人臉識(shí)別結(jié)合大數(shù)據(jù)處理技術(shù)在社會(huì)治安監(jiān)控的應(yīng)用分析

摘 要 在安防技術(shù)飛速發(fā)展的今天，基于視頻人臉采集的人臉識(shí)別技術(shù)已在公安、政府、教育、醫(yī)療、金融、軍隊(duì)、司法及眾多企業(yè)事業(yè)單位等領(lǐng)域得到廣泛的應(yīng)用。

關(guān)鍵詞 人臉識(shí)別 大數(shù)據(jù)檢索 治安應(yīng)用

作者簡(jiǎn)介：康健博，蘇州市公安局吳中分局科員，研究方向：公安科技信息化應(yīng)用。

中圖分類(lèi)號(hào)：D631 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.19387/j.cnki.1009-0592.2017.02.091

筆者通過(guò)大量的文章調(diào)研，結(jié)合警務(wù)工作實(shí)際經(jīng)驗(yàn)，將在本篇文章中對(duì)人臉識(shí)別技術(shù)及其在社會(huì)治安管理方面的應(yīng)用做一些簡(jiǎn)要的論述。

一、人臉識(shí)別的定義

（一）概述

人臉識(shí)別實(shí)際上一種對(duì)身份鑒別的計(jì)算機(jī)科學(xué)技術(shù)，它的實(shí)現(xiàn)基于對(duì)采集的人臉圖像信息進(jìn)行視覺(jué)特征結(jié)構(gòu)化，對(duì)比與核驗(yàn)。

從廣義上來(lái)講，人臉識(shí)別技術(shù)系統(tǒng)實(shí)際上是一個(gè)宏觀(guān)概念，可以細(xì)分為一系列相關(guān)技術(shù)，包括人臉信息的前端采集、人臉特征結(jié)構(gòu)化、人臉信息的定位預(yù)處理、針對(duì)性的對(duì)比檢索、結(jié)構(gòu)化數(shù)據(jù)的原始模型匹配等；狹義上來(lái)看，人臉識(shí)別系統(tǒng)可以特指通過(guò)前端人臉采集的信息進(jìn)行人員身份輔助驗(yàn)證查找定位的技術(shù)系統(tǒng)。

人臉識(shí)別目前已成為一項(xiàng)炙手可熱的研究領(lǐng)域，它從本質(zhì)屬性上來(lái)講實(shí)際上一種生物特征識(shí)別技術(shù)，是對(duì)生物體（一般指人類(lèi)）自身的生物屬性特征來(lái)辨別具體生物個(gè)體。生物特征識(shí)別技術(shù)中所研究的特征可以概括為研究對(duì)象生物的外觀(guān)輪廓、虹膜、掌紋、指紋、音色、行為習(xí)慣等。

（二）人臉識(shí)別的優(yōu)勢(shì)

在眾多識(shí)別技術(shù)當(dāng)中，人臉識(shí)別技術(shù)因其具有被動(dòng)圖像采集不易被察覺(jué)性和自然性有著得天獨(dú)厚的優(yōu)勢(shì)。

被動(dòng)圖像采集的不被察覺(jué)性特點(diǎn)對(duì)于一種識(shí)別技術(shù)非常重要，使用人臉識(shí)別技術(shù)不易令人產(chǎn)生反感，而且不會(huì)使人覺(jué)得容易受到欺騙而引起注意。人臉識(shí)別技術(shù)的圖像采集條件相對(duì)寬松，完全可以通過(guò)可見(jiàn)光數(shù)字成像獲取被檢測(cè)對(duì)象的相關(guān)人臉信息，這點(diǎn)不同于虹膜識(shí)別和指紋識(shí)別。后者需要使用紅外線(xiàn)虹膜采集圖像或者使用電子壓力傳感器采集指紋。

（三）人臉識(shí)別技術(shù)的困難

人臉識(shí)別概念自上世紀(jì)60年代被提出以來(lái)，以其有著很多其他識(shí)別技術(shù)無(wú)法比擬的優(yōu)勢(shì)，一直備受各行各業(yè)的科學(xué)工作者青睞，但從技術(shù)角度來(lái)看，人臉識(shí)別技術(shù)的發(fā)展本身也有很多難題。一度以來(lái)，基于人臉識(shí)別的生物特征識(shí)別技術(shù)被人們認(rèn)為是人工智能及機(jī)器視覺(jué)領(lǐng)域最難研究的課題之一。

人臉識(shí)別技術(shù)的困難來(lái)源主要在于生物特征識(shí)別中基于人臉作為基本特征的特點(diǎn)造成的。對(duì)于視覺(jué)上來(lái)講人臉的特點(diǎn)是：

一是人臉的結(jié)構(gòu)性具有普遍性，可以說(shuō)每一張人臉都是由相同的器官構(gòu)成并且結(jié)構(gòu)非常相似，人臉結(jié)構(gòu)的普遍性對(duì)于機(jī)器視覺(jué)來(lái)說(shuō)有利于在千變?nèi)f化的圖形世界中快速定位人臉圖像，但細(xì)化到利用人臉區(qū)別每個(gè)生物個(gè)體就有一定的技術(shù)難度。

二是人臉的形態(tài)可變性，總所周知，人類(lèi)面部的表情變化十分豐富，面部結(jié)構(gòu)各器官之間的形態(tài)多種多樣，而人臉又是非單純的二維平面圖形，是三維立體的形式存在，可能因環(huán)境光照、抓拍角度、面部遮擋（如眼鏡、口罩、帽子、發(fā)型、胡須等）而造成影響，這些對(duì)于機(jī)器視覺(jué)對(duì)人臉的結(jié)構(gòu)化就造成了很大的困難。

二、人臉識(shí)別應(yīng)用技術(shù)細(xì)節(jié)

人臉識(shí)別技術(shù)系統(tǒng)從組成上可以分為四個(gè)部分，分別為：人臉信息的采集、人臉特征結(jié)構(gòu)化、人臉信息的定位預(yù)處理、結(jié)構(gòu)化數(shù)據(jù)的原始模型匹配檢索等。

（一）人臉信息采集

主要采用網(wǎng)絡(luò)攝像機(jī)抓拍的方式采集人臉的信息，因?yàn)槿四樞畔⒌淖匀恍蕴卣鳎诓煌h(huán)境，不同形態(tài)下都可以利用攝像機(jī)進(jìn)行人臉信息的采集，而目前針對(duì)人臉信息的采集最主要的方式就是通過(guò)攝像機(jī)進(jìn)行的，除此之外我們還可以通過(guò)靜態(tài)照片導(dǎo)入的方式對(duì)人臉信息進(jìn)行采集。目前安防行業(yè)針對(duì)人臉信息的前端采集，已有較為成熟的兩種抓拍應(yīng)用方式，第一種方式為網(wǎng)絡(luò)攝像機(jī)直接抓取人臉圖像信息，第二種方式為在后端錄像存儲(chǔ)系統(tǒng)中讀取視頻碼流，再通過(guò)人臉建模智能軟件，將視頻錄像碼流中的人臉進(jìn)行截圖提取。兩種人臉信息的采集方式各有其優(yōu)勢(shì)，第一種方式，在于人臉提取的算法要前置在網(wǎng)絡(luò)攝像機(jī)中，對(duì)于網(wǎng)絡(luò)攝像機(jī)有著一定的局限性。而第二種方式，通過(guò)錄像的方式提取人臉信息，則可以針對(duì)任何前端監(jiān)控點(diǎn)位進(jìn)行，具有一定的普遍性。

（二）人臉特征結(jié)構(gòu)化

人臉信息采集完成后需要對(duì)所采集的人臉圖像信息進(jìn)行結(jié)構(gòu)化處理，即將圖像信息轉(zhuǎn)換為可對(duì)比、挖掘、分析的數(shù)據(jù)信息。一般來(lái)講首先要對(duì)圖像進(jìn)行預(yù)處理，標(biāo)定圖像中人臉的具體位置，標(biāo)定出各器官所在的位置，計(jì)算人臉各器官標(biāo)定點(diǎn)位之間的比例圖，然后對(duì)人臉進(jìn)行建模分析，通過(guò)模板特征、比例直方圖、顏色特征和結(jié)構(gòu)特征等。人臉特征結(jié)構(gòu)化完成后便可以對(duì)人臉信息進(jìn)行一系列檢索分析應(yīng)用。

人臉結(jié)構(gòu)化檢測(cè)過(guò)程中，使用Adaboost算法優(yōu)先挑選出一些具有人臉特征代表性的矩陣信息（弱分類(lèi)器），在此基礎(chǔ)上進(jìn)行深度學(xué)習(xí)加權(quán)積分投票的方式，將該矩陣擴(kuò)充成魯棒性更強(qiáng)的矩陣（強(qiáng)分類(lèi)器），再進(jìn)一步通過(guò)深度學(xué)習(xí)訓(xùn)練將多個(gè)強(qiáng)分類(lèi)器串聯(lián)疊加形成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的高層疊分類(lèi)器，這樣可以指數(shù)級(jí)增加人臉特征匹配的準(zhǔn)確度。

（三）人臉信息的定位預(yù)處理

人臉信息的定位預(yù)處理：對(duì)于人臉信息的定位預(yù)處理基于人臉信息結(jié)構(gòu)化的結(jié)果，本質(zhì)上是對(duì)圖像進(jìn)行處理后，在從處理結(jié)果中提取特征或結(jié)論的過(guò)程。

人臉的信息預(yù)處理通常基于人臉結(jié)構(gòu)化檢測(cè)結(jié)果。按上文所述，一般來(lái)講系統(tǒng)獲取的人臉原始圖像由于各種外界條件干擾限制，直接使用往往會(huì)有一定困難，須在早期階段對(duì)圖像進(jìn)行一系列的噪聲過(guò)濾、灰度矯正等圖像處理。針對(duì)人臉圖像信息而言，其預(yù)處理過(guò)程主要包括灰度變換、直方圖均衡化、圖像光線(xiàn)補(bǔ)償、圖像幾何校正、濾波以及銳化等。

（四）結(jié)構(gòu)化數(shù)據(jù)的原始模型匹配檢索

結(jié)構(gòu)化數(shù)據(jù)的原始模型匹配檢索：人臉識(shí)別的應(yīng)用階段即將前端采集結(jié)構(gòu)化的人臉數(shù)據(jù)與數(shù)據(jù)庫(kù)中儲(chǔ)存好的人臉特征數(shù)據(jù)模板信息進(jìn)行對(duì)比分析，通過(guò)設(shè)定一個(gè)相似度閾值來(lái)指導(dǎo)系統(tǒng)使用者判斷比較確認(rèn)檢索人員的身份。這一過(guò)程應(yīng)用可以分為兩個(gè)類(lèi)型，第一類(lèi)為輸入靜態(tài)人臉信息，通過(guò)系統(tǒng)結(jié)構(gòu)化后進(jìn)行與數(shù)據(jù)庫(kù)內(nèi)人員特征模板對(duì)比確認(rèn)輸入人員身份，該類(lèi)型應(yīng)用為一對(duì)一圖像比較檢索應(yīng)用。第二類(lèi)應(yīng)用為通過(guò)在后端設(shè)定報(bào)警布控對(duì)象，針對(duì)前端采集的人臉信息進(jìn)行對(duì)比分析，該類(lèi)型的應(yīng)用為一對(duì)多圖像匹配對(duì)比過(guò)程。

目前主流的人臉識(shí)別算法可以分為以下五類(lèi)：

1.基于整幅人臉圖像建模的識(shí)別算法（Appearance-based recog nition algorithms）。

2.利用模板的識(shí)別算法（Template-based recognition algorith ms）。

3.基于神經(jīng)網(wǎng)絡(luò)建模的人臉識(shí)別算法（Recognition algorith ms using neural network）。

4.利用支持向量機(jī)進(jìn)行識(shí)別的算法（Recognition algorithms using svm）。

5.基于人臉特征點(diǎn)的識(shí)別算法（Feature-based recognition algorithms）。

三、發(fā)展歷史

對(duì)于人臉識(shí)別系統(tǒng)的研究最早可以追溯到上世60年代，80年代后隨著光學(xué)成像技術(shù)、圖像處理技術(shù)（計(jì)算機(jī)圖形學(xué)技術(shù)）及計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展得到較大提升；一直到90年代末期才初步進(jìn)入試驗(yàn)應(yīng)用階段，并且在世界上主要以日、德、美、英的技術(shù)實(shí)現(xiàn)為主；人臉圖像結(jié)構(gòu)化的算法是人臉識(shí)別技術(shù)系統(tǒng)的靈魂核心，在結(jié)構(gòu)化算法難題突破后結(jié)合數(shù)據(jù)分析技術(shù)，人臉識(shí)別系統(tǒng)在人員身份認(rèn)證、人員定位、檢索方面的實(shí)用化識(shí)別率、準(zhǔn)確率得到極大的提升。“人臉識(shí)別系統(tǒng)”集成了機(jī)器視覺(jué)理念、計(jì)算機(jī)深度學(xué)習(xí)算法、生物特征識(shí)別模型理論、專(zhuān)家分析系統(tǒng)、視頻圖像處理、大數(shù)據(jù)挖掘分析等多種專(zhuān)業(yè)技術(shù)，同時(shí)需結(jié)合中間值處理的理論與實(shí)現(xiàn)，具有廣闊的發(fā)展前景和應(yīng)用空間，是機(jī)器視覺(jué)時(shí)代的標(biāo)志性技術(shù)之一，展現(xiàn)了信息時(shí)代弱人工智能向數(shù)據(jù)時(shí)代強(qiáng)人工智能的轉(zhuǎn)化。

四、安防時(shí)代人臉識(shí)別技術(shù)的應(yīng)用——人臉數(shù)據(jù)對(duì)比系統(tǒng)

如上文所述，人臉識(shí)別技術(shù)發(fā)展至今應(yīng)該說(shuō)已可以較為成熟的應(yīng)用于各行各業(yè)，筆者也是結(jié)合自身專(zhuān)業(yè)將人臉識(shí)別技術(shù)做以研究，提出了一套人臉數(shù)據(jù)對(duì)比系統(tǒng)，該系統(tǒng)可以應(yīng)用于治安管理、反恐監(jiān)察、大型活動(dòng)安保等。

隨著網(wǎng)絡(luò)監(jiān)控?cái)z像機(jī)技術(shù)水平的發(fā)展，目前安防行業(yè)內(nèi)對(duì)于前端智能抓拍攝像機(jī)抓拍人臉的技術(shù)已經(jīng)做得較為成熟，再加之大數(shù)據(jù)技術(shù)的發(fā)展，若將兩項(xiàng)技術(shù)加以融合變可衍生出適用于不同應(yīng)用場(chǎng)景的安防系統(tǒng)方案。

前端采用人臉抓拍相機(jī)對(duì)人臉進(jìn)行采集，后端配合大數(shù)據(jù)處理技術(shù)對(duì)采集的人臉進(jìn)行篩選比對(duì)檢索。該系統(tǒng)下文簡(jiǎn)稱(chēng)“人臉數(shù)據(jù)比對(duì)系統(tǒng)”。

“人臉數(shù)據(jù)比對(duì)系統(tǒng)”主要包括三個(gè)組成部分，分別為：前端人臉相機(jī)采集，人臉智能識(shí)別，客戶(hù)端業(yè)務(wù)呈現(xiàn)。

1.前端相機(jī)主要負(fù)責(zé)進(jìn)行人臉檢測(cè)和跟蹤，之后把抓拍的人臉圖片上傳至人臉?lè)?wù)器進(jìn)行分析。

2.人臉?lè)治龇?wù)器對(duì)前端相機(jī)上傳的人臉序列進(jìn)行最佳人臉計(jì)算，對(duì)該最佳人臉進(jìn)行人臉特征分析，提取相應(yīng)的人臉信息，并將最佳人臉圖片及人臉特征數(shù)據(jù)進(jìn)行存儲(chǔ)，后對(duì)照內(nèi)部?jī)?chǔ)存的人臉信息庫(kù)進(jìn)行篩查比對(duì)，根據(jù)要求進(jìn)行相應(yīng)聯(lián)動(dòng)告警。

3.客戶(hù)端可以導(dǎo)入人臉數(shù)據(jù)、下發(fā)人臉檢索任務(wù)以及實(shí)現(xiàn)黑名單布控，并且支持人臉屬性呈現(xiàn)以及過(guò)人檢索。

（1）人臉檢索：客戶(hù)端下發(fā)人臉檢索任務(wù)后，人臉結(jié)構(gòu)化分析服務(wù)器通過(guò)處理，將結(jié)果返回給客戶(hù)端，包括人員圖片、人員ID以及相似度等信息。

（2）黑名單布控：客戶(hù)端配置好黑名單布控比對(duì)任務(wù)后，人臉?lè)治龇?wù)器會(huì)將抓拍到的信息以及告警信息存入數(shù)據(jù)庫(kù)，客戶(hù)端從數(shù)據(jù)庫(kù)讀取信息，將抓拍的人臉信息和黑名單告警信息呈現(xiàn)給客戶(hù)。

（3）人臉屬性：可根據(jù)年齡、性別、是否戴眼鏡的屬性識(shí)別功能進(jìn)行檢索。

（4）過(guò)人檢索：對(duì)攝像機(jī)抓拍的過(guò)人圖片進(jìn)行按不同時(shí)間段檢索。

（5）人員軌跡：若點(diǎn)位部署密集并結(jié)合電子地圖應(yīng)用，可利用大數(shù)據(jù)業(yè)務(wù)查詢(xún)出相似度高的人員軌跡。

系統(tǒng)的適用性。公安治安監(jiān)控重要點(diǎn)位如地鐵出入口、政府綜合辦公大樓出入口等地進(jìn)行人臉抓拍，并實(shí)時(shí)與后端服務(wù)器中輸入的“嫌疑人”、“在逃犯”，“有作案前科份子”照片進(jìn)行實(shí)時(shí)比對(duì)，一旦發(fā)現(xiàn)可進(jìn)行報(bào)警，便于人員定位及治安監(jiān)控。

企業(yè)、單位的安保，如大型封閉性企業(yè)，可以利用上述系統(tǒng)進(jìn)行人員的管控，將企業(yè)員工的照片輸入服務(wù)器的白名單庫(kù)中，在企業(yè)、單位的出入口布置人臉抓拍攝像機(jī)、保安值班室設(shè)置客戶(hù)端對(duì)進(jìn)出人員進(jìn)行管控，一旦發(fā)現(xiàn)非本企業(yè)單位的人員并未進(jìn)行登記進(jìn)出即可對(duì)其進(jìn)行排查。

隨著安防行業(yè)的發(fā)展和人臉識(shí)別技術(shù)的持續(xù)完善，相信在不久的明天，這套人臉數(shù)據(jù)對(duì)比系統(tǒng)即可為人民治安提供有效保障，真正做到事前定位犯罪分子，將犯罪扼殺于搖籃。

參考文獻(xiàn)：

[1]龐珊珊、熊建設(shè).人臉識(shí)別技術(shù)和算法綜述.中國(guó)新技術(shù)新產(chǎn)品.2009（11）.

[2]嚴(yán)嚴(yán)、章毓晉.基于視頻的人臉識(shí)別研究進(jìn)展.計(jì)算機(jī)學(xué)報(bào).2009（5）.

[3]柳楊.三維人臉識(shí)別算法綜述.系統(tǒng)仿真學(xué)報(bào).2006（S1）.