浅谈人脸识别技术及其应用

一、概述

人脸识别技术的研究始于20世纪60年代, 80年代后随着计算机技术和光学成像技术的发展得以提高, 而真正进入初级的应用阶段则在90年后期, 并且以美国、德国和日本的技术实现为主。人脸识别技术成功的关键在于是否拥有尖端的核心算法, 并使识别结果具有实用化的识别率和识别速度。近年来, 中国多家公司也开始参与这项技术的研发, 人脸识别技术取得了突破性发展, 并在多个领域得到了应用。目前, 有着人脸识别工业界黄金标准之称的PRVT测试 (人脸识别供应商测试) , 中国人脸识别核心算法厂商获取了最高分 (该测试由美国国家标准与技术研究所 (NIST) 推出) , 这标志着我国人脸识别核心算法已经达到全球领先水平。

二、人脸识别技术

传统的人脸识别算法建立在基于统计学习的图模型算法基础上, 该类算法模型透明, 容易引入人的经验, 对于经验丰富的研究人员, 用少量的样本就能获得一个模型, 但这个模型在大数据量 (亿级) 比对情况下, 效果不佳。新的人脸识别核心算法, 建立在超大规模神经网络, 采用万亿级参数, 千亿级样本基础进行训练, 其算法参数不可解释, 很难引入人的经验, 但可以获得在大数据量比对时真正可用的算法。

人脸识别标准流程为:通过采用摄像机或摄像头, 采集含有人脸的图像或视频, 并自动在图像中检测和追踪人脸, 进而对检测到的人脸进行脸部的一些列相关处理技术, 包括:人脸检测, 人脸追踪, 人脸五官定位, 人脸归一化, 特征提取, 分类器训练和比对识别, 以达到识别不同人身份的目的。

然而在实际应用场景中, 由于摄像机位置和角度是固定的, 而人在行进过程中是动态的, 大部分时候摄像机抓拍到的人脸并不能有效的用于进行人脸识别比对。针对这类情况, 我们采用以下方式来提升比对成功率。

(一) 侧脸识别

根据脸部定位点将两张侧脸人像进行姿态矫正, 矫正后的人像进行重组, 该人像根据人脸识别标准流程在人像库中进行比对, 输出比中结果。

(二) 多帧聚合比对

系统筛检出多段视频中的关键人像画面, 选择清晰区域进行人像重组, 然后通过人工智能算法对重组人像进行优化, 使该人像可进行标准比对。

(三) 局部增强

当人像画面模糊不清, 难以比中时, 可框选比对人像中明显特征, 并进行局部增强, 增强后的特征可进行二次搜索比对。

(四) 干扰弱化

当人像特征干扰比对结果时, 可框选比对人像中的干扰特征, 进行干扰弱化, 弱化特征后的人像可进行二次搜索比对。

对人工智能算法的极致优化, 领先的分布式系统架构, 强大的工程实践能力, 让人脸识别的准确度不断提升。根据NIST测试的官方报告, 在千万分之一误报下, 识别准确率已经达到了99%, 远超人眼对人脸识别的水平, 达到了接近极限的水平。在90%召回率的情况下, 目前国内领先的人脸识别算法厂商识别准确度已经达到百亿分之一, 相当于每进行100亿次比对, 出现一次误报。

三、应用

正是有了这样的核心算法, 我们可以在相关领域的多种场合如银行、商业、票务、社会服务、公共安全等, 通过人脸识别技术来提升安全性, 提高工作效率和精准性。

随着我国改革开放, 人们参与社会公共活动日益增多, 如何确保社会公共安全是我们面临的重大课题。出入省市境公安检查站作为省市社会治安的“桥头堡”和“过滤器”, 是社会治安防控体系建设的一个重要组成部分, 既是打击、预防犯罪的重要阵地, 又是加强道路交通管理的前哨。公安检查站民警肩负着对出入省市境车辆、人员及携带运输物品的安检重任。为此, 我们开始探索在市域卡口公安检查站引用人脸识别技术及其它一些前沿安检技术, 以期提高其城市的“滤网”和“屏障”作用。

过去, 公安检查站主要依靠基于车辆号牌识别的车驾查控系统, 并辅以人工抽查方式对司乘人员检查, 这种安检方式存在诸多问题:一是民警长期核查极易视觉疲劳, 导致人工核验效率低、精度差;二是人员信息采集依赖人工, 信息散乱、非结构化, 无法进行人车关联, 降低了大数据应用能力;三是无法做到事前犯罪预防、事后犯罪记录追溯等。此外, 遇到重大活动、节假日, 必须投入大量警力实现逢车必检、逢人必查, 对警力资源提出了较高要求。针对上述不足, 我们希望将人工智能技术引入公安检查站日常工作, 改革现有安检模式, 进一步提升核查效率。其中, 人脸识别技术是其重要的一环。我们以高速公路市域卡口为例, 根据公安检查站场景分布将需求分为:收费车道车驾查控系统、随车人员安检系统、安检大厅人证核验设备, 安检区动态人脸识别系统。

(一) 车驾查控系统

原部署在收费岛上的车驾查控系统只能抓拍、识别经过卡口的车辆号牌, 现在我们通过提升抓拍摄像机清晰度、调整安装位置、配以合理补光, 增加了对车辆前排司乘人员脸像的抓拍。当车辆驶近时, 通过安装在收费岛上的高清摄像机, 抓拍车辆前排司乘人员脸像及车辆号牌照片, 将实时识别的车辆号牌、抽取的前排司乘人员脸像特征, 传送至后台进行分析, 获取人员信息及车辆信息, 并与黑名单库进行比对, 如有异常情况可通过声光报警及时提醒安检人员并做相关拦截、处置, 从而提升检查站人车核验的质量和效率。

(二) 随车人员安检系统

车辆通过收费岛进入安检区后, 小汽车、中巴、大巴等后排乘客是人脸识别比对的盲区。以往做法是民警上车查验身份证, 费时费力。现在, 我们可以利用智能头盔或智能眼镜, 对后排乘客或上车对随车人员进行无感检测。目前智能眼镜可同时抓拍、识别多人脸像, 发现嫌疑人员可通过警务通或政务微信及时提示安检人员, 提高查验效率和准确率。

(三) 安检大厅人证核验设备

如有重大安保活动, 检查力度要求更高, 要求全天候“逢车必检、逢人必检”。此时, 针对中巴和大巴客车乘客较多的情况, 除了利用智能穿戴设备, 民警还可以要求所有司乘人员下车, 引导进入公安检查站的安检大厅进行检查。在安检大厅内可部署人证核验设备, 对携带身份证的人员进行人证比对, 验证是否存在携带虚假证件的情况。

(四) 安检区动态人脸识别系统

对所有进入安检区的人员, 在公安检查站安检区及周边区域, 需完善全范围的高清视频监控, 布设动态人脸识别系统, 实行“人脸包围战术”, 通过动态人脸识别系统辨认其身份, 并将人员脸像特征信息与后台黑名单库进行比对, 确保犯罪嫌疑人员无处遁形。

确保检查站范围人像布控全覆盖、无死角, 真正发挥检查站社会治安“过滤器”的作用。

四、应用愿景

在市域卡口监测系统中引用人脸识别技术, 我们能够实现以下愿景:

(一) 广泛采集

采用无感知的人脸识别监测手段, 使得采集对象、采集范围、信息种类、信息含量较现有的安检方式, 有了跨越式提升和拓展, 同时对采集到的数据统一建档, 聚类, 碰撞, 形成强大的人像和车辆数据库。

(二) 精准识别

依靠世界领先的人工智能算法, 实现精准的人车识别及关联, 算法精度高达百亿分之一的误报;黑名单库实时比对, 只需一张照片, 就能准确锁定该人员在市域卡口出入轨迹和搭载车辆等所有信息。同时在大数据处理下, 可以实现以人搜车, 以车搜人的功能。

(三) 智能预警

系统能实现实时智能预警。通过市域卡口系统采集到的人、车数据, 可以和现有公安刑侦, 网安, 治安等各类警种的重点人员及其车辆数据进行关联碰撞。比如, 可以知道某位重点人员的所有关联车辆, 以及关联车辆对应的其他人员, 形成该重点人员的人车关系网络。再如, 通过布控某辆重点车辆, 掌握与车辆相关的所有人员信息, 以及相关人员的其他关联车辆和人员信息, 形成该车辆的人车关系网络。根据分析结果形成各类黑、灰名单, 并可以对名单进行实时主动布控, 感知于千里之外, 预警于掌控之中。

五、结束语

通过人脸识别技术应用于公安检查站日常工作, 宏观可以把握整个城市边境口岸的风险预警和运行态势, 中观可以掌握每个检查站的勤务运作和热点警情, 微观可以掌握每个人、每辆车的出行规律和轨迹。真正地实现事前预警、事中处置、事后踪判的三级联动安防管控目标, 将民警主观判断的“盲检”转变为由情报和智能设备支撑的“准检”, 为公安检查站竖立起一道守护城市安全的滤网和屏障。

经过一段时间的研究和测试, 我们有理由相信, 人脸识别技术在公安检查站场景的应用是完全可行的, 并能够对公安检查站的工作成效带来质的飞跃。

摘要：本文首先对人脸识别技术进行分析、介绍, 并根据“智慧公安”建设的实际需求, 提出了在《市域卡口监测系统》中如何引入“人脸识别技术”, 并结合“车辆号牌识别技术”, 以期实现人、车关联的监测要求。

关键词：人脸识别,大数据建模,核心算法,比对