yǔ)

本文提出基于人臉識(shí)別技術(shù)的高校智慧圖書館系統(tǒng)，一改傳統(tǒng)的IC卡認(rèn)證方式，使得用戶便捷地獲取更優(yōu)質(zhì)的圖書館資源及服務(wù)，為工作人員高效管理圖書館提供了全新的平臺(tái)。通過該系統(tǒng)，圖書館可以構(gòu)建起一個(gè)“去卡化”的無障礙獲取應(yīng)用和服務(wù)的環(huán)境，最大程度地便利用戶，提升用戶體驗(yàn)。目前，該技術(shù)應(yīng)用于高校圖書館時(shí)機(jī)已成熟，因此它的應(yīng)用必將為高校圖書館轉(zhuǎn)型升級(jí)帶來契機(jī)，為高校智慧圖書館的構(gòu)建與發(fā)展帶來驅(qū)動(dòng)與支撐。