跨年齡人臉識(shí)別技術(shù)在聲像檔案管理中的應(yīng)用研究

何振才 沈光熠 楊志勇

摘 要：聲像檔案是記錄社會(huì)發(fā)展的重要檔案，但是目前聲像檔案保管、利用模式未能充分發(fā)揮出聲像檔案的真正價(jià)值。將跨年齡人臉識(shí)別技術(shù)應(yīng)用到聲像檔案管理過程中，可提高聲像檔案檢索利用的準(zhǔn)確率，對應(yīng)用畫像識(shí)別技術(shù)開展其他檔案管理發(fā)揮積極作用。文章基于跨年齡人臉識(shí)別技術(shù)優(yōu)勢和特點(diǎn)，分析其在檔案管理領(lǐng)域的應(yīng)用前景。

關(guān)鍵詞：年齡；人臉識(shí)別技術(shù)；聲像檔案；檔案管理

大數(shù)據(jù)、人工智能等計(jì)算機(jī)技術(shù)的快速普及推動(dòng)了傳統(tǒng)的檔案管理利用向檔案數(shù)字化、信息化方向轉(zhuǎn)變。隨著聲像檔案種類不斷豐富以及數(shù)量急劇增加，其管理利用的難度呈指數(shù)級(jí)增長，聲像檔案如何高效管理利用的問題急需解決[1]。本文結(jié)合聲像檔案智慧人臉識(shí)別系統(tǒng)技術(shù)優(yōu)勢，闡述跨年齡人臉識(shí)別技術(shù)在檔案領(lǐng)域的應(yīng)用場景，并對跨年齡人臉識(shí)別技術(shù)進(jìn)行探究，以便提高聲像檔案識(shí)別精準(zhǔn)度。

一、人臉識(shí)別技術(shù)概要

人臉中包含大量的視覺特征，具有難以復(fù)制的特點(diǎn)，人臉識(shí)別技術(shù)對這些視覺特征進(jìn)行提取并進(jìn)行比對，從而確定人物的身份信息。該技術(shù)包括人像跟蹤、紅外檢測、圖像自動(dòng)生成等，應(yīng)用了圖形和人工智能等最新技術(shù)[2]。人臉識(shí)別過程分為人臉圖像檢測、人臉跟蹤定位和人臉身份比對三個(gè)步驟，具體過程為首先判斷圖片或視頻中是否存在人像，跟蹤人像目標(biāo)并確認(rèn)檢測到的人像身份特征，然后依次將采集到的人像與人像數(shù)據(jù)庫中的人像信息進(jìn)行比較，直到找到最佳匹配對象[3]。

人臉識(shí)別技術(shù)探究主要分為三個(gè)階段，初期主要通過幾何特征對人臉特征進(jìn)行提取和識(shí)別，中期以代數(shù)特征為人臉識(shí)別依據(jù)，現(xiàn)階段主要依靠機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)方法提取人臉特征進(jìn)行人臉識(shí)別，其識(shí)別的精準(zhǔn)度和準(zhǔn)確率越來越高，跨年齡人臉識(shí)別也取得了良好進(jìn)展。

二、人臉識(shí)別技術(shù)應(yīng)用概況

1. 人臉識(shí)別技術(shù)應(yīng)用領(lǐng)域

目前人臉識(shí)別技術(shù)已廣泛應(yīng)用于身份驗(yàn)證、刑事偵察、信息安全等領(lǐng)域。[4]（使用場景見表1）這些領(lǐng)域的人臉識(shí)別大部分是對人臉幾何特征的識(shí)別，即通過即時(shí)拍攝的臉部照片比對身份證或早期錄制的臉部圖像，進(jìn)而分析臉部特征信息與原有數(shù)據(jù)信息，比對通過后進(jìn)行身份確認(rèn)。

2. 跨年齡人臉識(shí)別技術(shù)需求

人臉經(jīng)過時(shí)間推移會(huì)發(fā)生變化，給人臉驗(yàn)證造成困難。在公安司法采信和身份驗(yàn)證領(lǐng)域，存在大量多年前的肇事逃逸案件，肇事者在逃逸后往往只留下當(dāng)時(shí)的照片，經(jīng)過多年后圖片中人物的實(shí)際外貌會(huì)發(fā)生變化，無疑給人臉驗(yàn)證造成了很大干擾。在實(shí)際應(yīng)用中，考慮使用跨年齡的人臉識(shí)別技術(shù)可以減少證件更換頻率，降低成本。在刑事領(lǐng)域利用跨年齡人臉識(shí)別技術(shù)對逃逸者圖像進(jìn)行比對，無疑會(huì)為遺留案件的辦理提供新的思路，提高辦案效率。

三、跨年齡人臉識(shí)別技術(shù)應(yīng)用于聲像檔案管理的優(yōu)勢分析

1. 聲像檔案管理現(xiàn)狀

在聲像檔案管理的過程中，經(jīng)常出現(xiàn)年齡增長后樣貌差別較大，通過人工比對的方式難以識(shí)別的問題。例如，企業(yè)編制某領(lǐng)導(dǎo)的紀(jì)念冊用于記錄其突出貢獻(xiàn)，但由于檔案照片庫中的檔案信息涉及人物眾多，時(shí)間跨度大，不同人以及同一個(gè)人不同時(shí)間的樣貌都存在著不小的差異。工作人員一一比對圖片之間的差異，費(fèi)時(shí)費(fèi)力，還無法保證查找的準(zhǔn)確率。

在檔案管理過程中，由于聲像檔案動(dòng)態(tài)性的特征，相比于常見的靜態(tài)照片檔案更不易于查找并利用。檔案工作人員在檢索聲像檔案視頻內(nèi)容時(shí)，為了保證不遺漏，往往需要逐幀瀏覽整個(gè)視頻，這樣的過程需要耗費(fèi)大量的人力物力，同時(shí)也無法高效準(zhǔn)確地對聲像檔案內(nèi)容進(jìn)行檢索與利用。

許多學(xué)者積極探索將人工智能技術(shù)用于實(shí)際的檔案管理利用，其中便涉及人臉識(shí)別技術(shù)，不過這些研究大多沒有考慮人臉識(shí)別技術(shù)在聲像檔案中的利用。[5]同時(shí)，在現(xiàn)有的數(shù)字化檔案管理領(lǐng)域，使用的絕大部分檔案人像識(shí)別方法都是傳統(tǒng)的人臉識(shí)別算法，未考慮年齡因素帶來的影響，識(shí)別精度低、效果并不理想。

2. 跨年齡人臉識(shí)別技術(shù)在聲像檔案管理中的應(yīng)用前景

人臉識(shí)別技術(shù)難點(diǎn)：首先是在進(jìn)行人臉圖像采集時(shí)，人臉圖像受背景、光照等環(huán)境條件以及拍攝的角度、姿態(tài)等人為因素影響造成識(shí)別精度較低。其次是聲像檔案庫中畫像年代久遠(yuǎn)，時(shí)間跨度大，隨著人的容貌發(fā)生變化，長得相似的人易判斷混淆，造成識(shí)別效率偏低。

經(jīng)過幾十年的發(fā)展，人臉識(shí)別中動(dòng)態(tài)特征識(shí)別和靜態(tài)特征識(shí)別技術(shù)已越來越成熟，跨年齡人臉識(shí)別技術(shù)就是為了提高檢索的精度，將因時(shí)間推移人臉發(fā)生變化的照片也能準(zhǔn)確檢索出來，進(jìn)一步提高聲像檔案檢索效率。

第一，對館藏聲像檔案進(jìn)行分類建庫。以檔案館館藏人物聲像檔案檢索應(yīng)用為例，管理人員可以基于OpenCV開源項(xiàng)目實(shí)現(xiàn)人臉檢測識(shí)別，建立重要人物圖像數(shù)據(jù)庫。通過數(shù)據(jù)庫對檔案館館藏人物聲像檔案進(jìn)行挖掘利用，通過人臉的特征值對含有人物的照片以及視頻進(jìn)行分類，對出現(xiàn)過該人物的所有聲像檔案內(nèi)容[6]進(jìn)行歸納整理，建立完整的人物數(shù)據(jù)庫。

第二，開展遠(yuǎn)程在線查詢身份驗(yàn)證。在檔案安全管理領(lǐng)域，過去人臉識(shí)別技術(shù)的使用場景多是檔案庫房門禁管理系統(tǒng)，用于保障檔案庫房的安全[7]。目前則被廣泛用于在線檔案查詢中，利用者需要在線拍攝頭像上傳驗(yàn)證身份，才能完成查詢申請。

第三，聲像檔案檢索。許多館藏的聲像檔案缺乏詳細(xì)的文字說明，若利用傳統(tǒng)的文字檢索聲像檔案，效率不高。跨年齡人臉識(shí)別技術(shù)為聲像檔案檢索利用提供了技術(shù)途徑，即通過一張已有的照片與館藏海量照片庫比對智能識(shí)別，將需要的照片檢索出來。

四、跨年齡人臉識(shí)別技術(shù)應(yīng)用于聲像檔案管理系統(tǒng)的案例

1. 智能人像檢索系統(tǒng)

聲像檔案智能人像檢索系統(tǒng)是南京理工大學(xué)針對校友返校檢索本人在校期間照片的互動(dòng)應(yīng)用場景，將跨年齡人臉識(shí)別技術(shù)應(yīng)用于檔案檢索中的成功案例。在檔案館或校史館的迎賓機(jī)上開發(fā)利用人像查找檔案圖片的功能，即聲像檔案智能人像檢索系統(tǒng)。通過現(xiàn)場實(shí)時(shí)采集校友人像，與照片檔案庫中的人像進(jìn)行比對，成功檢索到該校友的照片后，返回存有用戶照片的檔案記錄，再經(jīng)藝術(shù)處理加工后呈現(xiàn)。

系統(tǒng)使用B/S架構(gòu)，并集成到迎賓機(jī)檔案公共查閱大系統(tǒng)中。分前臺(tái)與后臺(tái)，前臺(tái)完成系統(tǒng)入口、人像采集、照片匹配、檔案信息查閱、照片打印、留言評(píng)價(jià)等；后臺(tái)完成管理員登錄注冊、人像檢索、用戶端管理、系統(tǒng)設(shè)置、修改密碼等。功能模塊如圖1所示。

2. 智能人像檢索系統(tǒng)的技術(shù)分析

智能人像檢索系統(tǒng)中通過人臉識(shí)別實(shí)現(xiàn)檔案查閱模塊是核心功能模塊。為了滿足跨年齡人臉識(shí)別的要求，保證跨年齡人臉識(shí)別的精準(zhǔn)度，該系統(tǒng)設(shè)計(jì)了改進(jìn)的跨年齡人臉識(shí)別算法。

如果使用大規(guī)模的人臉特征提取網(wǎng)絡(luò)收集數(shù)據(jù)并訓(xùn)練模型，學(xué)習(xí)到的深層人臉特征必然包含身份相關(guān)成分（如種族、性別）和身份無關(guān)成分，而檔案人像因?yàn)闀r(shí)間跨度較大，所以身份無關(guān)成分會(huì)造成較大的類內(nèi)差異，影響識(shí)別精度。聲像檔案中應(yīng)用人臉識(shí)別技術(shù)的理想目標(biāo)是：盡可能減少人臉老化過程中面部特征信息造成的人員自然信息與法定注冊信息匹配性不一致的狀況。解決這一技術(shù)難題的主要技術(shù)方案是：對聲像檔案中人像照片的年齡與身份信息進(jìn)行標(biāo)注，采用一種能夠提取年齡影響因素潛在因子（Latent Identity Analysis）的聯(lián)合深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）作為人臉特征提取網(wǎng)絡(luò)（Latent Identity Convolutional Neural Networks，LI-CNN），使用該特征提取網(wǎng)絡(luò)來挖掘深層人臉特征，如人類骨骼結(jié)構(gòu)、手脈體溫等關(guān)鍵識(shí)別因素，這些深層人臉特征是不因年齡衰老而改變的。

如圖2，LI-CNN模型由兩個(gè)關(guān)鍵部分組成：用于卷積特征學(xué)習(xí)的卷積單元和用于深度特征學(xué)習(xí)的全連接層。模型使用兩部分對兩個(gè)并行的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，第一部分使用卷積層對只帶身份標(biāo)簽的數(shù)據(jù)進(jìn)行學(xué)習(xí)，在獲得帶有年齡標(biāo)簽的人臉數(shù)據(jù)后，先使用有五個(gè)卷積核的卷積層提取人臉區(qū)域的普遍特征，將全連接層參數(shù)固定，只更新卷積層參數(shù)，最后聯(lián)合使用softmax loss和contrastive loss損失函數(shù)進(jìn)行優(yōu)化；第二部分主要研究如何使用全連接層進(jìn)行學(xué)習(xí)，標(biāo)注了帶有年齡和身份標(biāo)簽的檔案人臉照片數(shù)據(jù)，定義人臉特征中隨年齡發(fā)生變化的部分為隱身份因子，在對隱身份因子學(xué)習(xí)時(shí)，通過潛在同一性分析方法對人臉特征分離使用梯度下降方法更新模型中的隱身份因子，學(xué)習(xí)相關(guān)的參數(shù)。經(jīng)過這兩個(gè)部分的不斷耦合學(xué)習(xí)，最終從人臉的全部特征中去除隱身份因子的影響，獲得隨年齡不發(fā)生變化的特征。

系統(tǒng)分前臺(tái)用戶模塊與后臺(tái)管理員模塊。前臺(tái)包含人像采集功能模塊、人臉特征匹配模塊、檔案查閱模塊、照片打印模塊以及評(píng)價(jià)與留言模塊。后臺(tái)包含管理員登錄注冊模塊、人像檢索模塊、檢索記錄模塊、照片庫更新模塊、檔案上傳模塊、查看照片庫模塊、系統(tǒng)管理模塊、管理員管理模塊。另外系統(tǒng)還實(shí)現(xiàn)了一個(gè)基于retinaface模型的應(yīng)用于嵌入式設(shè)備的人臉檢測模塊。

3. 智能人像檢索系統(tǒng)創(chuàng)新點(diǎn)及實(shí)驗(yàn)分析

使用深淺層特征融合和遷移學(xué)習(xí)以及聯(lián)合學(xué)習(xí)的方法解決跨年齡人臉識(shí)別問題，并且將其用于聲像檔案人像識(shí)別領(lǐng)域，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)聲像檔案人像檢索系統(tǒng)。該系統(tǒng)主要?jiǎng)?chuàng)新如下。

（1）搜集并標(biāo)注了檔案跨年齡人像測試數(shù)據(jù)集，在檔案測試集上進(jìn)一步驗(yàn)證了特征融合算法的有效性。

（2）開發(fā)了一種聯(lián)合多任務(wù)學(xué)習(xí)的方法，使用年齡有序回歸預(yù)測任務(wù)與身份分類任務(wù)以及特征去相關(guān)性分析任務(wù)共同更新參數(shù)。在提取到融合的多層次人臉特征后，通過年齡有序回歸預(yù)測任務(wù)提取人臉年齡特征，之后將年齡特征通過全連接層線性映射為人臉特征中隨衰老產(chǎn)生變化的年齡因子，從面部全局特征中減去年齡影響因子即獲得隨面部衰老穩(wěn)定的人臉身份特征，最后把隨年齡衰老穩(wěn)定的人臉身份特征應(yīng)用于檔案人像識(shí)別中。

在檔案人像測試數(shù)據(jù)集上的實(shí)驗(yàn)中，我們提取了689對人臉樣本，每個(gè)樣本包含兩張不同年齡的人臉照片，采用OE-CNN方法[8]作為對比試驗(yàn)，識(shí)別精確度的評(píng)價(jià)指標(biāo)為Rank1精確度，實(shí)驗(yàn)結(jié)果如表2所示。

從實(shí)驗(yàn)結(jié)果可以看到，本文提出的特征融合方法在檔案跨年齡人像測試集上的效果與OE-CNN方法相比提升了3.6%。根據(jù)實(shí)驗(yàn)結(jié)果結(jié)合檔案人像的特點(diǎn)分析，本文提出的特征融合的方法，在存在年齡差異同時(shí)還包含光照、圖像像素質(zhì)量低等干擾的檔案人像識(shí)別中，可以提取到比其他現(xiàn)有方法更豐富、多層次的人臉穩(wěn)定特征，在檔案照片領(lǐng)域的適用性更強(qiáng)。

在聲像檔案管理中使用跨年齡人臉識(shí)別技術(shù)，可顯著提高各類聲像檔案資源精準(zhǔn)查找及綜合利用能力，滿足檔案工作者以及用戶的更深層需求，為政府和大眾提供更高效、優(yōu)質(zhì)的聲像檔案資源利用服務(wù)。

隨著現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)信息處理技術(shù)的進(jìn)一步快速發(fā)展，各類聲像檔案信息化業(yè)務(wù)管理的標(biāo)準(zhǔn)體系趨于健全，規(guī)章制度不斷完善，利用移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)及跨年齡人臉識(shí)別等新一代信息技術(shù)，可實(shí)現(xiàn)面向智慧信息化的各類聲像檔案業(yè)務(wù)管理。

*本文系2017年度江蘇省高校哲社基金項(xiàng)目“社會(huì)誠信體系構(gòu)建中的個(gè)人信用檔案建立與服務(wù)研究”（項(xiàng)目編號(hào)：2017ZDIXM090）階段性研究成果。

注釋與參考文獻(xiàn)

[1]張鵬.數(shù)字化聲像檔案管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].電子科技大學(xué)，2014.

[2][4]何春.人臉識(shí)別技術(shù)綜述[J].智能計(jì)算機(jī)與應(yīng)用，2016（5）：112-114.

[3]方軍，湯進(jìn)軍.人臉識(shí)別技術(shù)應(yīng)用于聲像檔案整理工作探析[J].黑龍江檔案，2020（3）：24-25.

[5]胡湖.基于人臉識(shí)別的照片檔案挖掘利用架構(gòu)[A].國家檔案局檔案科學(xué)技術(shù)研究所.檔案管理與利用——方法技術(shù)實(shí)踐[C].國家檔案局檔案科學(xué)技術(shù)研究所，2013：5.

[6]李寧.人臉識(shí)別技術(shù)在個(gè)人電子檔案管理中的應(yīng)用[J].北京檔案，2020（10）：29-31.

[7]馮瑞文.人工智能在檔案管理中應(yīng)用初探[J].黑龍江檔案，2020（3）：95.

[8]Y.Wang，D.Gong，Z.Zhou，X.Ji，H.Wang，Z.Li，W.Liu，andT.Zhang. Orthogonal Deep Features Decomposition for Age-Invariant Face Recognition[C]. In European Conference on Computer Vision（ECCV），2018.