生物识别：促进安防从被动转向主动

□ 文/本刊记者 何遥

相比以往的人脸识别，深度学习算法推动的人脸识别发生了巨大变化：准确率更高，环境适应性更强，识别种类更丰富。包括人脸识别技术在内的生物识别技术的进步，结合红外光、可见光技术，推动主动安防时代的到来。本期栏目邀请到生物识别领域的几位专家，共同探讨这一主题。

本期嘉宾：

北京智慧眼科技股份有限公司董事长 邱建华

广州像素数据技术股份有限公司董事长 姚若光

深圳市威富安防有限公司算法工程师 梁先扬

产品应用与现状

人工智能中深度学习算法的突破，使得生物识别技术极大地提高了识别率。反过来，多年积累起的海量数据，为深度学习训练提供了燃料。公共安全中的人脸识别产品与应用迎来一个新的发展期。

邱建华：智慧眼人脸识别技术采用先进的计算机视觉和机器学习技术，对输入的图像/视频进行分析，找到图像/视频中存在的人脸，并在器官特征点定位的基础上，对人脸进行几何和光照归一化，进而提取人脸的鉴别特征，并将其与已知人脸进行对比，从而识别每个人的身份。

基于千万级人脸图片大数据深度学习的智慧眼人脸识别算法、活体检测算法在业内POC测试中位列前三，已获得国家专利，现已广泛应用于人社、金融、教育、安防、卫生等领域，为1亿用户提供身份认证服务。

邱建华

姚若光

梁先扬

智能终端——人证合一智能终端。人证合一实名制已成为我国公民在办理很多业务时的硬性要求。智慧眼开发出来的人证核验设备品类丰富、应用广泛。设备主要包括桌面式人证合一设备、手持式警务通设备、单双屏人证核验访客机及高端的智能闸机终端。每一类设备都针对特定场合开发，目前在网吧、酒店、写字楼、政府部门、治安卡口、边防检查站等场合都有广泛应用。

静脉识别——指静脉识别。智慧眼指静脉识别算法在2015/2016/2017全球指静脉挑战赛上连续三次夺得冠军，无论是识别精度还是识别速度都处于行业领先地位。安博会上智慧眼展出了基于指静脉技术开发出来的指静脉智能门锁、指静脉考勤门禁终端、指静脉采集仪以及备受关注的指静脉精密模块。以便有项目需求的客户可以在现场找到适合自己的指静脉产品；有指静脉产品开发需求的客户则可以选择到多款适合的指静脉精密模块。

身份认证——人脸识别超大规模应用。智慧眼在今年的深圳安博会上展示了在身份认证大数据方面的成果，尤其是在全国社保身份认证方面。智慧眼的身份认证业务目前已服务超过2亿人，协助人社部门完成近7亿生物特征库的建设，是目前国内最大规模的人脸识别应用；同时，智慧眼也展示了另外一个荣获国家发改委互联网+重大工程支持项目——老来网，这是全国为数不多的官方认证的第三方身份认证机构，是智慧眼借助人社业务优势，借助互联网、物联网、大数据技术优势，倾力打造的老年人社会化服务云平台。

梁先扬：智能视频分析的瓶颈：智能视频分析依赖于高清视频、大数据及高性能服务器。首先是更新换代相对滞后：在一线城市深圳仍有不少摄像机分辨率在1080p以下，甚至还有模拟摄像机。其他二三线城市更加滞后。其次是联网管理不够集中统一，形成信息孤岛：工业园、商场、小区的监控自成一体，与公安市政道路监控无法共享信息，存在漏洞。再次还有成本问题：架设光纤、更换高清摄像机、配置智能分析服务器成本相对较高，存在小区业主不愿分担升级费用，基层派出所建设经费有限等问题。需自上而下建设推广。

智能视频分析的机遇：国家基于长治久安、和谐发展对智慧平安城市建设的重视：习近平总书记在十九大报告指出建设平安中国，加强和创新社会治理，维护社会和谐稳定，确保国家长治久安，人民安居乐业。

随着社会各界对智能视频分析，特别是人脸识别技术认识的加深，人脸考勤门禁、人脸锁、刷脸支付、无人超市、无人餐厅越来越普遍。

硬件的快速发展，GPU运算能力提升，成本下降。英伟达陆续推出嵌入式GPU TX1、TX2，谷歌、苹果、三星、英特尔、ARM等公司也在研发GPU芯片。这为人脸识别提供了技术基础。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。与其他生物识别技术（如指纹、虹膜、掌纹等）相比，优势在于其自然性和不被人察觉的特点。

姚若光：像素数据自1998年成立以来，一直专注于人像采集检测、人脸识别技术的研究，形成了完善的人脸识别产品体系及应用典范，逐步成为行业标准制定者，主编及参与了近十项行业标准的制定。主要针对已发布或即将发布的人脸识别技术相关的标准阐述了我司各类人脸识别产品及应用在贯彻安防标准方面取得的研究成果，从研究的底层出发得出：基于规范、标准化的人脸图像采集、准确的人脸图像检测和提取、好的人脸比对算法、成就良好的人脸识别体验。

谈人脸识别，首先有一些基础的技术特点。

构成人脸识别的5步：抓取图像；在图像中找到脸；提取特征（建模板）；比较模板；宣布比对结果。人像采集与检测产品及其关键点的源头在采集，好图像时拍出来的，不是修出来的。人脸图像处理的四个属性：图像属性；位置属性；脸部属性；背景属性。处理要求：提倡全局处理；反对局部处理；慎用锐化或美化工具：过渡处理会改变人脸图像的纹理结构。背景处理的关键在于边缘处理，特别是头发和脸和服饰的边缘。

人脸辨认方面，我们推出了自助库—多算法。多算法平台除了算法有针对性，还有针对性地建立了各种案件库。如电白、廉江、湖南邵阳等犯案集中地区的案件库，为各警种办案提供了有力的比对工具。该项目运行以来，得到了各警种的好评，在实战中也出了较好的成效，特别是在占案例大头的经济诈骗案、信用卡诈骗案中有较为突出的效果。

视频人脸识别涉及到算法的选择、摄像机及镜头选择与架设。视频人脸识别方面我们有一系列的产品方案：

（1）动态人脸识别监控分析系统：

对监狱、机场、港口、银行；交通、运输；商场、大型超市；金融VIP等重要地点进行的机动布控。

（2）海量录像人脸分析系统：

支持多路录像同时进行人脸分析，单个主流服务器可支持32路以上人脸采集，8路以上人脸识别分析，具备强大的扩展性（具体的支持路数由服务器性能决定）。

（3）人脸识别安防机器人：

在机场、港口、会场、展馆、机场、火车站、汽车站等巡逻布控，在高端小区和工业园区等日常巡逻、警戒和布控。

（4）网格化中心布控（centralized deployment）：

我们已成功实施了广东某火车站人脸识别布控项目，某地铁站人像抓拍识别租赁项目，某公安布控区域布控项目，某大型公园人脸识别布控项目，等等。

（5）基于人脸的人员轨迹分析—去中心化布控。

（6）访客/迎宾机。

从技术上而言，规范的人脸图像采集、准确的人脸图像检测和提取，加上好的人脸比对算法，成就良好的人脸识别体验。

我们正在进入主动安防的时代

深度学习、红外光结构化等技术融合发展，让安防更智能、更适应各种不同场景。需要人工查找分析的传统安防时代正在褪却，取而代之的是一个主动安防的时代。“人工智能+软硬件一体化”成为趋势。

梁先扬：人脸识别的发展必然会经历两个时代：（1）模型驱动时代，重在研究各种复杂的数学模型，利用有限的样本进行学习，模型的好坏直接决定识别效果，局限性较大，泛化能力较弱；（2）数据驱动时代，直接基于人工神经网络的模型，利用大数据进行深度学习，数据的重要性超过了模型本身，具有很强的泛化能力。

这两种驱动具有不同的研究范式。

模型驱动：

数据驱动：

模型驱动VS数据驱动

人工神经网络（ANN）系统是20世纪40年代后出现。1990年起，王守觉院士开始神经网络模式识别新理论新技术的研究，2002年取得突破性进展，提出了“高维形象几何仿生信息学”新理论。该理论不断丰富和完善，获得了13位院士极高评价和联名推荐。

威富安防人脸识别技术创造了超低数据量人脸识别技术 ，全球首创且唯一，将人脸特征有效表达为48字节，存储超低、传输更快、比对更快、准确率高，可实现超小载体存储、超大范围应用。

这种人脸识别技术采用高维形象几何仿生信息学算法突破了环境的局限。在环境采集方面，新技术在动态识别的过程中可以逐步将人的表情、姿态、光线、遮挡等干扰信息进行排除，得到一张更准确表现个人信息的照片，从而提升比对的成功率。

对于人脸化妆、遮挡，新技术在提取人脸特征的时候，并不是基于每一个点的精确匹配，而是将人脸分成不同区域对其特征进行计算，因此小范围局部遮挡(戴眼镜或口罩)将不作为比对的内容，而是选择匹配最高的区域进行综合比对，所以对比对效果不会产生太大影响。

对应于两种驱动模式，安防的两个时代分别是被动安防与主动安防。

（1）被动安防：人眼“观看监控器20分钟，人的集中力及判断力将会下降”；人眼“观看监控器30分钟以上，将会放弃画面变动的80%以上”；事后查看录像回放，时效性差，无法对各种犯罪活动形成有力打击；人工无法完成大量的实时监控，即使是细心的注意力集中的监控人员，也不能有效完成监控任务。

（2）主动安防：机器自动实时进行大数据分析，自动跟黑名单进行人脸比对，7*24小时不间断；实现低投入产生高效率，使视频监控网络系统真正成为“火眼金睛”，向科技要警力，使现有的警力提高20倍以上；变事后分析为事前预警，变被动安防为主动安防，极大提高犯罪威慑力。

人脸识别技术的发展开启了主动安防时代！

姚若光：传统的人脸识别发展走过了一条漫长的路。最终达到的水平是在正脸、光照均匀、无遮挡、两眼像素60pixels图像的情况下95%@with FAT@2‰左右（FRVT 2013）；用户的总体体验是对图像的要求比较高，需要用户高度配合，应用面比较窄。

AI使人脸识别一步踏入用户可接受的门槛。开源的AI算法训练平台：通过适当的数据训练，可达到应用要求，现在的竞争是在万、十万、百万之一错误识别率下的正确识别率/错误拒绝率，互联网存在的海量人脸图像，对光照、姿态、两眼像素、年龄、图像清晰度等要求明显降低，人们可以不再纠结选什么算法（视频人脸识别对算法的要求仍是首位的）。

未来的人脸识别一定是 AI+软件+硬件，这一点从今年的Google Home 发布会就可以充分看出来。