產業發展視角下卷煙精準配送監管系統的構建探究

[摘要]卷煙配送過程的傳統方式是通過客戶回訪、跟車暗訪、客戶投訴處理等，難以為卷煙配送業務提供實時有效的大數據支撐，使得卷煙配送環節存在監控、安全和考核的不精準。隨著人臉識別技術的不斷成熟，采用人臉識別技術進行身份識別認證已經成為新的發展趨勢，秉承國家局“精益物流、科技物流”的理念，基于人臉識別技術的卷煙精準配送監管系統的構建，將極大地提升卷煙精準配送監管的信息化水平，助力卷煙配送環節規范監管和提升市場運營效率。文章探討了卷煙精準配送監管系統的構建策略，具有一定參考借鑒價值。

[關鍵詞]精準配送;人臉識別;物聯網;大數據分析;市場運營

[DOI]1013939/jcnkizgsc202008166

1引言

當前，采用人臉識別技術取代卡片進行身份識別認證已經成為未來的發展趨勢。人臉識別技術是利用人類自身擁有的、唯一標識其身份的生理特征或者行為特征進行身份驗證的技術。卷煙精準配送監管系統的構建思路，是通過人工智能助力配送精準監管。以配送車輛為核心，通過人臉識別、行為分析、視頻結構化、大數據技術與煙草配送業務的深度融合，系統和物流綜合管控信息系統、車載視頻系統等應用系統進行對接，實現客戶人卡雙重核驗管理、實時動態監控可視化、取貨過程自動歸檔管理、駕駛行為自動分析等功能。基于嵌入式GPU+深度學習的云解析技術，采用先進的人臉識別和深度學習算法，實現“深化解析”，從而精準監控配送過程中的異常發貨、異常取貨等不規范現象，為物流、營銷、專賣和內管的四員聯動提供市場監管信息源。

2卷煙精準配送監管系統的構建

在卷煙精準配送監控系統結構中，卷煙配送車載視頻監控終端、配送手持終端和管理員移動終端進行數據采集，通過互聯網將數據傳輸到卷煙精準配送監控平臺，中心大數據分析服務器實現對人卡雙重核驗的比對結果進行分析，將分析得出的異常統計數據在監控中心進行集中展示并上報至《卷煙市場規范服務管理系統》，監控人員可以對整個資源進行統一管理和調度指揮。

第一，數據采集。中心注冊零售客戶人像與客戶簽收卡號、許可證編號等進行匹配，每個許可證編號可匹配多個人像圖片。完成注冊后，平臺自動將采集的照片與人員基礎信息進行關聯。管理平臺可注冊的人員信息統一下發至人臉識別終端設備，支持實時、歷史結構化數據，以及關系型數據庫數據采集入庫，支持用戶定時采集對象數據，支持對采集數據進行過濾、比對、校驗、糾錯等功能。

第二，數據處理。利用數據抽取工具從源數據服務器將所有歷史數據抽取后，經過數據清洗，裝載進大數據庫。通過人臉云分析系統將零售客戶人臉圖片進行結構化處理和人臉建模，并將結構化數據更新入大數據庫。數據整合過程主要包括數據過濾、數據比對、數據校驗、數據糾錯、數據入庫等步驟。數據整合是為了保證數據質量。系統采用專業化的智能設計，具備高效的智能分析算法，能夠快速分析人臉圖片信息，并進行建模和黑名單比對，單機最高支持100張/秒的人臉圖片識別和建模。

第三，數據存儲。云存儲系統集成基礎的視頻、圖片專屬存儲功能，為上層應用平臺提供高效率的視頻、圖片調用以及行業應用擴展。結構化數據存儲在HBase分布式數據庫和ES全文檢索引擎中。人臉大數據平臺服務功能主要提供應用功能的大數據支撐服務，主要包括人臉查詢、人證比對等功能。

第四，大數據分析。通過對已采集的人臉信息庫進行大數據分析，能夠查詢客戶信息，包括法人、授權代取人的人臉信息。在取貨核驗中，通過取貨核驗人臉比對的信息在后臺進行分析處理，生成異常取貨的預警信息，并建立相應的異常取貨人黑名單。對出現在黑名單的這些取貨人，可以通過后臺報警分析來甄別違規卷煙零售戶等異常情況。

通過云解析中心，物流配送車載系統與物流綜合管控信息系統實現了數據對接，中心云析系統實現了對前端設備采集的視頻和圖片中蘊藏的人臉屬性、模型數據進行深度挖掘與提取，形成能被機器快速甄別的解析數據，可視化實時監管、取貨過程錄像歸檔、司機駕駛行為分析、配送信息實時查詢等功能。

3系統構建模塊

卷煙精準配送監管系統的構建模塊，是基于嵌入式GPU+深度學習的云解析技術，采用人臉識別和深度學習算法，基于專業的圖形處理器（GPU）構建視頻圖像的人像解析系統，打造云解析中心，實現“深化解析”的目的。

第一，數據采集模塊。歷史數據采集通過專業的ETL工具采集進入大數據平臺。實時數據通過Kafka高速數據總線方式進入大數據平臺。

第二，HBP基礎平臺。這是建立在Hadoop架構上的大數據基礎平臺，為人臉大數據平臺提供各類組件基礎功能的封裝，為數據采集、數據維護、數據查詢、數據挖掘提供支持。

第三，Spark內存計算引擎。支持高效迭代算法的Spark集群計算框架，支持動態流式大數據計算，為人臉大數據平臺各類邏輯運算提供Spark計算支撐。使用Spark架構構建數據處理任務。對數據進行分析、計算、挖掘。需用Java、Scala等語言編寫任務執行程序。支持批處理和流處理任務。

第四，UDE（Ultimate Data Explorer， 分布式OLAP系統）。基于Spark SQL支持多種數據存儲（包括Hadoop生態的HDFS、HBase與緩存系統等）、支持多種索引方式、支持MOLAP數據立方、具有良好資源分配與管理的OLAP系統，可以為上層應用提供對數據的各項操作。通過UDE引擎，可以接受通用SQL命令，轉化為Spark內部任務執行。執行完后將結果返回。

第五，人臉大數據服務平臺。大數據服務平臺采用Elastic Search分布式高速檢索引擎實現對分布式數據庫中海量數據的快速檢索、快速統計分析。同時提供基于Spark的分布式計算框架來實現各種模型的檢索、比對。基于Spark架構的內存運算，速度比傳統的Hadoop快10～100倍，同時通過分布式集群處理，不但適合對時間要求的流式計算需求，也適合數據量達到PB級的大規模數據計算。主要為上層應用提供包括人臉查詢、人臉比對、人臉軌跡、人臉布控的應用功能的大數據服務支撐。

第六，平臺管理模塊。平臺管理模塊，作為人臉大數據平臺的運維管理系統，提供高可靠、安全、容錯、易用的集群管理服務，具體包括集群部署、集群管理、服務管理、任務管理、狀態監控、用戶管理、告警管理、日志管理。

第七，人臉云分析系統。人臉云分析系統主要為人臉大數據平臺提供人臉建模服務，人臉分析服務器采用高密度 GPU 架構，集成了基于深度學習的人臉智能算法。通過對人臉的識別、分析、建模，可實現黑名單布控報警、人臉比對、人臉照片查詢等功能。

第八，云存儲系統。云存儲系統是通過分布式文件系統等功能，將網絡中大量各種不同類型的存儲設備通過應用軟件集合起來協同工作，共同對外提供數據存儲和業務訪問功能的一個系統，主要為人臉大數據平臺提供視頻、圖片的存儲和訪問。

4結論

通過卷煙精準配送監管系統的構建，采用人臉識別技術，運用互聯網、物聯網技術和大數據分析，實現了零售客戶從刷卡取貨到人卡雙重驗證的轉變，大大提高了卷煙配送環節監管的精準性。隨著基礎數據的進一步完善，依托人像數據進行大數據分析能夠不斷提升配送效率，同時針對經營規范要求，后期將進一步探索重點人員的以臉搜臉功能，使得專賣、市場營銷人員也能通過本系統實現重點人員、不法煙販等人像數據的碰撞、布控、預警應用，進一步做好卷煙規范經營，大幅提升市場運營效率。

參考文獻：

[1]曹林人臉識別與人體動作識別技術及應用[M].北京：電子工業出版社，2015

[2]史東承人臉圖像信息處理與識別技術[M].北京：電子工業出版社，2010

[3]楊和穩大數據分析及應用實踐[M].北京：高等教育出版社，2016

[4]張驊，陳博淺談人臉識別技術及其應用[J].計算機產品與流通，2018（4）.

[作者簡介]王曙光（1979—），男，漢族，湖南岳陽人，碩士研究生，中級工程師，主要從事物流及信息系統。