深度學習的人臉大數據系統應用

浙江移動信息系統集成有限公司 孫玉偉

我國在現階段的科技研發、創新過程中，加強了人臉大數據系統的探討，該方面的技術不僅可以推動大數據的進步，同時對生產、生活產生的改變是非常大的。人臉大數據系統的應用難度較高，雖然目前掌握了一部分技術，但是對于長期發展是遠遠不夠的。因此在系統的操作理念、操作方法上，必須進一步的改變傳統的方案，應堅持在深度學習的過程中進行優化，促使人臉大數據系統的內涵更好的豐富。

1 深度學習含義

所謂的深度學習，主要指的是含有多隱層的多層感知器，其所謂一種特殊的學習結構，在研究和應用的時候，主要是來源于對人工神經網絡的相關研究。深度學習的過程中能夠通過組合低層特征，由此來形成更加抽象的高層表示屬性類別，促使多層感知器的應用更加健全，在數據、信息的分析上更好的完善。

2 人臉大數據系統邏輯架構圖

系統基于人臉識別核心技術，遵循公安行業信息化標準規范，依托綜合可靠的通信網絡、分布式數據庫和集群計算等多項技術，架構圖如圖1所示，由下至上依次是感知層、數據能力層、應用服務層、和展示層。

圖1 系統邏輯架構圖

3 深度學習的人臉大數據系統的應用

3.1 系統組成

人臉大數據系統的優化過程中加入了深度學習的技術、理念，在系統的組成方面，包括人臉識別專用攝像機、高清鏡頭、人臉識別預處理服務器、人臉對比服務器、存儲服務器、報警顯示端、系統管理平臺等等。各個組成部分在運行的過程中表現出各司其職的特點，同時能夠在相互作用上不斷的增加。例如，存儲服務器在應用的時候，針對監控的人像信息會仔細的記錄、分析，同時根據客觀工作的需要，針對人性抓拍以及實施對比的信息進行有效的記錄，便于在后續的工作當中開展仔細的查找和對比。

3.2 業務流程

深度學習與人臉大數據系統結合以后，在業務流程上不斷的優化。前端的人臉識別專用攝像機，主要是按照高清、實時的標準來采集人像視頻，并且按照專業的網絡傳輸來開展，通過預處理服務器的有效加工，在人臉的各類處置措施上連續操作，包括檢測、跟蹤、抓拍等等，接下來對相關的信息與對比服務器進行操作、調整，最終輸出相應的結果，確保在民警的研究、判別上給出足夠的依據。與此同時，業務流程的優化，正不斷的加強智能技術的操作，能夠對相似度較高的人臉更好的篩查和調整，從而減少錯誤的判斷，對人臉大數據系統的功能更好的完善。

3.3 營銷零售領域

以無人零售為代表的新零售場景大量使用了人臉識別技術，無人售貨機遍布各大商場、樓宇、地鐵、車站等公共場所，無人便利店自2017年起廣泛使用了人臉識別安全系統。此外，人臉識別技術還廣泛應用于廣告投放和識別客戶信息（如客戶性別、年齡、表情、膚質、觀看廣告時長等），并通過分析這些數據有針對性地向客戶推送最有吸引力的廣告。早在2013年，全球第三大零售巨頭Tesco（樂購）就曾宣布，計劃在英國450間加油站便利店的廣告熒屏上加入一項叫OptimEyes的人臉識別技術。

4 人臉大數據系統的發展策略

4.1 結構化數據

目前，人臉大數據系統的研發、應用，的確得到了社會各界的高度關注，但是在未來的發展和創新模式上，必須更好的改善自身的不足。例如，人臉大數據系統的功能，將會進一步融合大數據的技術和功能，尤其是在一線廠商的人臉大數據系統，以及二三線廠商的人臉大數據系統方面，其差距會逐步的降低，結構化數據的實時處理、高效處理是下一個技術增長點。在2021年，關于人臉大數據系統的技術戰略合作項目會不斷的增加，目的是由此在各類業務場景的應用上給出更多的選擇，同時在業務額開發理念、方法上按照定制化的模式來創新，按照便捷、直觀的業務方法來表達，這對于人臉大數據系統的長期完善可以奠定堅實的基礎。

4.2 邊緣計算設備、后端集群分析

通過對人臉大數據系統合理的應用，能夠促使生產、生活的便捷性更好的提升。邊緣計算設備、后端集群分析是重要的組成部分，二者一方面在競爭的激烈程度上會不斷的提升，另一方面在日常的合作方法上會不斷的優化。例如，國內的華為、海康等企業，關于人臉大數據系統的研究不斷加深，嵌入式視覺系統的發展速度不斷加快，針對嫌疑目標的追蹤模式，可以按照真正的無人機來操作，而且新的系統增加了自動識別、自動鎖定、自動報警的功能，再加上飛行器的設備加持，完全可以在安防領域做出更大的貢獻。另一方面，后端視覺處理集群的能力也會大幅度的提升，在全城布控、全員布控方面得到了更多的保障。

4.3 人臉識別技術、其他傳感技術

隨著人臉大數據系統的發展速度不斷加快，單一的人臉數據業務會在熱度上明顯的降低，但是在人臉識別技術、其他傳感技術方面，則會按照融合發展的手段來完善。與單傳感器相比，多傳感器技術在探測、跟蹤和目標識別方面能夠提高系統的可靠性和健壯性，增強數據的可信度，提高精度，增加系統的實時性。機器視覺系統易于向多傳感器信息融合技術拓展，解決單一視覺系統的局限性。由此可見，人臉大數據系統在創新的過程中，不僅在技術的突破性方面不斷的提升，同時在技術服務的提供模式、方法上，完全采用了個性化的定制工作來開展，這樣在人臉大數據系統的綜合前進方法上，可以由此來得到較多的保障，一系列不足的應對、解決，可以得到更加卓越的成果，在長期工作的安排上，可以對人臉大數據系統提出更多的訴求，爭取在設備、技術、系統、操作等方面，按照協調統一的方式來完善。

5 人臉大數據系統的注意事項

現如今的科技發展思路不斷完善，而且在人臉大數據系統的融合、應用過程中，能夠給用戶帶來全新的體驗，整體上創造的經濟效益、社會效益特別顯著，在未來的工作落實模式上，必須從新的角度來思考，減少潛在性的隱患。另一方面，人臉大數據系統的相關測試工作不能放松，新功能、新理念的應用不可能隨意的投放，而是要在大量的測試與優化后，確保沒有任何問題的情況下，才能對人臉大數據系統的新功能上線，而且要尊重用戶自己的選擇，針對強制更新的問題更好的把握，從而促使用戶得到的便利和保障不斷的增加。人臉大數據系統的實施，還需要充分的掌握好未來可能出現的風險，尤其是網絡上的惡意攻擊和信息泄露問題，必須聯合相關部門深入的查處，對人臉大數據系統的安全保障更好的優化。

總結：我國在人臉大數據系統的研究、實施上，正不斷的加強科技力量的投入，通過深度學習的開展，能夠減少人臉大數據系統的隱患，在系統的長期工作部署上，按照全新的策略來調整，一系列問題的應對可以給出更多的選擇，整體上具備的發展空間是非常大的。未來，應繼續在人臉大數據系統的可靠性、可行性方面不斷的強化，在相關問題的處置上給出更多的依據，掌握好長期工作的走向，在人臉大數據系統的綜合體系上進行調整，為國家發展做出卓越的貢獻。