人臉支付在公交乘車支付的應用分析

王志峰 南京市市民卡有限公司

人臉識別技術，最初誕生于1960 年，在上世紀90 年代末期，技術日漸成熟，開始走向商用。2008 年北京奧運會已開始規模應用人臉識別技術［1］。人臉識別在支付行業的蓬勃發展，也延伸到公共交通領域。公交乘車支付，相比于其他條件下的人臉支付有著非常大的獨特性，首先是機具端小型化移動化，其次是不同城市用戶數量差異較大，第三必須保證交易的快捷、穩定。本文希望結合地面公共交通行業的特殊性，來探討人臉支付機具端在公交領域應用的選擇。

一、公交人臉支付現狀

2018 年6 月，廣州羊城通在BRT 石牌橋站內，開啟了國內首個人臉支付在公共交通行業應用的探索。2019 年1 月，金華公交刷臉乘車項目正式推出，隨后全國各地也紛紛上線公交人臉支付服務。截止2020 年1 月底，全國約19 個城市正式在公交或BRT 線路推出人臉支付，還有不少城市正在調試或內部測試中。

可以發現上線城市很多，但體量都較小；絕大多數為三線或者四線城市，甚至是縣城；試運行的也僅是一條或兩條公交線路的幾十輛車。而且幾乎所有人臉支付機具，都是獨立安裝，并不與現有的刷卡與掃碼機具兼容。

二、人臉比對方式的選擇

攝像頭獲取到人臉后，進行一系列預處理，再對圖像提取特征值。用該特征值與前期注冊獲得的人臉數據一一比較，獲取一個相似度超過閾值且最高的那一條數據，作為最終的比對結果。

人臉比對識別的過程，可以在前端機具里脫機完成，也可以通過網絡發送至后臺系統在線完成[2]。脫機比對的優點是較穩定不用擔心網絡質量影響識別結果，但識別速度、人臉特征庫容量受機具硬件平臺制約；在線比對能支持較大規模的人臉特征庫容量，后期性能有拓展空間，用戶注冊后可立即使用，缺點是受網絡影響較大。還可以選擇“脫機+在線”組合的方式綜合兩者的優點。

（一）脫機人臉比對

脫機比對人臉信息，目前最大難點的是受機具的硬件性能限制。使用當前較好的芯片平臺RK3399 作為機具主控芯片，搭配2G 內存，若人臉識別時間控制在1s 以內，準確率均大于99%，使用合適的算法，能支持最大脫機人臉特征數據約3 萬條。

使用脫機人臉對比的方式，初次使用時下載全量人臉數據，使用后可在每日空閑時段下載更新數據，乘客使用時，無需借助網絡，直接在機具內完成人臉比對。由于脫機人臉特征庫容量有限，但對網絡要求不高，比較適合總用戶數量不超過三萬個、公交線路較少、網絡覆蓋與質量較一般的小型城鎮。

（二）在線人臉比對

在線人臉比對就是將人臉數據，通過網絡實時發送至后臺服務器進行比對。根據權威人臉識別算法測試FRVT 的最新結果，在主流單核CPU 的條件下，測試中的人臉識別算法均可在容量為12，000，000 的人臉特征庫內，FPIR（未注冊人員認證通過率）為0.03%的條件下，達到FNIR(已注冊人員認證失敗率)不會超過0.15%的結果[3]，并且全部流程可在0.9 秒以內完成。據此可以認為當前計算機條件下，較大規模用戶量、短時間內、高質量的完成人臉識別，對于后臺計算機而言，性能不是瓶頸。而公交車載機具作為移動終端，只能依賴無線網絡解決通訊，故對機具端關聯較大的移動無線網絡進行分析。

網絡速率。目前最常用的4G 通信，全國最低平均上行速率和下行速率為7.01Mbps 和23.36Mbps，單條人臉支付交易按33KB 計算，即264Kbit，理論上4G 網絡速率能夠滿足。

網絡延時。4G 網絡實際環境中約有50ms 延時。目前公交車上使用銀聯閃付交易時，就是使用的在線驗卡方案；一筆數據量2KB 的在線銀聯閃付，絕大多數情況下可以在1 秒內完成。故4G 網絡的延時對線人臉支付的影響較小。

網絡流量。每次人臉在線比對的數據量33KB，每月每個機具平均3 千筆，每月將新增約99MB 流量。

5G 網絡。2019 年是商用5G 網絡的元年，它的特點就是1ms 的極低網絡延時、更高密度的基站、更大的基站用戶容量、極高的通訊速率，這些對在線人臉支付來說是非常有利的。但短期內，5G 通訊的流量費用高、網絡密度不足，可能還不足以滿足在線公交人臉支付業務。

故在線人臉比對，適用于網絡覆蓋度高、網絡質量好、用戶量極大的一二線大型城市。

（三）脫機＋在線人臉比對

脫機比對與在線比對各有利弊，可以各取所長采取：脫機＋在線比對，在線結果優先的方式。

大致流程是：機具內脫機人臉庫預存三萬條人臉數據，進入人臉支付流程在脫機人臉特征庫中比對，同時向后臺發起在線驗證申請，超時時間設為1.5 秒，若1.5 秒內，未收到后臺應答，以脫機人臉的比對數據結果為準，若收到，則以后臺返回的結果為準。

這種方案中，脫機人臉特征庫包含六部分，第一部分是前一日該線路最常用的5 千個乘客，第二部分是前一日全市范圍乘坐公交線路最多的1 萬5 千個乘客，第三部分是5 千個異常名單，可能是用戶余額不足、欠費或證件信息過期等，第四部分是5 張司乘人員，用于考勤或管理，第五部分動態存儲15分鐘內所有人臉支付交易成功的數據，用于避免同一個人因車輛擁擠，多次出現在攝像頭前被誤扣，其余部分預留。假設網絡發生異常，常用的那兩萬個乘客上車時，機具端也能正常識別，完成交易，乘客體驗良好。

該方案會對網絡質量要求可放寬，但網絡流量要求較大。每個機具還有每日動態更新脫機人臉特征庫的流量，三萬條人臉特征庫的總容量約900MB，若每日使用增減庫方式更新其中10%，約90MB，每月約2.7GB 的流量。同時機具后臺的性能與功能要求較高，要能處理一定并發量的人臉比對請求，需要按公交線路個性化生成多個版本的脫機人臉特征庫。

該方案比較適合用戶量較大、網絡質量較好的大中型城市。

三、結語

人臉支付技術在公交乘車支付行業中已有小范圍的使用，它既有利于乘客乘車，也有利于公交公司與通卡公司。本文根據現有的機具硬件環境、網絡環境，結合公交乘車支付場景的特殊性，對公交人臉支付的應用提出了一些方案設計。新技術的應用推廣，必然有著很多困難，但隨著人臉識別算法能力的不斷提高，云計算與5G 網絡的推廣與普及，相信在不久的將來，公交乘車人臉支付一定可以大放光彩。