人臉識別結合大數據處理技術在社會治安監控的應用分析

摘 要 在安防技術飛速發展的今天，基于視頻人臉采集的人臉識別技術已在公安、政府、教育、醫療、金融、軍隊、司法及眾多企業事業單位等領域得到廣泛的應用。

關鍵詞 人臉識別 大數據檢索 治安應用

作者簡介：康健博，蘇州市公安局吳中分局科員，研究方向：公安科技信息化應用。

中圖分類號：D631 文獻標識碼：A DOI：10.19387/j.cnki.1009-0592.2017.02.091

筆者通過大量的文章調研，結合警務工作實際經驗，將在本篇文章中對人臉識別技術及其在社會治安管理方面的應用做一些簡要的論述。

一、人臉識別的定義

（一）概述

人臉識別實際上一種對身份鑒別的計算機科學技術，它的實現基于對采集的人臉圖像信息進行視覺特征結構化，對比與核驗。

從廣義上來講，人臉識別技術系統實際上是一個宏觀概念，可以細分為一系列相關技術，包括人臉信息的前端采集、人臉特征結構化、人臉信息的定位預處理、針對性的對比檢索、結構化數據的原始模型匹配等；狹義上來看，人臉識別系統可以特指通過前端人臉采集的信息進行人員身份輔助驗證查找定位的技術系統。

人臉識別目前已成為一項炙手可熱的研究領域，它從本質屬性上來講實際上一種生物特征識別技術，是對生物體（一般指人類）自身的生物屬性特征來辨別具體生物個體。生物特征識別技術中所研究的特征可以概括為研究對象生物的外觀輪廓、虹膜、掌紋、指紋、音色、行為習慣等。

（二）人臉識別的優勢

在眾多識別技術當中，人臉識別技術因其具有被動圖像采集不易被察覺性和自然性有著得天獨厚的優勢。

被動圖像采集的不被察覺性特點對于一種識別技術非常重要，使用人臉識別技術不易令人產生反感，而且不會使人覺得容易受到欺騙而引起注意。人臉識別技術的圖像采集條件相對寬松，完全可以通過可見光數字成像獲取被檢測對象的相關人臉信息，這點不同于虹膜識別和指紋識別。后者需要使用紅外線虹膜采集圖像或者使用電子壓力傳感器采集指紋。

（三）人臉識別技術的困難

人臉識別概念自上世紀60年代被提出以來，以其有著很多其他識別技術無法比擬的優勢，一直備受各行各業的科學工作者青睞，但從技術角度來看，人臉識別技術的發展本身也有很多難題。一度以來，基于人臉識別的生物特征識別技術被人們認為是人工智能及機器視覺領域最難研究的課題之一。

人臉識別技術的困難來源主要在于生物特征識別中基于人臉作為基本特征的特點造成的。對于視覺上來講人臉的特點是：

一是人臉的結構性具有普遍性，可以說每一張人臉都是由相同的器官構成并且結構非常相似，人臉結構的普遍性對于機器視覺來說有利于在千變萬化的圖形世界中快速定位人臉圖像，但細化到利用人臉區別每個生物個體就有一定的技術難度。

二是人臉的形態可變性，總所周知，人類面部的表情變化十分豐富，面部結構各器官之間的形態多種多樣，而人臉又是非單純的二維平面圖形，是三維立體的形式存在，可能因環境光照、抓拍角度、面部遮擋（如眼鏡、口罩、帽子、發型、胡須等）而造成影響，這些對于機器視覺對人臉的結構化就造成了很大的困難。

二、人臉識別應用技術細節

人臉識別技術系統從組成上可以分為四個部分，分別為：人臉信息的采集、人臉特征結構化、人臉信息的定位預處理、結構化數據的原始模型匹配檢索等。

（一）人臉信息采集

主要采用網絡攝像機抓拍的方式采集人臉的信息，因為人臉信息的自然性特征，在不同環境，不同形態下都可以利用攝像機進行人臉信息的采集，而目前針對人臉信息的采集最主要的方式就是通過攝像機進行的，除此之外我們還可以通過靜態照片導入的方式對人臉信息進行采集。目前安防行業針對人臉信息的前端采集，已有較為成熟的兩種抓拍應用方式，第一種方式為網絡攝像機直接抓取人臉圖像信息，第二種方式為在后端錄像存儲系統中讀取視頻碼流，再通過人臉建模智能軟件，將視頻錄像碼流中的人臉進行截圖提取。兩種人臉信息的采集方式各有其優勢，第一種方式，在于人臉提取的算法要前置在網絡攝像機中，對于網絡攝像機有著一定的局限性。而第二種方式，通過錄像的方式提取人臉信息，則可以針對任何前端監控點位進行，具有一定的普遍性。

（二）人臉特征結構化

人臉信息采集完成后需要對所采集的人臉圖像信息進行結構化處理，即將圖像信息轉換為可對比、挖掘、分析的數據信息。一般來講首先要對圖像進行預處理，標定圖像中人臉的具體位置，標定出各器官所在的位置，計算人臉各器官標定點位之間的比例圖，然后對人臉進行建模分析，通過模板特征、比例直方圖、顏色特征和結構特征等。人臉特征結構化完成后便可以對人臉信息進行一系列檢索分析應用。

人臉結構化檢測過程中，使用Adaboost算法優先挑選出一些具有人臉特征代表性的矩陣信息（弱分類器），在此基礎上進行深度學習加權積分投票的方式，將該矩陣擴充成魯棒性更強的矩陣（強分類器），再進一步通過深度學習訓練將多個強分類器串聯疊加形成一個級聯結構的高層疊分類器，這樣可以指數級增加人臉特征匹配的準確度。

（三）人臉信息的定位預處理

人臉信息的定位預處理：對于人臉信息的定位預處理基于人臉信息結構化的結果，本質上是對圖像進行處理后，在從處理結果中提取特征或結論的過程。

人臉的信息預處理通常基于人臉結構化檢測結果。按上文所述，一般來講系統獲取的人臉原始圖像由于各種外界條件干擾限制，直接使用往往會有一定困難，須在早期階段對圖像進行一系列的噪聲過濾、灰度矯正等圖像處理。針對人臉圖像信息而言，其預處理過程主要包括灰度變換、直方圖均衡化、圖像光線補償、圖像幾何校正、濾波以及銳化等。

（四）結構化數據的原始模型匹配檢索

結構化數據的原始模型匹配檢索：人臉識別的應用階段即將前端采集結構化的人臉數據與數據庫中儲存好的人臉特征數據模板信息進行對比分析，通過設定一個相似度閾值來指導系統使用者判斷比較確認檢索人員的身份。這一過程應用可以分為兩個類型，第一類為輸入靜態人臉信息，通過系統結構化后進行與數據庫內人員特征模板對比確認輸入人員身份，該類型應用為一對一圖像比較檢索應用。第二類應用為通過在后端設定報警布控對象，針對前端采集的人臉信息進行對比分析，該類型的應用為一對多圖像匹配對比過程。

目前主流的人臉識別算法可以分為以下五類：

1.基于整幅人臉圖像建模的識別算法（Appearance-based recog nition algorithms）。

2.利用模板的識別算法（Template-based recognition algorith ms）。

3.基于神經網絡建模的人臉識別算法（Recognition algorith ms using neural network）。

4.利用支持向量機進行識別的算法（Recognition algorithms using svm）。

5.基于人臉特征點的識別算法（Feature-based recognition algorithms）。

三、發展歷史

對于人臉識別系統的研究最早可以追溯到上世60年代，80年代后隨著光學成像技術、圖像處理技術（計算機圖形學技術）及計算機科學技術的發展得到較大提升；一直到90年代末期才初步進入試驗應用階段，并且在世界上主要以日、德、美、英的技術實現為主；人臉圖像結構化的算法是人臉識別技術系統的靈魂核心，在結構化算法難題突破后結合數據分析技術，人臉識別系統在人員身份認證、人員定位、檢索方面的實用化識別率、準確率得到極大的提升。“人臉識別系統”集成了機器視覺理念、計算機深度學習算法、生物特征識別模型理論、專家分析系統、視頻圖像處理、大數據挖掘分析等多種專業技術，同時需結合中間值處理的理論與實現，具有廣闊的發展前景和應用空間，是機器視覺時代的標志性技術之一，展現了信息時代弱人工智能向數據時代強人工智能的轉化。

四、安防時代人臉識別技術的應用——人臉數據對比系統

如上文所述，人臉識別技術發展至今應該說已可以較為成熟的應用于各行各業，筆者也是結合自身專業將人臉識別技術做以研究，提出了一套人臉數據對比系統，該系統可以應用于治安管理、反恐監察、大型活動安保等。

隨著網絡監控攝像機技術水平的發展，目前安防行業內對于前端智能抓拍攝像機抓拍人臉的技術已經做得較為成熟，再加之大數據技術的發展，若將兩項技術加以融合變可衍生出適用于不同應用場景的安防系統方案。

前端采用人臉抓拍相機對人臉進行采集，后端配合大數據處理技術對采集的人臉進行篩選比對檢索。該系統下文簡稱“人臉數據比對系統”。

“人臉數據比對系統”主要包括三個組成部分，分別為：前端人臉相機采集，人臉智能識別，客戶端業務呈現。

1.前端相機主要負責進行人臉檢測和跟蹤，之后把抓拍的人臉圖片上傳至人臉服務器進行分析。

2.人臉分析服務器對前端相機上傳的人臉序列進行最佳人臉計算，對該最佳人臉進行人臉特征分析，提取相應的人臉信息，并將最佳人臉圖片及人臉特征數據進行存儲，后對照內部儲存的人臉信息庫進行篩查比對，根據要求進行相應聯動告警。

3.客戶端可以導入人臉數據、下發人臉檢索任務以及實現黑名單布控，并且支持人臉屬性呈現以及過人檢索。

（1）人臉檢索：客戶端下發人臉檢索任務后，人臉結構化分析服務器通過處理，將結果返回給客戶端，包括人員圖片、人員ID以及相似度等信息。

（2）黑名單布控：客戶端配置好黑名單布控比對任務后，人臉分析服務器會將抓拍到的信息以及告警信息存入數據庫，客戶端從數據庫讀取信息，將抓拍的人臉信息和黑名單告警信息呈現給客戶。

（3）人臉屬性：可根據年齡、性別、是否戴眼鏡的屬性識別功能進行檢索。

（4）過人檢索：對攝像機抓拍的過人圖片進行按不同時間段檢索。

（5）人員軌跡：若點位部署密集并結合電子地圖應用，可利用大數據業務查詢出相似度高的人員軌跡。

系統的適用性。公安治安監控重要點位如地鐵出入口、政府綜合辦公大樓出入口等地進行人臉抓拍，并實時與后端服務器中輸入的“嫌疑人”、“在逃犯”，“有作案前科份子”照片進行實時比對，一旦發現可進行報警，便于人員定位及治安監控。

企業、單位的安保，如大型封閉性企業，可以利用上述系統進行人員的管控，將企業員工的照片輸入服務器的白名單庫中，在企業、單位的出入口布置人臉抓拍攝像機、保安值班室設置客戶端對進出人員進行管控，一旦發現非本企業單位的人員并未進行登記進出即可對其進行排查。

隨著安防行業的發展和人臉識別技術的持續完善，相信在不久的明天，這套人臉數據對比系統即可為人民治安提供有效保障，真正做到事前定位犯罪分子，將犯罪扼殺于搖籃。

參考文獻：

[1]龐珊珊、熊建設.人臉識別技術和算法綜述.中國新技術新產品.2009（11）.

[2]嚴嚴、章毓晉.基于視頻的人臉識別研究進展.計算機學報.2009（5）.

[3]柳楊.三維人臉識別算法綜述.系統仿真學報.2006（S1）.