智能家居安全系统和使用卷积神经网络的活性检测

论文标题：Smart Home Security System and Liveness Detection using Convolutional Neural Networks（智能家居安全系统和使用卷积神经网络的活性检测）

作者信息：

• Amith Kumar N1, Satheesh Kumar.G.R1, Sreedhar.V1, Surya.S.S1, S.Saraswathi2, V. Lokeshwari2, K. Madheswari2*
• 1Final Year CSE (Student), Department of Computer Science and Engineering, Sri Sivasubramaniya Nadar College of Engineering, Chennai, Tamil Nadu, India.
• 2Associate Professor, Department of Computer Science and Engineering, Sri Sivasubramaniya Nadar College of Engineering, Chennai, Tamil Nadu, India.
• 通讯作者：K. Madheswari，副教授，Computer Science and Engineering Department, Sri Sivasubramaniya Nadar College of Engineering, Chennai, Tamil Nadu, India. Email: madheswarik@ssn.edu.in

论文出处：Indian Journal of Natural Sciences, Vol.13 / Issue 75 / December/ 2022 International Bimonthly (Print) ISSN: 0976 – 0997

主要内容： 本研究旨在创建一个智能家居安全系统，利用物联网(IoT)和深度学习技术增强家庭安全，实现通过手机远程保护和监控家庭。该系统基于深度学习(DL)的面部识别技术，能够在检测到任何运动时触发，使用Viola Jones Haar Cascade算法识别访客的面部，并根据个人类别解锁特定房间。通过深度学习模型的活性检测，区分真人和静态图像，使系统更加安全可靠。系统使用SMTP来自定义多个配置文件以及与每个配置文件相关联的人员，并且在有陌生人访问时提醒所有者。MQTT协议用于通过手机应用远程解锁每个锁。

引言部分讨论了随着国家经济的快速扩张和城市人口的增长，安全问题成为首要任务。传统的锁和钥匙的安全方法容易被破解且不留痕迹。本研究旨在创建一个智能家庭安全系统，克服传统安全措施的不足。

摘要部分概述了项目的主要目标，即利用IoT和深度学习技术显著提高家庭安全。系统注册并保存了主人及其家庭成员的面部信息，并允许主人建立如家庭成员、非家庭成员等配置文件，并自定义每个配置文件对应的门锁。当有人进入房屋时，系统会捕捉其图像并识别面部。如果面部与数据库中的配置文件匹配，相应的门锁将被打开。如果没有匹配，图像将发送给主人，由主人决定是否解锁门锁。

相关工作和现有系统部分讨论了近年来流行的安全系统，如CCTV摄像头、视频门铃、传统报警解决方案等，并指出了现有系统的不足，如只能事后检测入侵者，效率低下，且无法区分人和非人物体。

材料和方法部分描述了使用MQTT在IoT基础上部署的智能家居监控系统。系统分为硬件接口和软件接口两个层面。硬件接口层面部署了感应节点（PIR运动传感器、Pi摄像头）、电磁锁和继电器模块，并与处理单元（Raspberry Pi 4B）相连，该单元识别由摄像头捕获的面部数据。软件的主要目标是检测和报告未受监督的人类活动。软件接口层面分为三个部分：面部识别、处理单元和移动应用。

面部识别部分详细描述了使用Pi摄像头和Viola-Jones对象检测框架（Haar Cascades）进行面部检测的过程。使用Adam Geitgey的面部识别包进行面部识别，该包基于Dlib的深度学习面部识别模型。此外，还讨论了活性检测的重要性，并介绍了使用CNN进行二元分类的方法。

结果和讨论部分提到用户可以通过移动应用控制整个系统，应用提供了一个交互式的基于GUI的界面和图标，使用户能够轻松了解其工作原理。用户还可以跟踪所有添加的条目。主要功能包括添加、修改或删除条目，以及使用MQTT协议通过单一键点击打开门锁。

性能评估部分指出，所提出的模型使用Dlib的深度学习面部识别，该模型在标记的Faces in the Wild基准测试中的准确率为99.38%。

结论部分总结了本文实现了一个智能家居安全系统，该系统能够通过Raspberry Pi、摄像头传感器、运动检测传感器和移动应用来监控家庭。系统使用Viola Jones Haar Cascade算法识别访客的面部，并根据个人类别解锁特定房间。通过深度学习模型的活性检测区分真人和静态图像，使系统更加安全可靠。SMTP用于系统和移动应用中自定义多个配置文件以及与每个配置文件相关联的人员，并在有陌生人访问时提醒所有者。MQTT用于通过移动应用远程解锁每个锁。