人臉識別技術在軍港安全管理中的應用

仇 忠 寧 麗 徐 均

（1．91458部隊保障信息中心，海南 三亞 572000；2．北京京航計算通訊研究所，北京 100074）

軍港，是聯系陸地與海洋軍事力量的樞紐，是供艦艇獲得戰斗、技術和后勤保障的軍事設施，是艦艇作戰能力生成和恢復的后方依托，是海軍戰場的重要組成部分。同時，軍港也是戰時敵人打擊破壞的主要目標和平時敵人獲取情報的重要目標。隨著軍港大型化、綜合化和軍港保障工作的社會化發展，其陸域范圍越來越大，港內人員組成越來越復雜，對安全性要求越來越高，傳統的刷卡、密碼、口令等模式已滿足不了軍港安全管理的要求，對安全、可靠、便捷的軍港安全管理技術手段有著迫切的需求。

隨著“山大校園宿舍刷臉”事件的升溫，“刷臉”背后的人臉識別技術再一次進入人們的視野中，如將成熟的“刷臉”模式應用到軍港安全管理中，必會提升軍港的整體安全性。

1 人臉識別技術的發展及現狀

人臉識別人們已不陌生，從手機上的面部解鎖，到機場使用的掃臉登機系統，人臉識別技術已經慢慢融入人們的日常生活中。人臉識別技術興起于20世紀50年代，經過將近70年的探索研究，判別方法從最初的人臉幾何結構分析辨識到“特征臉”識別，從Fisherface判別方法到彈性圖匹配技術等，現今主流的深度學習算法已在人臉識別中廣泛應用。2014年的CVPR上，Facebook、CUHK、Face++等通過深度學習在LFW上取得了97%以上的準確率，尤其是CUHK的湯曉鷗實驗室對其DeeDlD系列算法不斷改進，其DeeDlD2算法取得了99%以上的準確率，第一次使算法的性能在LFW數據集上超過了人類[1]。在近期的IEEE計算機視覺應用冬季會議上，美國陸軍研究實驗室的研究人員利用卷積神經網絡和一系列算法，實現在黑夜中進行人臉識別，并且識別準確率超過了80%。

近幾年，人臉識別技術的應用在國內外掀起一片熱潮。據悉，美國FBI在2014年就推出了新一代的電子識別系統，總投入超過10億美金，用于利用監控鎖定犯罪嫌疑人，從而進行全網追捕。不僅如此，美國國防部和國土安全部門加大了對人工智能識別技術的投資，用來防止恐怖分子對公共安全造成的威脅。在日本，2015年日立公司推出了視頻監控人臉識別系統，該系統能夠以3600萬張圖像/s的速度進行掃描，以高精度識別出路人，并且及時存儲路人臉部圖像，將長相相似的人臉進行分類[2]。

在我國，人臉識別技術也得到了廣泛的應用。中科院重慶分院人臉識別團隊就與呼和浩特鐵路局合作，將“刷臉”模式帶進鐵路安防中。雖然火車票實名制有效地阻止了不法分子進入車站，但目前鐵路客運安全檢查仍然是靠相關安檢人員進行人、證、票統一來判別，介于證件的時效性，照片往往是多年前的，辨識度較低。使用人臉識別技術進行刷臉比對，做到人證合一，不僅提高了準確率，也大幅度提升了旅客進站的速度，讓不法分子無空可鉆。徐州人事考試基地也運用人臉識別技術對考生逐一排查，做到了嚴把考生入場關，嚴控作弊行為，集中監控管理，有力增強了考試的組織管理和作弊防范能力。在廈門東渡郵輪中心鼓碼頭和嵩嶼碼頭也啟用了人臉識別“刷臉”機，檢票時游客不僅需要刷二代身份證還要“刷臉”，兩者進行比對，只有當人證合一時才能通過。

2 人臉識別技術流程

人臉識別的技術流程包括四個組成部分，分別為人臉圖像采集及檢測、人臉圖像預處理、人臉圖像特征提取及匹配和識別。人臉識別技術流程圖如圖1所示。

圖1 人臉識別技術流程

2.1 人臉圖像采集及檢測

不同的人臉圖像如靜態圖像、動態圖像、不同表情等通過攝像機鏡頭均可采集，選擇適合的人臉檢測算法，在圖像中準確定位出人臉的位置和大小。目前，主流的人臉檢測方法是Adaboost學習算法，它是一種迭代算法，將一些比較弱的分類器集合起來，構成一個更強的最終分類器。人臉檢測過程中用Adaboost算法挑選出一些能代表人臉的矩形特征（弱分類器），將它們集合在一起組成一個強分類器，再將若干個強分類器串聯組成一個級聯結構的層疊分類器，有效提高了人臉檢測的質量和速度。

2.2 人臉圖像預處理

基于人臉檢測的結果，系統在獲得原始圖像后由于受到各種條件的限制和干擾，不能直接使用，必須在圖像特征提取之前對其進行預處理，即對得到的圖像進行光線補償、灰度變換、噪聲過濾、幾何校正等。

2.3 人臉圖像特征提取

人臉圖像特征的提取主要是提取人臉的眼睛、耳朵、鼻子以及高級別的人臉表情、年齡等屬性特征。時下主流的識別算法是深度學習方法，利用深度神經卷積網絡提取目標的深度語義特征并對人臉進行識別，通過基于多層特征融合的深度神經網絡，可以學習不同級別的語義信息，能對較小或者不清晰的人臉進行比較精準的識別。深度學習的特征提取算法采用大規模、高質量、特征豐富的人臉數據進行模型的學習訓練，保證人臉識別模型的高速性和準確性[3]。

2.4 人臉圖像匹配和識別

提取的人臉圖像的特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值時，則把匹配得到的結果輸出，從而判斷該人臉的身份信息。

3 軍港安全管理應用

進入軍港的訪客、港內人員重要場所的出入、外來艦艇靠泊后的部隊及地方人員出入等，都需要驗證其身份方能進出。傳統的軍港信息化建設在這方面比較滯后，仍停留在手動登記及刷卡進出模式，安全隱患較大。人臉識別技術的運用能很好地解決這些問題，不僅能提高軍港的安全性，還能提升軍港的整體管控能力。

3.1 人臉識別技術在軍港訪客系統中的應用

根據調查和了解，軍港目前的訪客登記管理仍是傳統的人工手動操作，需要申報出入，訪客自己填寫姓名、聯系方式，出示有效證件并解釋來訪緣由等。訪客信息登記不僅速度慢，還容易出錯，紙質類的登記冊更是不易保存和查詢。

針對軍港訪客現狀與需求，可部署一套集人臉識別、人證比對為一體的訪客管理終端。該終端通過“刷臉+刷證”的模式進行人證對比，通過人臉識別技術確認來訪者和所持證件是否一致。由于來訪者大多不屬于樣本庫中的人員，故只擁有臨時通過門禁的權限。而對訪客進行面部特征采集，一方面強化了軍港的安保體系，有效防范盜用別人證件進行不法活動的行為的發生，另一方面對圖像進行存檔以備不時之需。一旦出現突發事件，可調取來訪者的相關信息，有效協助相關部門處理后續事件。

3.2 人臉識別技術在軍港門禁系統中的應用

人臉識別技術在門禁系統中的應用已逐漸成為主流，軍港內的辦公區域、特設站、倉庫、碼頭等都屬于重點安全防護部位，基于安全保密原則，不屬于本區域的人員通常不被允許進入。可在重要的場所、區域設置門禁系統，具體門禁系統按部署方式可分為三種：通道閘機式人臉識別門禁、墻地面固定式人臉識別門禁、便攜移動式人臉識別門禁。

3.2.1 通道閘機式人臉識別門禁

可在軍港重要場所的出入口處部署帶有人臉識別功能的通道閘機，根據現場實際情況組合部署單通道、雙通道或多通道模式。人臉識別通道閘機采用云服務方式，樣本庫不需要專門采集，可提取二代身份證或內部工作證中的照片、也可單獨提交電子照片形成樣本庫。數據鏈路采用標準以太網鏈路，人臉識別閘機終端上的授權信息可通過網絡鏈路，直接由云端推送到終端。同時，人臉識別通道閘機還具有消防安全功能，可手動關閉系統使得閘機通道全部打開，或當斷電時，閘機通道全部打開，突發情況大量人流需通過時不會造成擁擠、踩踏事故。與此同時，通道閘機還可兼顧人員考勤功能，有效防止代刷考勤現象的發生。

3.2.2 墻地面固定式人臉識別門禁

對重點保護部位如首長辦公室、資料室、檔案室等房間，可部署人臉識別門禁控制房間門的開啟閉合。根據實際場景和進出門的設計方式，可選擇壁掛式或立式兩種形式的產品，結合電磁鎖，形成人臉識別門閉鎖控制管理。

3.2.3 便攜移動式人臉識別門禁

對于停靠港口的艦艇，由于其每次停泊的碼頭泊位不固定，可在其舷梯口部署一套可移動的識別系統，以便在需要臨時對比人員身份時，能做到“即時提出，即時實現”，以最短的響應時間滿足人員的身份識別，防止冒充。便攜移動式人臉識別門禁設備是以人臉識別技術為核心，集證件讀寫、短信報警、錄像等功能一體的產品，即可在單機狀態下獨立運行和存儲數據，也可通過聯網實現遠程監控和管理。

3.3 人臉識別技術在軍港視頻監控系統中的應用

目前，在港區的大門、公共道路、重要場所大多已安裝視頻監控系統，可將軍港視頻監控系統與動態人臉監控預警系統動態結合。運用深度學習神經網絡人臉識別算法，通過視頻監控系統部署的高清攝像機，在人臉進入攝像范圍時，進行高精準快速采集并與樣本庫比對，同時進行白、黑、陌生名單比對，輸出比對結果，實時鑒別身份。

4 結語

軍港區域廣，人員進出較多，安全、可靠、便捷的身份識別系統尤為重要。隨著人臉識別技術的識別準確率不斷地提高，其在訪客系統、門禁系統及視頻監控系統中的應用將越來越廣泛，將有效地提高軍港安全管理水平和效率。