人臉識別系統在地鐵中的需求分析及實施建議

暢 健

人臉識別系統在地鐵中的需求分析及實施建議

暢 健

摘 要：通過人臉識別系統在地鐵中的需求分析，提出利用現有資源實現人臉識別的組網方案、設備配置及實施建議，得出人臉識別設備技術結合高清視頻監控系統，可以為地鐵公安人員提供快捷、準確警情信息的結論。

關鍵詞：地鐵；高清視頻監控系統；人臉識別系統

暢 ?。何靼彩械叵妈F道有限責任公司，工程師，陜西西安 710018

近年來，高清視頻監控系統在地鐵里得到了廣泛應用，如何充分利用現有的高清視頻資源，為地鐵公安工作提供更為高效、快捷的破案手段是現階段高清視頻應用領域需要完成的任務。人臉識別系統作為最直觀、準確率最高的人類面部特征識別技術應運而生，是基于人的臉部特征信息進行身份識別的生物識別技術。

1　人臉識別系統在公安地鐵項目中的應用

近幾年來，公安部門在地鐵內通過人工抽檢的方式，抓獲大量在逃犯。

地鐵作為人們日常大量使用的公共交通工具非常適合作為人臉識別系統進行數據采集的場所，原因如下。

（1）地鐵作為各大城市市民出行的日常交通工具，使用便利、客流量巨大。

（2）高清視頻監控系統已經在地鐵行業內普遍使用，為人臉識別系統提供了硬件基礎，基本不需要額外投資便可實現人臉識別功能。

（3）地鐵車站內燈光環境相對穩定，便于攝像機進行圖像采集。

（4）地鐵車站相比其他公共場所更為封閉，當人臉識別系統識別出嫌疑人并發出警報后，民警對可疑人員進行檢查和抓捕更為容易。

（5）人臉識別系統技術經過10年的發展，已經成熟，分析比對時間短，誤報率低，基本可以滿足現代公安工作的需要。

綜合以上情況分析，地鐵視頻監控硬件設施完善，環境相對封閉，圖像采集環境適宜，客流量巨大。因此，應大面積推廣人臉識別系統在地鐵中的應用。

2　人臉識別系統組成及功能

人臉識別系統是指通過圖像采集設備對人臉進行數據采集，使人臉數字化，從而達到計算機存儲和識別的功能。地鐵人臉識別系統通過對地鐵站中出現的人員進行人臉檢測，并與本地數據庫中公安部的在逃嫌疑犯面部特征進行實時對比，當有匹配時，發出告警。此外，系統可配備事后檢索功能，在重要事件發生后，在地鐵中前一段時間內拍攝到的人員中尋找特定人員，從而輔助公安人員工作，提高嫌疑人抓捕效率和破案率，圖1為實時人臉識別算法示意圖。

可以充分利用現有的視頻監控系統硬件資源。由于人臉識別需要的服務器性能高于現有視頻監控系統配置，所以需要在各地鐵站現有視頻監控系統中增加數臺高性能服務器，并且每臺服務器分別安裝不同功能的軟件。同時，在控制中心增設中心人臉識別管理服務器及軟件，用于管理全線的人臉識別服務器。

系統拓撲結構如圖2所示。人臉識別系統由攝像機、人臉視頻分析服務器、人臉存儲及檢索服務器、中心管理服務器和客戶端組成。

2.1攝像機

采用高清網絡攝像機，為保證人臉身份識別需求，須保證拍攝到清晰人臉、姿態近正面、光照均勻、細節豐富、人臉瞳孔間距>40像素、人臉灰度級>64級。建議攝像機距離被拍攝對象4～8 m，正對被拍攝人員行進方向，以避免被拍攝人員沿著徑向運動而產生的運動模糊和側面人臉。若攝像機吊頂安裝，則應滿足下視角度<10 °。

2.2人臉視頻分析服務器

人臉視頻分析服務器負責對現場拍攝到的視頻進行分析，主要有人臉檢測、人臉特征提取以及人臉對比3部分功能。這3部分功能可以部署在同一臺服務器上，也可以分別部署在不同的服務器上，各個部分通過網絡互聯。

在目前的人臉識別系統中，人臉檢測、人臉特征提取、人臉對比、人臉存儲與檢索可在同一臺服務器上實現，滿足中小規模系統的低成本應用需求。但為提供系統性能，提高系統高穩定性，滿足大規模系統的需求，未來將對系統進行拆分部署。

圖1　實時人臉識別算法示意圖

圖2　人臉識別系統結構示意圖

建議地鐵行業采用拆分部署方式。原因在于，提高整個系統的效率（包括穩定性和可靠性），在客流量增多時，系統對于每個采集到的人臉圖像都要進行1次人臉檢測、人臉特征提取、人臉對比、人臉存儲與檢索。單臺設備（小型機或服務器）完成大規模人臉識別工作較難保證整個系統的效率，在使用中，可能會產生由于數據量巨大而導致的漏檢等情況。從系統的穩定性考慮，建議人臉檢測、人臉特征提取、人臉對比、人臉存儲與檢索分別使用獨立嵌入式或通用服務器設備。

人臉檢測系統可采用具有該功能的專用設備，例如專用嵌入式人臉檢測分析儀，或具有人臉檢測功能的一體機。人臉視頻分析服務器從中心管理服務器接收需要進行實時對比的人臉庫，并在場景中有人員與庫中人臉對比成功時將告警信息傳回中心管理服務器，由中心管理服務器分發到客戶端進行告警。

2.3人臉存儲及檢索服務器

如需將場景中出現的所有人臉都保存記錄，并進行事后人臉檢索，例如查找某人在過去1個月內在哪些地方出現過，則應配備專用的人臉存儲及檢索服務器。人臉存儲及檢索也可以與人臉視頻分析運行于同一臺服務器上，但可能會帶來服務器計算資源緊張的問題。例如，某檢索任務需要0.5 h執行完，在執行這個檢索任務時，實時分析任務可能受到影響。

存儲數據量按每張人臉40 KB（圖片+特征）、每部攝像機每天拍攝5 000人、每人記錄5張人臉計算，則每部攝像機每天需1 GB存儲空間，100臺攝像機100天需10 TB存儲空間。實際所需存儲空間視具體配置（抓圖圖片大小、人臉特征長度）和人流密度而定。進行檢索時，由于待檢索人臉數據太大無法預先加載到內存，因此，檢索速度受硬盤速度制約。若硬盤讀取速度為40 MB/s，每個人臉特征大小為8 KB，則1部攝像機1天拍攝的所有人臉檢索可在5 s內完成。

每臺攝像機應配備至少200 GB存儲空間，以滿足100天左右存儲需求（具體視客流量、抓圖設置、算法配置而定）。由于事后檢索速度主要受硬盤速度制約，因此，人臉存儲及檢索服務器不需要配置高CPU和內存，而應注重硬盤讀取速度，例如采用磁盤陣列。為滿足快速檢索需求，建議為每站點配備獨立的服務器，可部署于站點內。這樣在進行事后檢索時，如果需要進行全局檢索，可以將工作量分布到各個站點并行進行。若每臺服務器連接1個站點內10臺攝像機，每站點1個月拍攝150萬人次，即750萬人臉，對1臺攝像機1天拍攝的人臉進行檢索需要5 s，則在1個站點過去1個月內抓拍的人臉范圍進行1次檢索耗時約25 min。

2.4中心管理服務器

中心管理服務器負責進行人臉庫管理、人臉庫下發、告警事件管理、事后檢索、系統管理等功能。系統其他組成成分，例如攝像機，人臉視頻分析服務器，人臉存儲及檢索服務器，客戶端等，都與中心管理服務器進行連接，接受中心管理服務器管理。具體功能如下。

（1）人臉庫管理。建立人臉庫，增加、刪除、修改、批量導入人員或人臉信息。

（2）人臉庫下發。中心管理服務器將人臉特征與人員ID發送到人臉視頻分析服務器上。具有保密性質的關鍵數據，例如人臉庫中人員身份信息，人臉照片等，只保存在中心管理服務器上，不向人臉視頻分析服務器下發。

（3）告警事件管理。人臉分析服務器產生的事件，例如人臉抓拍、人臉識別告警等，都傳回中心管理服務器數據庫進行存儲。實際數據（現場抓圖，人臉特征文件等）分布式保存在各個人臉存儲及檢索服務器上，在中心管理服務器數據庫中只保存文件索引信息。

（4）事后檢索。中心管理服務器在收到客戶端發出的檢索請求后，將檢索請求下發給各個人臉存儲及檢索服務器，進行分布式檢索后，將結果匯總并傳給客戶端顯示。

（5）系統管理。中心管理服務器負責進行整個系統的管理工作，1臺中心管理服務器與數十到數百臺人臉視頻分析服務器和人臉存儲及檢索服務器連接，接收實時告警信息，并推送告警信息至客戶端。在中心管理服務器上不需要進行高性能運算，因此，不需要高CPU和高內存配置，而應注重穩定性及多任務處理能力，建議采用多任務處理能力強的多核心CPU。

2.5客戶端

用戶通過客戶端軟件登錄中心管理服務器，進行人臉庫管理、人臉庫下發、告警事件管理、事后檢索等工作。

3　實施建議

（1）采集位置。圖像采集點位應設置在光線無變化、客流量密集、角度適合、且可以捕獲到滿足像素要求的位置。因此，可以考慮將人臉圖像采集攝像頭設置在出入口通道內、自動售檢票機上方、安檢X光機上方、閘機入口處等位置，確保盡可能多的采集進入地鐵的乘客面部特征，且這些面部特征均為有效采集數據。

（2）配置布局。由于人臉識別系統對服務器要求較高，如果大面積進行數據采集和比對，需要配備大量服務器，投資較大。因此，從節省投資、提高系統效率方面考慮，在地鐵的建設中，無需在所有車站都配置人臉識別系統，可以只在重點換乘站或重要出入口處進行人臉數據采集。

（3）已建成線路的配置方式。對于已建成的地鐵線路，可以在地鐵車站內局部區域設置4路人臉識別（分別位于4個出入口通道），充分利用現有的服務器硬件資源，只增加相應軟件即可完成，這樣既保證了功能，同時又提高了設備的使用效率。

（4）廠商選擇。在系統選擇上可以考慮選擇一些在地鐵視頻監控系統有豐富經驗的集成商、設備供應商合作，這樣可以保證系統的穩定性。

4　結論

地鐵行業中運營安全最為重要，其中重中之重是人的安全。需要地鐵運營部門和地鐵公安部門共同努力確保，其中運營部門是通過對設備運行情況監控，確保地鐵正常運行，并保證運行的安全性。而地鐵公安部門則需要通過現場治安管理和先進的安全防范技術抵御外來人員帶來的安全隱患。高清視頻無疑是現階段最為有效的現場治安管理手段。人臉識別作為現階段高清視頻領域的新技術，無論規模大小、系統穩定性和可靠性還需要進一步提高和驗證。人臉識別技術結合高清視頻監控系統，可以為地鐵公安人員提供快捷、準確的警情信息，同時配合聯動現有的高清視頻監控及視頻分析系統構成一套完整體系的安全防范系統。應在未來的安防領域得到更廣泛地應用。

參考文獻

[1] P. Viola & M.J. Jones. Robust Real-Time Face Detection [J]. International Journal of Computer Vision, 2004, 57(1): 137-154.

[2] J. Li and Y. Zhang. Learning SURF Cascade for Fast and Accurate Object Detection[C]. IEEE International Conference on Computer Vision and Pattern Recognition, 2013: 3468-3475.

[3] P. Dollar, R. Appel and W. Kienzle. Crosstalk Cascades for Frame-Rate Pedestrian Detection[C]. European Conference on Computer Vision, 2012: 645-659.

[4] S. Ren, X. Cao, Y. Wei, and J.

Sun. Face Alignment at 3000 FPS via Regressing Local Binary Features[C]. IEEE International Conference on Computer Vision and Pattern Recognition, 2014: 1-8.

[5] P.N. Belhumeur, J.P. Hespanha, and D.J. Kriegman. Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7): 711-720.

[6] D. Chen, X. Cao, L. Wang, F. Wen and J. Sun. Bayesian Face Revisited: A Joint Formulation[C]. European Conference on Computer Vision, 2012: 566-579.

[7] D. Chen, X. Cao, F. Wen and J. Sun. Blessing of Dimensionality: High-Dimensional Features and Its Efficient Compression for Face Verification[C]. IEEE International Conference on Computer Vision and Pattern Recognition, 2013: 3025-3032.

Requirement Analysis and Implementation Suggestions of Face Recognition System in Metro

Chang Jian

Abstract:Through an analysis on the demand of face recognition system in metro, the paper proposes the use of existing resources to achieve face recognition system network solution, equipment configuration and puts forward implementation recommendations. The equipment technology for face recognition based on HD video monitoring system can provide fast, accurate alarm information for metro public security personnel.

Keywords:metro, HD video surveillance system, face recognition system

收稿日期2014-10-15責任編輯 凌 晨

中圖分類號：U231