人臉識別技術在道路交通管理中的應用研究

□ 文/魏景伙 李磊

引言

隨著我國綜合實力和國民收入水平的提高，機動車及機動車駕駛人數量迅猛增長，道路建設步伐加快，城市化水平不斷提高，導致交通管理現狀和需求之間的矛盾進一步加劇，道路交通安全形勢嚴峻。在此情況下，如何利用先進的科技手段提高城市交通管理水平、減少交通事故、打擊犯罪分子，提高社會治安綜合管理水平成為了當前公安交通管理部門亟待解決的問題之一。

人臉識別技術是多學科領域的具有挑戰性的難題，涵蓋數字圖像處理、模式識別、計算機視覺、神經網絡、心理學、生理學、數學等內容，同時也具有十分廣泛的應用意義。過去幾年里，人臉識別技術取得了長足的發展，在公共安全領域發揮了重要的作用。而隨著公安大數據應用背景的出現，人臉識別技術面臨更高的挑戰。

人臉識別技術

人臉識別技術是利用計算機分析人臉圖像，進而從中提取出有效的識別信息，用來“辨認”身份的一門技術，主要包括以下五部分內容，如圖1所示：

人臉圖像采集：主要通過前端攝像機采集含有人臉的視頻或圖像。

人臉圖像檢測：是人臉識別過程中的一個重要環節，主要檢測圖像或者視頻序列中是否存在人臉，并準確標定出人臉的位置和大小。

人臉圖像預處理：基于人臉檢測結果，利用灰度校正、噪聲過濾等算法對所選擇的人臉圖像進行優化，以形成最加的人臉圖像并服務于特征提取的過程。人臉圖像預處理過程主要包括光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波等。

人臉圖像特征提取：主要是針對人臉的某些特征進行的，一般采用基于知識的表征方法實現。基于知識的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉圖像信息數據量巨大，為了提高匹配識別的效率，選取何種特征尤為重要。

人臉圖像匹配識別：圖像匹配是指將提取的人臉圖像特征數據與數據庫中存儲的特征模板通過某種算法進行搜索匹配，設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出；圖像識別是將待識別的人臉與數據庫中的已知人臉進行比較，根據相似度對人臉的身份信息進行判斷。

▲圖1：人臉識別技術示意圖

將人臉識別技術應用于道路交通安全管理，有助于提升整個公安信息化的管理水平。因此，本文主要研究人臉識別技術在行人闖紅燈交通管理及失駕人員管控兩方面的具體應用。

人臉識別技術應用于行人闖紅燈交通管理

行人無視交通規則，肆意闖紅燈一直是城市“頑疾”。而且行人闖紅燈是行人交通違法中最普遍、最明顯、也是數量最多的一種交通違法行為。這種違法行為不僅對交通違法者本人的人身造成極大的危險，而且有礙道路暢通，更是造成交通事故發生的極大誘因。

行人闖紅燈交通管理報警系統

將人臉識別技術應用于行人闖紅燈交通管理，研發集視頻分析、運動跟蹤、人臉識別、大數據、云分析技術于一體的行人闖紅燈交通管理報警系統，提升交通管理部門的針對行人闖紅燈違法管理業務的能力，促進文明城市建設。

▲圖2：行人闖紅燈交通管理報警系統

行人闖紅燈交通管理報警系統，如圖2所示，主要由以下七部分組成:

闖紅燈行為及人臉采集設備：

違法圖片采集：主要包括專業的行人闖紅燈一體式抓拍機進行闖紅燈運動過程違法檢測抓拍，同時提取闖紅燈人臉圖片信息。

終端服務器：前端設備錄像圖片緩存與信息轉發

人臉識別服務器（一體化）：

人臉識別云分析單元：支持人臉圖片的建模及比對分析。

大數據單元：支持人臉相關數據的存儲、檢索、分析等功能。

云存儲單元：支持所有人臉圖片的存儲。

行人闖紅燈平臺服務器：向用戶提供應用服務，能實現人臉布控、人臉查詢、以臉搜臉等應用。

信息發布服務器：控制大屏的發布策略。

顯示大屏：顯示曝光行人闖紅燈的運動過程的人像及部分身份信息。

提醒音柱：對欲違法闖紅燈人員進行提取語音警示。

采集曝光警示系統

高清攝像機對斑馬線進行視頻監控，通過視頻檢測或是硬件檢測識別信號燈狀態，當信號燈處于紅燈狀態并有行人闖紅燈時，則啟動算法抓拍，根據抓拍后的結果進行聲音提醒。

當行人在紅燈狀態下穿過警戒線并進入人行橫道時，系統會自動檢測行人越線行為，抓拍行人闖紅燈全景圖像，系統將三張行人闖紅燈過程圖片和一張行人半身特寫圖像進行自動合成，形成完整的行人闖紅燈畫面信息，如圖3所示。

▲圖3：行人闖紅燈違章檢測效果

人臉識別云分析系統

人臉智能云分析系統是基于人的臉部特征信息進行身份識別的一種生物識別技術，并自動在圖像中檢測和提取人臉，進而對檢測到的人臉進行臉部的一系列相關技術，例如人臉建模、闖紅燈人員頻次分析、人員屬性提取等。

針對海量人臉檢索的特點優化設計相應的人臉建模比對算法，對前端一體式行人闖紅燈回傳的抓拍數據進行建模、存儲，建立海量人臉特征數據庫。平臺基于強大的計算機智能人臉比對引擎，可通過與人口庫的對接，結合交通人臉比對相關業務需求，實現人臉布控及動態比對實時預警、違法審核、統計分析、頻次統計等實戰應用功能，在交警行人管理應用業務中發揮巨大的作用。系統人臉識別信息對比結果如圖4所示。

▲圖4：人臉識別信息對比結果

人臉識別技術應用于失駕人員管控

目前交通管理中經常會遇到這樣的情況：車輛駕駛人員管控目前沒有比較直觀和實時的措施，出現一些被吊銷、注銷駕駛證的駕駛人員仍然開車上路行駛的情況，往往這種駕駛員上路后會肆無忌憚、屢次違法，對城市交通管理造成重大的影響，也會導致交通事故頻發。

失駕人員管控存在一定的困難，過多依賴于專項整治、費時費力，沒有很好地技術手段進行捕獲、沒有較好的系統進行實時監管，所以失駕人員管控一直是公安交通管理部門的心刺。本系統可以有效地解決失駕人員捕獲和管控的問題，應用于城市道路、高速公路、小區出入口等可以實現對車輛和駕駛人員的抓拍。

▲圖5：失駕人員管控系統拓撲圖（后端比對模式）

失駕人員管控系統由卡口前端子系統、網絡傳輸子系統和后端管理和分析子系統組成，實現對通行車輛信息的采集、傳輸、處理、分析與集中管理。如圖5所示。

前端子系統

負責完成車輛綜合信息的采集，包括車輛特征照片、駕駛人員面部特征圖片、車牌號碼與車牌顏色等。并完成圖片信息識別、數據緩存以及壓縮上傳等功能，主要由卡口抓拍單元、補光燈、終端服務器或者人臉比對終端、外場工業交換機、光纖收發器、開關電源、防雷器等設備組成。

在前端人臉比對模式中，前端的人臉比對終端主要用于接受后臺中心下發的建模后的黑名單數據，并實時對卡口抓拍到的人臉圖片進行建模和比對，輸出比對結果，現場輸出預警信號。在后端人臉比對模式中，前端的終端服務器主要用于卡口數據的緩存和上傳的功能。

傳輸子系統

負責系統組網，完成數據、圖片的傳輸與交換。

因失駕人員管控系統的安全性需要，一般通過租用運營商光纖鏈路組建專網，每個前端點位到中心一條裸光纖，對于市區較密集的點位可通過EPON方式組網，對于偏遠地區也可采用無線方式組網。

后端子系統

負責實現對轄區內相關數據的匯聚、處理、人臉建模、存儲、應用、管理與共享，由中心管理平臺、存儲系統、大數據平臺和人臉比對服務器等組成。中心管理平臺由搭載平臺軟件模塊的服務器組成，包括：管理服務器、大數據服務器、臉譜服務器、云存儲管理服務器和云存儲節點等。失駕人員管控系統數據流程圖（后端比對模式）如圖6所示。

▲圖6：失駕人員管控系統數據流程圖（后端比對模式）

結論

結合人臉識別技術、大數據技術、深度學習技術在城市道路交通管理中的應用，設計針對行人闖紅燈的交通管理報警系統以及針對失駕人員的交通管控系統，有效解決公安管理部門遇到的“難題”，對于提高道路交通安全水平，減少交通事故，保障人民群眾生命財產安全，創建和諧交通環境具有重要的積極意義。