广州地铁集团有限公司
摘要：本论文主要目的为探讨现有自动售票系统（简称AFC）中的人脸识别检测技术的应用现状及相关设备可行性探讨。随着通讯技术的进一步发展，地铁售票系统近年来受到互联网高新技术的影响，人脸识别检测技术逐步在各个方面得到运用。人脸识别技术对城市居民的出行提供了极大的方便。改进地铁售票系统，在保证稳定性的基础上对车站终端设备进行人脸识别改造，是目前比较可行的方法，也是我们的主要研究方向。
关键词：关键词：半自动售票机 人脸识别 运用 轨道交通
1 人脸识别技术和其特点
1.1 人脸识别技术特点
人脸识别，早在21世纪初就应用于公安系统，主要用于各种公共场合监测人员，打击犯罪，另外也有用于金融安防等相关领域。技术的主要应用方法，顾名思义，通过识别人体面部信息特征，判断人员信息。
人脸识别技术是应用最快捷有效，也是最容易被人们所接受的生物特征识别技术，在地铁运用中其优点是多方面的。主要分为以下几点：
（1）人脸识别技术使用范围广，涉及领域多。从小到个人的降低信息认证学习成本、大到社会管理、公共设施大流量人员辨认都有极大优势。
（2）人脸识别技术不需要身体接触，在地铁系统中不需要乘客使用额外设备如手机、银行卡等，无需乘客的刻意配合。通过简单的图像采集即可完成识别工作。
（3）也可以应用于安检系统，实现智能监控功能，自动追踪人员，实时监控和报警。
1.2 人脸识别技术
人脸识别技术识别过程需要分三个阶段。第一步是首先建立完善的人员档案系统，即数据库。第二步是实现对人脸面部信息的获取。第三步是对比数据库和人脸信息，进行识别判断，确认人员[2]。
人脸识别系统包括图像预处理环节、人脸检测环节和识别比较环节。如图1-1所示。
.png)
图1-1 人脸识别系统
训练数据库，根据已知身份人员的人脸图像，对已知模式的样本进行训练，从而得到各类特征。检测数据库，包括人脸图像、视频帧，用来检测识别身份。图像预处理环节，作用是输入图片或视频帧，突出面部特征。人脸检测与定位环节，通过在复杂图片和视频帧中检测，寻找是否有人脸存在，并同时判断出其大小和坐标。分类策略里所用的具体分类方法有最近邻法和距离测度方法等。判断提取出的特征，判断样本模式。
人脸检测识别算法一般基于肤色、子空间、机器学习和基于Adaboost。该算法原理来源于机器学习。对于一个样本集，此算法根据它们的特征值（特征值规定了相等的概率），训练后获得弱分类器，反复训练下，得到的最优弱分类器，集合成为强分类器，并排列得到级联分类器后。通过级联分类器来排除掉非人脸，获得想要的分类效果。
在地铁各种终端设备的使用中，乘客停留数秒的情况下，以上几种算法都符合要求[3]。而半自动售票机（简称BOM）设备对乘客的停留时间要求不高，因此算法方面都能满足使用需求。
1.3 BOM的人脸识别功能需求
BOM是城市轨道交通AFC系统的重要组成部分。目前既有的BOM功能，主要划分为非付费区和付费区两种，来分类处理乘客的购票、充值、更新、查询等方面需求。目前以广州地铁为例，BOM具备了传统票卡读写器和二维码读写器两种，使用二维码APP过闸的乘客可通过终端手机设备扫码，即可进行票卡更新、查询等处理。
而在人流量升高的情况下，处理乘客事务也需要进一步提高效率。人脸识别功能在BOM中的设计和其他设备区别不大，也是通过比对人脸进行识别，帮助乘客快速完成票卡处理。其具备不需要乘客额外设备的优点，对于乘客没有携带手机，或者手机信号弱、拉码失败等情况，人脸识别相较于传统方法和二维码方法有更大的优势。
2 BOM的人脸识别应用
2.1 BOM的改造
目前部分城市已将二维码过闸的互联网支付平台应用到了地铁售票系统中，而在此基础上增加人脸识别功能，完成扣费及相关交易处理工作，可以大大缩减改造成本。
广州地铁现有的BOM已经进行了二维码支付改造，新增了二维码扫描枪模块，通过扫描二维码信息判断车票数据、类型等。人脸识别改造可通过新增摄像头模块，底层系统增加人脸识别接口，连接到人脸识别云平台或清分系统。采集乘客面部信息，和数据库进行比对，通过云平台或清分中心完成识别，向第三方机构申请扣费，并返回乘客票卡信息。即可完成更新、查询等功能。对现有AFC系统改造程度小，成本低.
2.2 人脸识别系统架构
人脸识别平台架构如图1-2所示[4]。
.png)
图1-2 人脸识别平台
乘客使用APP或者其他软件注册账户，绑定账户在公安系统中实名认证。利用人脸识别系统采集人脸数据并存储训练特征值。处理乘客事务时，识别满足相似条件后，发送交易记录至云平台，根据需求计算金额自动扣费。
2.3 人脸识别应用难点
目前在BOM上，相比于传统票卡处理和二维码技术，人脸识别还是存在着一定的识别错误风险。而且在处理视频数据上，对人脸检测算法的准确性和实时性要求较高，算法需要进一步改善以提高准确率和检测速度。在地铁环境中，光照变化、人脸姿态变化以及表情等因素，都会成为影响识别准确度的因素。
此外，现有的清分中心对接的是各个线路的线路中心，并且车站终端设备的互联网模块数据都是直接上传至清分中心。如果安装人脸识别模块，意味着传输数据相较于之前会大幅提升。图像视频数据占用空间更大，并且如果线路设备是不同的集成商，也意味着需要针对不同设备开发不同软件版本程序，增加管理难度，同时也会使得人脸识别功能实际运用稳定性难以得到保证。
另一方面，目前人脸识别还不够智能，在上线使用的初期，需要通过采集大量数据训练学习，并且后台团队时时优化，创造一个良好的学习环境，才能充分保障好人脸识别的能力。
3总结
（1）随着通讯技术和互联网技术的发展，人脸识别技术的普及难度大大降低，在地铁售票系统中应用人脸识别可较大程度提高运营效率。
（2）人脸识别在半自动售票机上的应用总体对现有系统架构改造小，成本耗费低。只需增加摄像头模块传输数据比对即可完成。
（3）人脸识别技术难点在于算法使用和图像呈现效果上，提高检测速度和准确率的方法，目前可通过优化算法，提升硬件实力实现。
（4）人脸识别传输数据更大，对网络通讯等要求更高，后续可能需要进一步优化主备链路来提升使用效率。
参考文献：
[1]董淳.“互联网+”自动售检票系统变化及应用[A].天津市电子学会、天津市仪器仪表学会.第三十三届中国（天津）2019’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C].天津市电子学会、天津市仪器仪表学会：天津市电子学会，2019：3.
[2]马梦莹.地铁AFC系统人脸识别检测技术的现状及应用[J].电子技术与软件工程，2019（17）：84-85.
[3]吴晓天.地铁安检中的人脸识别算法研究[D].大连交通大学，2017.
[4]郑在盛.基于人脸识别的自动售检票系统的研究[A].天津市电子学会、天津市仪器仪表学会.第三十四届中国（天津）2020’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C].天津市电子学会、天津市仪器仪表学会：天津市电子学会，2020：3.