人臉識別技術在智慧公安系統中的應用

郝天然

（中國聯合網絡通信有限公司徐州市分公司，江蘇 徐州 221002）

1 研究背景

視頻監控系統是我國智慧公安系統的重要組成部分，傳統的監測場景下需要辦公人員長時間目視監控視頻，過程非常耗時且很大程度上存在漏檢；并且，隨著監測攝像機的大范圍使用，監測數據量也呈幾何倍率增加，人工監測方法無法滿足在海量視頻數據中搜索某一線索的公安需求。人臉識別是通過計算機程序對人員進行身份驗證的方法，由于該技術的實時性和準確性，在安全監測領域得到了廣泛研究和應用。人臉識別技術是基于人類面部生理特點進行識別的一種手段，通過電腦或者計算機程序直接提取圖像中的人的面部特征，并根據這些特征對其進行身份認定，從而達到對相關人員進行監督、監測以及控制的目的[1]。隨著深度學習方法的不斷進步，基于深度學習的人臉識別技術得到了快速發展，嵌入人臉識別技術的視頻監控系統已成為公安系統安防監控的重要組成。

在深度學習得到廣泛應用前，研究人員主要通過設計面部特征提取方法來識別人臉，如最早由Bledsoe[2]等提出利用面部 器官間距離、比率等參 數作為特征，構建了一個半自動人臉識別系統；而后，麻省理工學院的Turk等提出了特征臉[3]（Eigenface），該方法成為后來多數特征表征算法的基準；另外，還有基于子空間分析的人臉識別算法Fisherface[4]，首先通過主成分分析PCA（Principal Component Analysis）降低臉部尺寸，然后使用線性判別分析LDA（Linear Discriminant Analysis）以期望獲得類間差異大而類內差異小的線性子空間，但這種方法也因此無法對復雜的非線性模型進行表征。

基于模型的方法如主動外觀模型AAMs（Active Appearance Models）[5]通過統計方法描述人類面部圖像的形狀及紋理，然后利用PCA綜合兩類特征對面部進行統計建模；另外，還包括SVD分解[6]、基于面部輪廓分析和匹配[7]以及隱馬爾可夫模型（Hidden Markov Model）[8]等方法。

近年來，深度學習在人臉識別領域的應用越來越廣泛，卷積網絡已經能夠提取更高級、更豐富、更易于識別的人臉特征，突破了傳統特征如顏色、灰度能表示的極限。2014年，FaceBook科研團隊提出的DeepFace算法[9]和香港中文大學團隊提出的DeepID算法[10]在LFW上分別實現了97.35%和97.45%的平均分類精度；隨后，牛津大學視覺組的VGGFace[11]將該精度提升到98.95%；但隨后Google團隊的FaceNet[12]將這一精度提高到了驚人的99.63%，這也標志著在LFW數據集上長達8年的性能競賽的終結。目前，研究人員將研究重點放在了如何將網絡訓練得更好，因此損失函數優化的重要性不斷提高，除了FaceNet提出的triplet loss，還提出了sphere loss[13]、cosine loss[14]和arc loss[15]等不同的損失函數。

人臉識別的主要途徑是從人物面部圖像中獲取豐富、易識別的特征，來表征不同的人臉。而傳統方法一般使用人工設計的特征，不能適應如今的大數據環境，尤其是在各種復雜的環境以及多樣的人臉姿態條件下，用人工特征識別人臉的難度相當高。但隨著深度學習算法的不斷突破，研究者開發出了各種功能不一的網絡，將合適的網絡結合在一起，往往可以取得可觀的成效。但只是一味的疊加網絡，使得網絡計算參數暴增，且容易出現難以收斂的情況，不僅使網絡變慢，還使得識別和驗證準確率下降，所以如何選擇合適的網絡融合是研究的重要方向。本文基于人臉識別技術，針對公安環境及人員姿態影響條件，將人臉識別與跟蹤融合，實現對可疑人員的行蹤溯源。

2 研究方法

本文通過計算機對視頻監控序列進行人臉檢測與跟蹤，選擇姿態最優的人臉特征與特定人員臉部特征進行識別，綜合多方位攝像機視頻信息，獲得人員的行蹤軌跡。如圖1所示。

圖1 多攝像機聯動人臉識別跟蹤系統

2.1 人臉檢測

針對公安局室內復雜光照背景下算法易出現誤檢率較高的問題，本文利用人臉圖像的色彩和灰度信息，采用膚色分割預選人臉區域實現人臉檢測的前端優化。膚色是由生物特性決定的皮膚物理屬性的一種外在表現，因此，膚色是人臉最為顯著的特征。通過膚色信息可將人臉與環境背景區分開來。研究表明，盡管不同種族、年齡、性別的人臉膚色不同，但這種不同主要集中在亮度上，不同人臉的膚色分布在色度空間中具有聚類性。

HSV膚色分割首先利用采集到的圖片數據庫在HSV彩色空間建立初始的前期皮膚和背景直方圖，求出各類的概率值，然后根據Bayes（貝葉斯）分類器對圖像中的每個像素進行前景和背景判別，分割出人體膚色區域；然后通過形態學操作，對圖像數據進行簡化，保持圖像數據的基本形狀特征，去除不相干結構后利用圖像區域劃分方法的先驗知識從分割區域中篩選出感興趣區域；最后利用AdaBoost方法對人臉進行檢測。

2.2 姿態優選

人臉姿態優選是指根據一幅二維圖像計算出此人在三維空間中的面部朝向。在計算機視覺中，物體姿態是指其相對于相機的取向和位置，一般用旋轉矩陣、旋轉向量、四元數或歐拉角表示。通常來說，歐拉角可讀性更好一些，所以常用歐拉角表示物體姿態。歐拉角包含3個角度：pitch、yaw、roll，這三個角度也稱為姿態角。通過對三個姿態角的計算可確定一張人臉姿態是否為正向面對，以此選出同一人在一段時間內的相對最佳姿態。

由于姿態評估非常復雜，一般會占用大量的計算資源，若系統采用嚴格姿態估計來推斷出人臉方向，則會影響系統整體運行效率。因此，本文采用一種不嚴格姿態估計方法，通過簡單判斷人臉左右旋轉程度，對比人臉中心線與對稱線之間的距離而實現，通過這種方法可有效簡化姿態評估過程，減少評估過程中資源占用問題。通過對人臉圖像姿態優選，選出人臉的相對最佳姿態圖像，用于后續人臉識別，可以有效提升系統整體效率。

2.3 人臉跟蹤

本文使用camshift算法對連續幀的中人臉位置進行跟蹤，并針對公安局內特有環境中的干擾（遮擋、光照）以及多種人臉狀 態條件等因素進行優化，通過設置連續幀中圖像的邊緣和背景產生的大面積改變作為對跟蹤者目標條件的更新；利用一個目標跟蹤框的表面積和大小等因素，來判斷一個跟蹤框在未來有無可能會出現發散作為其他一個可以更新跟蹤目標的條件，當符合某個特殊更新的條件即立刻開始對人臉進行檢測，利用這個更新的結果對其進行校正。

2.4 人臉識別

卷積神經網絡不同的層次所關注的信息是不同的，Alex深度學習模型一共有96層卷積層（如圖2所示），其可視化的特征圖如圖3所示。可以看出，卷積神經網絡在前幾層提取的是圖像邊緣等低級信息，不能很好地綜合各層次信息，所以需要增強網絡感受野。而Gabor小波變換與人眼視覺皮層細胞的感受野類似，具有尺度選擇性、空間頻率及方向選擇性等，經常用于紋理識別方面。Gabor濾波器可以在頻域中以不同尺度、不同方向提取相關的特征，將圖像從空域轉換到頻域可以捕捉到空域上不易提取的特征，并且可提供良好的方向選擇和尺度選擇特性，用于提取輸入圖像的點、線等簡單特征。因此，本文擬將Gabor濾波器引入卷積神經網絡中以實現人臉識別。相比于其他網絡，本文提出的網絡簡單清晰，同時不失準確度，更適應本公安系統對視頻監控人臉識別實時性的要求。

圖2 Alex深度學習模型

圖3 Alex深度學習模型可視化的特征圖

3 結束語

本文研究內容針對真實視頻中人臉圖像易受環境及姿態等因素影響的問題，研究面部圖像特征的提取、分類方法，完成公安系統中可疑人員的智能搜尋；利用多攝像機協同、聯動，按時間及方位追溯可疑人員的行蹤軌跡。通過對現場采集的公安系統視頻監控錄像進行人臉識別測試，本研究方法取得了較好的識別效果，并能夠確定所識別可疑人員的行蹤，對于智慧公安的安防監控具有重要意義。