基于大數據和深度學習的人臉識別布控系統

山東信宇通信科技有限公司 江 洲 朱旭東

1.引言

隨著深度學習，大數據等新技術在安防領域的應用，人臉識別攝像機的效果，已經具有了媲美人眼識別的精準度。該系統具備人臉檢測、人臉自動對焦、人臉數據庫更新、人臉識別等功能。可配合公安、緝毒警、社區安保安保等部門，通過對交海關、火車站、機場、醫院、超市、酒店、集市的人流進行人臉識別和數據比對，用以尋找出潛在的犯罪嫌疑人或尋找走失的兒童和老人。

2.基于大數據和深度學習的人臉識別布控系統解決方案

該解決方案是在原有安防系統上進行改進，將前端IPC替換成具有深度學習算法的高清網絡IPC，并在后端增加人臉識別服務器（可以通過網絡大數據獲得通緝犯、犯罪分子的面部信息）。

2.1 系統架構

如圖1所示，該系統主要由人臉抓拍攝像機、人臉識別服務器、NVR、電腦和網絡交換設備組成，為減輕前端工作壓力，該系統采用后端處理機制。前端攝像機負責識別出人臉并對人臉進行對焦、抓拍，通過傳輸系統傳入人臉識別服務器中，服務器可以通過聯網獲得實施的通緝犯面部照片并通過基于深度學習的人臉識別算法對得到的人臉數據進行識別，對比。最終識別出經過卡口的犯罪嫌疑人。

該系統同時與客戶端聯動推送報警消息；錄像存儲設備則用于存儲前端IPC采集到的人臉視頻信息，方便對視頻信息進行查閱以獲取犯罪嫌疑人的蹤跡，實現抓捕。

圖1 人臉識別布控系統網絡架構

2.2 人臉抓拍攝像機功能介紹

人臉識別抓拍攝像機是通過對進入其監控范圍的人臉進行識別、自動對焦放大、跟蹤、抓拍等獲取到目標清楚的面部信息并將其傳遞給后端。該攝像機具有逐幀抓拍功能，可以對每幀圖像（通常設置IPC的頻率為30幀/秒）進行快速的人臉對焦、抓拍。這樣即使人群密集也能實現對每個成員的面部抓拍。同時集成了人臉及頭肩監測跟蹤算法，可以有效的防止重復抓拍和漏拍等現象。支持人臉自適應曝光，能適應強逆光等不利環境，有效的保證了人臉的抓拍的最優質量。

2.3 人臉識別服務器功能介紹

3.人臉識別布控系統的特色功能

人臉識別服務器具備靜態檢索功能，可以在每秒提取采集到的150張人臉特征照片，然后與服務器人臉庫中的照片信息進行比對，并將比對結果反映至軟件客戶端，極大地滿足了高人流密度環境下的實時人臉檢索識別功能。同時具備本地導入和網絡導入兩種人臉數據庫導入方式，可以錄入千萬級的人臉數據庫，實現對常住人口和流動人口的檢索功能。

此外人臉識別服務器還可以對一定時間內頻繁在同一區域出現的可疑人員進行信息采集和報警，客戶可以在后臺設置重復出現次數和時間段的報警閾值，一旦視野中有人頻繁出入次數達到這個閾值，便觸發報警，如此一來可有效防治不法分子的盯梢、踩點等行為。變被動安防為主動防御。

3.1 高識別率

基于大數據和深度學習的人臉識別布控系統具有很高的抓拍率和識別率，通過人臉識別算法與攝像頭自動對焦系統和CCD傳感器的聯動，對捕捉到的人臉主動進行自動對焦和動態范圍調整，從而可以克服場景寬大，環境復雜，逆光，光線弱等不利于拍攝的環境。

3.2 深度學習

本系統采用的人臉識別算法是基于卷積神經網絡（簡稱CNNs）深度的監督學習下的機器學習算法，基于該算法的系統具有高效的數據建模方法，可以節省很多不必要的計算，在準確識別的同時極大地減輕了CPU的壓力。同時算法具有極高的可塑性，系統可以根據識別到的人臉自動調節參數改變模型，以達到完美的境界。深度學習通過多層非線性變換，從大數據中自動學習特征，從而替代手工設計的特征。深層的結構使其具有極強的表達能力和學習能力，尤其擅長提取復雜的全局特征和上下文信息，而這是淺層模型難以做到的。一幅圖像中，各種隱含的因素往往以復雜的非線性的方式關聯在一起，而深度學習可以使這些因素分級開，在其最高隱含層不同神經元代表了不同的因素，從而使分類變得簡單。深度模型并非黑盒子，它與傳統的計算機視覺體統有著密切的聯系，但是它使得這個系統的各個模塊（即神經網絡的各個層）可以通過聯合學習，整體優化，從而性能得到大幅提升。與圖像識別相關的各種應用也在推動深度學習在網絡結構、層的設計和訓練方法各個方面的的快速發展。我們可以預見在未來的數年內，深度學習將會在理論、算法、和應用各方面進入高速發展的時期，期待著愈來愈多精彩的工作對學術和工業界產生深遠的影響。基于深度學習的人臉識別技術具有更高更準確的識別度。

3.3 星光成像

基于深度學習的人臉識別對于彩色圖像具有更高的識別率，而一般的攝像頭在光線微弱的環境中便退變為紅外黑白模式，不利于人臉識別的應用，故該系統采用0.001lux的24小時全彩星光攝像機，可保證在黑暗環境下也具有良好的彩色成像效果，從而大幅提升人臉識別準確率。

3.4 頭肩檢測

因人體運動的復雜性和靈活性，使得很難用一種標準的模型來描述人體，但科學研究表明，人體肩部及以上部位卻在運動中保持基本的輪廓形狀不變。故該算法通過快速對人體頭部和肩部建立二維識別模型，可以對運動中的人群快速而準確的定位到頭部進行抓拍，基本上杜絕了錯誤抓拍人臉的情況。

3.5 質量評估

人臉識別布控系統具備人臉質量評估算法，系統對于在一定時間內采集到的同一目標的重復照片，可以通過算法自動比對、挑選出質量最好的一張輸出對比結果，從而避免了重復抓拍大大降低了存儲服務器的壓力。

4.結束語

人臉識別系統在當今物聯網及智慧系列解決方案中具有舉足輕重的地位，人臉識別技術也在很早之前就被人們提出，但受制于硬件和軟件上的限制，準確率一直不高，該論文闡述的基于大數據和深度學習的人臉識別布控系統，從硬件成像質量和軟件算法上雙管齊下，有效的解決了人臉識別效率低，準確率差的缺點。

[1]潘國輝.安防天下[M].

[2]LeCun Y,Bengio Y,Hinton G.Deep learning[J].Nature,2015,521(7553)：436-444.

[3]西剎子.智能網絡視頻監控技術詳解與實踐[J].