[论文解读] Facial Recognition Enabled Smart Door Using Microsoft Face API

Karan Maheshwari, N. Nalini|arXiv (Cornell University)|May 29, 2017

IoT-based Smart Home Systems被引用 14

一句话总结

本文提出了一种基于面部识别的智能门禁系统，通过在 Azure 上托管的 Microsoft Face API 实现用户身份验证，利用实时高清摄像头输入进行认证。该系统集成 Raspberry Pi，可检测面部、验证身份、控制电磁锁实现开关门操作，并提供语音反馈，展示了具备实时生物识别访问控制功能的物联网家庭安防原型系统。

ABSTRACT

Privacy and Security are two universal rights and, to ensure that in our daily life we are secure, a lot of research is going on in the field of home security, and IoT is the turning point for the industry, where we connect everyday objects to share data for our betterment. Facial recognition is a well-established process in which the face is detected and identified out of the image. We aim to create a smart door, which secures the gateway on the basis of who we are. In our proof of concept of a smart door we have used a live HD camera on the front side of setup attached to a display monitor connected to the camera to show who is standing in front of the door, also the whole system will be able to give voice outputs by processing text them on the Raspberry Pi ARM processor used and show the answers as output on the screen. We are using a set of electromagnets controlled by the microcontroller, which will act as a lock. So a person can open the smart door with the help of facial recognition and at the same time also be able to interact with it. The facial recognition is done by Microsoft face API but our state of the art desktop application operating over Microsoft Visual Studio IDE reduces the computational time by detecting the face out of the photo and giving that as the output to Microsoft Face API, which is hosted over Microsoft Azure cloud support.

研究动机与目标

• 开发一种安全、自动化的家庭门禁系统，利用面部识别取代传统钥匙或密码。
• 集成实时视频处理、基于云的面部识别（Microsoft Face API）以及通过电磁锁实现的物理门控。
• 通过语音输出和实时显示身份验证结果，实现人机交互。
• 通过在 Raspberry Pi 上本地预处理面部检测，降低计算负载。
• 演示一种端到端具备生物识别认证与反馈功能的物联网智能门禁系统原型。

提出的方法

• 一台实时高清摄像头捕获门前人员的实时视频，并将视频流传输至连接到 Raspberry Pi 的显示监视器。
• Raspberry Pi 运行使用 Microsoft Visual Studio 开发的桌面应用程序，用于在视频流中检测面部并提取面部区域。
• 检测到的面部图像通过 Azure 云发送至 Microsoft Face API 进行身份验证与识别。
• 系统使用微控制器控制电磁锁，实现成功识别后自动解锁。
• Raspberry Pi 上执行文本转语音处理，生成语音反馈并通过扬声器输出。
• 整个系统设计为实时运行，访问控制与用户反馈均具有低延迟响应。

实验结果

研究问题

• RQ1 低成本、基于物联网的智能门禁系统能否实现可靠、实时的面部识别以用于家庭安防？
• RQ2 将面部识别任务卸载至云 API（Microsoft Face API）对系统性能和延迟有何影响？
• RQ3 在 Raspberry Pi 上本地执行面部检测在多大程度上可降低计算负载并提升响应速度？
• RQ4 结合本地处理与基于云的人工智能的混合系统能否提供安全且交互式的访问解决方案？
• RQ5 语音反馈与视觉显示的集成在多大程度上可提升生物识别门禁系统的人机交互体验？

主要发现

• 该系统成功实现了通过 Azure 云上的 Microsoft Face API 实现实时面部识别与自动门锁解锁。
• 在 Raspberry Pi 上本地执行面部检测显著减轻了云端计算负担，提升了系统效率。
• 语音反馈与屏幕显示的集成提供了清晰、实时的人机交互与状态更新。
• 通过微控制器控制的电磁锁实现了可靠且安全的物理门禁控制。
• 该原型实现了低延迟身份验证的端到端生物识别门禁系统。
• 该系统作为基于云面部识别的物联网智能家居安防概念验证，证明了其可行性。