0 引言
人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行识别。 自动售检票系统（AFC）以计算机及信息传输网络为基础，采用非接触式IC卡作为车票信息载体，车站配备自动售票机、自动充值机、自动检票设备，实现售票、充值、检票、计费、收费、统计、结算全过程的自动化管理。 在自动售检票系统中引入人脸识别系统，将乘客购票、检票动作从被动（乘客刷卡动作验证通行信息）变为主动（直接读取识别乘客面部信息进行比对产生验证通行信息），不仅提高乘客乘车效率与系统运营维护水平，还加强乘客对轨道交通技术服务水平的认知度，提高居民整体乘车出行体验。图像型火焰探测器
1 人脸识别技术应用
基于计算机视觉人脸识别技术的应用系统由应用层、人脸识别系统及硬件层3部分组成（见图1）。硬件层主
自动售检票系统中人脸识别技术的解决方案
27.5g bt■ 郭锐
摘 要：在城市轨道交通自动售检票系统中，传统模式下自动售检机存在运维工作量大、机械故障率高、用户体验较差、乘客出行时间成本较高等缺点，同时让公共安全存在一定隐患。人脸识别技术应用到售检票系统能解决以上问题，也为今后的大数据分析和互联网运营提供基本数据。探讨利用人脸识别技术在云售票机、云闸机上的应用及未来人脸识别技术在轨道交通系统的应用方向。关键词：轨道交通；人脸识别；售检票系统；云售票机；云闸机
中图分类号：U291；TP39 文献标识码：A 文章编号：1672-061X（2018）02-0010-04DOI：10.19550/j.issn.1672-061x.2018.02.010
图1 人脸识别系统组成
应用层轨道交通其他
人脸识别系统
人脸识别服务
人脸识别引擎人脸识别模型
硬件层CPU GPU AI ASIC
要包括CPU、GPU、现场可编程门阵列（FPGA）和AI专用芯片。深度神经网络算法如CNN、RNN需要大量的计算，之前人工智能发展缓慢，局限于没有强大的计算资源。随着GPU和AI专用推理芯片在人工智能和计算机视觉等领域的应用，大大拓宽了复杂算法应用领域。应用层主要指人脸识别技术的应用场景，如门禁系统、安防系统、
多人出行（不是每个人都有手机或能第三方支付的场景）
多人出行
第一步：通过地铁APP完成多人全部的地铁票购买
人脸识别售票机
现场选择刷脸支付
第三方支付用户（已经有支付宝、支付的用户）第二步：到达现场刷脸取票
身份认证等。人脸识别系统是整个轨道交通人脸识别过闸应用场景最核心的系统，人脸识别系统的识别性能和准确率直接关系到用户的通行体验，最终决定系统的成败。
2 目前自动售检票系统弊端
2.1 乘客方面
对于传统自动售票机，乘客购票排队时间较长、现场选择线路并采用现金购票也较耗时，大大降低了设备的使用效率和乘客的购票便捷感。
对于互联网售票机，在人流峰值时，设备数量不够，同时每个乘客在售票机上买票的耗费时间较长，必须携带手机才能完成第三方支付，且手机信号的覆盖强度也影响手机购票速度。
同样，传统的检票方式，乘客需先购买有效车票（单程票及储值票）通过闸机上的读写器判断车票是否有效或储值票余额满足最低票价要求，确认后开启闸机扇门允许乘客通行；在出闸端，乘客出示车票由读写器对其授权进行验证，判断其是否为黑名单用户（储值票）、车票是否有进站信息、是否超时、是否足够余额、是否是优惠票或员工票等一系列信息确认后再进行车票回收或扣除相应的乘车费用，加上乘客临出站时才寻身上车票等一些乘车习惯，导致闸机通行速率低下，时常在出站闸机处出现客流拥挤现象（尤其是大客流车站）。二维码过闸同样由于手机信号覆盖、二维码读头对二维码角度的要求以及乘客习惯等原因导致通行效率低。网络安全事件管理
2.2 运营公司方面
目前地铁售票机主要有2类：（1）传统售票机，支付现金买票及交通卡充值；（2）互联网售票机，支付第三方支付，实现无现金售票及交通卡充值。
传统售票机缺点：运维工作量大、机械故障率高、不支持大面额现金支付。
互联网售票机缺点：运维工作量大、机械故障率高。优点：减少运维、结算工作量；与互联网融合，提升了用户体验和地铁形象。
检票方式也主要包含2类：（1）传统检票闸机，通过车票实物实现进站、出站；（2）云检票机即二维码闸机，通过对二维码的识别判断乘客进站、出站并进行扣费。
传统检票机缺点：运维工作量大、机械故障率高，时常出现卡票现象。
云闸机缺点：二维码读头对手机二维码角度要求较
高、机械故障率高。优点：减少运维、结算工作量；与互联网融合，提升用户体验和地铁形象。
3 结合人脸识别技术的解决方案
3.1 人脸识别售票方案
随着互联网应用的普及，刷二维码、刷脸过闸等业务的成熟，售票机的使用频率进一步降低，但不会完全消失。因此，传统售票机也应尽快升级，整合第三方支付功能，实现无现金购票，集成人脸识别功能，支持人脸识别买票。
售票机增加人脸识别功能后，一方面可实现远程（、小程序、支付宝城市服务、支付宝小程序、地铁APP等）购票，在云售票机上刷脸取票；另一方面也可直接支持用户刷脸买票，避免使用现金和手机二维码支付。人脸识别售票机场景案例见图2。
相比传统售票机与互联网售票机，人脸识别售票机减少了运维、结算工作量；与互联网融合，提升了用户体验和地铁形象；增加实名刷票功能，提升地铁公共安全，同时通过收集客户数据，为大数据分析提供基础。人脸识别售票系统架构见图3。
3.2 人脸识别过闸方案
轨道交通行业是一个高新技术密集的行业，也是对新技术比较敏感的行业，一直以来不惜余力地利用科学技术发展的最新成果为乘客提供最好的通行体验。2017年，部分城市开通二维码刷码过闸，以及处于前沿研究阶段的人脸识别过闸。除了乘客端通行工具，闸机终端设备也是整
乘客端工具
闸机终端设备
硬件组成
软件组成
图4 人脸识别云闸机架构
个系统的核心设备。闸机的硬件组成除了工控机和门单元以外，其他的硬件模块分别对应相应的乘客端工具，读写器和票卡回收单元对应单程票，读写器对应交通卡和NFC 手机虚拟卡，二维码读头对应二维码刷码过闸，摄像头用于人脸识别过闸，人脸识别云闸机架构见图4。
结合人脸识别技术，可实现乘客乘车先乘后付，在进站端乘客能通过人脸识别闸机直接过检乘车，在出站端通过人脸比对完成乘客信息的进闸出清，形成闭合交易数据，并通过第三方支付平台直接扣款。
参考流程如下：
（1）乘客通过移动APP注册账户，绑定第三方支付账户，完成实名认证。
（2）乘客通过移动APP和人脸识别系统，采集并且保存用户人脸特征值。
乘客进出站过闸时存在2种方式：
一是离线式。闸机和手机之间建立蓝牙连接，乘客的人脸特征值通过蓝牙连接传给闸机。摄像头捕获乘客的脸部特征。2个特征值进行比对，若满足相似度条件即可通行（见图5）。
二是在线式。摄像头会捕获乘客的脸部特征，上位机程序会上传人脸图像到云平台或者人脸识别库进行特征值比对，如果满足相似度条件就可通行（见图6）。
图3 人脸识别售票系统架构
售票机
底层系统OR
人脸识别云平台
第三方刷脸支付
（3）交易记录发送给ACC系统或云平台，由ACC或云平台根据进站和出站记录计算出金额，向第三方支付平台发起扣款操作。
通过引入人脸识别技术，真正做到无卡出行，乘客进出站时，无需任何操作，用户体验最佳。但也存在网络传输成本高，并且一对多的特征值匹配模式对人脸识别系统的性能和高可用性提出了巨大的技术挑战。轨道交通属于大流量、高频次公共交通系统，系统的稳定性和通行效率是必须要考虑的问题。
3.3 云平台方案框架
人脸识别云平台是整个人脸识别技术在自动售检票系统中的核心平台。通过云平台，可实现云售检票机的业务功能，也可实现云闸机过闸功能。同时云平台也是地铁不断出现的互联网新业务底面支撑平台，通过云平台，除了实现手机APP售票、人脸取票、人脸过闸等新业务，也为以后各类互联网入口（、小程序、支付宝城市服务、支付宝小程序、地铁APP等）提供基础的接入服务。另外，还可为新业务预留接入平台，如指纹识别、无感知识别等新的地铁业务。人脸识别系统云平台框架见图7。
用户终端APP 注册用户/采集人像
返回交易数据
同步
交易
数据
云平台服务器
后台处理人像
返回人脸特征
人脸识别后台服务器
人脸识别过闸
人脸识别闸机
烫光机同步交易数据
同步人脸
特征数据
在线比对
实名
认证
双层布开通
支付
方式
扣款
第三方支付平台
人脸识别库
轨道交通ACC
人脸识别售票系统人脸识别
系统
人脸识别
支付系统
人脸识别
检票系统
用户终端APP 注册用户/采集人像
返回人脸特征
返回交易数据
云平台服务器
后台处理人像
返回人脸特征
人脸识别后台服务器磁疗远红外
离线比对放行移动终端刷码
人脸识别闸机同步交易数据同步交易数据实名认证开通支付方式扣款
轨道交通ACC第三方支付平台4 结束语
目前人脸识别技术在自动售检票系统还没有实际开通的应用案例。该技术方案可产生具有创新价值的云售票机，除实现无现金售票之外，还能实现刷脸取票及刷脸支付功能，同时在闸机上增加摄像头，通过人脸识别技术实现过闸，融合第三方支付输出的信用付能力，实现先刷脸乘坐地铁，再自动支付的先享后付业务，不仅提高了闸机的通行效率，也提升了用户的乘坐体验[2-3]，同时还为今后的大数据分析和互联网运营提供了基本数据。
5 参考文献
[1] 夏德春，肖占荣，李海虎，等. 城市轨道
交通自动售检票系统设计[J]. 铁路计算机应用，2012，21(11)：54-56.
[2] 盛益军. 智慧车务及其视频智能识别技术
应用研究[J]. 中国铁路，2017(4)：91-95.
[3] 王成，史天运. 基于大数据分析的铁路自
动售检票监控系统研究[J]. 铁路计算机应用，2015(11)：42-45.
郭锐：中国中铁二院工程集团有限责任公司，高级工程师，四川 成都，610031
责任编辑 苑晓蒙
图5 离线式人脸识别过闸示意图图6 在线式人脸识别过闸示意图图7 人脸识别系统云平台框架
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议