人脸识别结合大数据处理技术在社会治安监控的应用分析

摘 要 在安防技术飞速发展的今天，基于视频人脸采集的人脸识别技术已在公安、政府、教育、医疗、金融、军队、司法及众多企业事业单位等领域得到广泛的应用。

关键词 人脸识别 大数据检索 治安应用

作者简介：康健博，苏州市公安局吴中分局科员，研究方向：公安科技信息化应用。

中图分类号：D631 文献标识码：A DOI：10.19387/j.cnki.1009-0592.2017.02.091

笔者通过大量的文章调研，结合警务工作实际经验，将在本篇文章中对人脸识别技术及其在社会治安管理方面的应用做一些简要的论述。

一、人脸识别的定义

（一）概述

人脸识别实际上一种对身份鉴别的计算机科学技术，它的实现基于对采集的人脸图像信息进行视觉特征结构化，对比与核验。

从广义上来讲，人脸识别技术系统实际上是一个宏观概念，可以细分为一系列相关技术，包括人脸信息的前端采集、人脸特征结构化、人脸信息的定位预处理、针对性的对比检索、结构化数据的原始模型匹配等；狭义上来看，人脸识别系统可以特指通过前端人脸采集的信息进行人员身份辅助验证查找定位的技术系统。

人脸识别目前已成为一项炙手可热的研究领域，它从本质属性上来讲实际上一种生物特征识别技术，是对生物体（一般指人类）自身的生物属性特征来辨别具体生物个体。生物特征识别技术中所研究的特征可以概括为研究对象生物的外观轮廓、虹膜、掌纹、指纹、音色、行为习惯等。

（二）人脸识别的优势

在众多识别技术当中，人脸识别技术因其具有被动图像采集不易被察觉性和自然性有着得天独厚的优势。

被动图像采集的不被察觉性特点对于一种识别技术非常重要，使用人脸识别技术不易令人产生反感，而且不会使人觉得容易受到欺骗而引起注意。人脸识别技术的图像采集条件相对宽松，完全可以通过可见光数字成像获取被检测对象的相关人脸信息，这点不同于虹膜识别和指纹识别。后者需要使用红外线虹膜采集图像或者使用电子压力传感器采集指纹。

（三）人脸识别技术的困难

人脸识别概念自上世纪60年代被提出以来，以其有着很多其他识别技术无法比拟的优势，一直备受各行各业的科学工作者青睐，但从技术角度来看，人脸识别技术的发展本身也有很多难题。一度以来，基于人脸识别的生物特征识别技术被人们认为是人工智能及机器视觉领域最难研究的课题之一。

人脸识别技术的困难来源主要在于生物特征识别中基于人脸作为基本特征的特点造成的。对于视觉上来讲人脸的特点是：

一是人脸的结构性具有普遍性，可以说每一张人脸都是由相同的器官构成并且结构非常相似，人脸结构的普遍性对于机器视觉来说有利于在千变万化的图形世界中快速定位人脸图像，但细化到利用人脸区别每个生物个体就有一定的技术难度。

二是人脸的形态可变性，总所周知，人类面部的表情变化十分丰富，面部结构各器官之间的形态多种多样，而人脸又是非单纯的二维平面图形，是三维立体的形式存在，可能因环境光照、抓拍角度、面部遮挡（如眼镜、口罩、帽子、发型、胡须等）而造成影响，这些对于机器视觉对人脸的结构化就造成了很大的困难。

二、人脸识别应用技术细节

人脸识别技术系统从组成上可以分为四个部分，分别为：人脸信息的采集、人脸特征结构化、人脸信息的定位预处理、结构化数据的原始模型匹配检索等。

（一）人脸信息采集

主要采用网络摄像机抓拍的方式采集人脸的信息，因为人脸信息的自然性特征，在不同环境，不同形态下都可以利用摄像机进行人脸信息的采集，而目前针对人脸信息的采集最主要的方式就是通过摄像机进行的，除此之外我們还可以通过静态照片导入的方式对人脸信息进行采集。目前安防行业针对人脸信息的前端采集，已有较为成熟的两种抓拍应用方式，第一种方式为网络摄像机直接抓取人脸图像信息，第二种方式为在后端录像存储系统中读取视频码流，再通过人脸建模智能软件，将视频录像码流中的人脸进行截图提取。两种人脸信息的采集方式各有其优势，第一种方式，在于人脸提取的算法要前置在网络摄像机中，对于网络摄像机有着一定的局限性。而第二种方式，通过录像的方式提取人脸信息，则可以针对任何前端监控点位进行，具有一定的普遍性。

（二）人脸特征结构化

人脸信息采集完成后需要对所采集的人脸图像信息进行结构化处理，即将图像信息转换为可对比、挖掘、分析的数据信息。一般来讲首先要对图像进行预处理，标定图像中人脸的具体位置，标定出各器官所在的位置，计算人脸各器官标定点位之间的比例图，然后对人脸进行建模分析，通过模板特征、比例直方图、颜色特征和结构特征等。人脸特征结构化完成后便可以对人脸信息进行一系列检索分析应用。

人脸结构化检测过程中，使用Adaboost算法优先挑选出一些具有人脸特征代表性的矩阵信息（弱分类器），在此基础上进行深度学习加权积分投票的方式，将该矩阵扩充成鲁棒性更强的矩阵（强分类器），再进一步通过深度学习训练将多个强分类器串联叠加形成一个级联结构的高层叠分类器，这样可以指数级增加人脸特征匹配的准确度。

（三）人脸信息的定位预处理

人脸信息的定位预处理：对于人脸信息的定位预处理基于人脸信息结构化的结果，本质上是对图像进行处理后，在从处理结果中提取特征或结论的过程。

人脸的信息预处理通常基于人脸结构化检测结果。按上文所述，一般来讲系统获取的人脸原始图像由于各种外界条件干扰限制，直接使用往往会有一定困难，须在早期阶段对图像进行一系列的噪声过滤、灰度矫正等图像处理。针对人脸图像信息而言，其预处理过程主要包括灰度变换、直方图均衡化、图像光线补偿、图像几何校正、滤波以及锐化等。

（四）结构化数据的原始模型匹配检索

结构化数据的原始模型匹配检索：人脸识别的应用阶段即将前端采集结构化的人脸数据与数据库中储存好的人脸特征数据模板信息进行对比分析，通过设定一个相似度阈值来指导系统使用者判断比较确认检索人员的身份。这一过程应用可以分为两个类型，第一类为输入静态人脸信息，通过系统结构化后进行与数据库内人员特征模板对比确认输入人员身份，该类型应用为一对一图像比较检索应用。第二类应用为通过在后端设定报警布控对象，针对前端采集的人脸信息进行对比分析，该类型的应用为一对多图像匹配对比过程。

目前主流的人脸识别算法可以分为以下五类：

1.基于整幅人脸图像建模的识别算法（Appearance-based recog nition algorithms）。

2.利用模板的识别算法（Template-based recognition algorith ms）。

3.基于神经网络建模的人脸识别算法（Recognition algorith ms using neural network）。

4.利用支持向量机进行识别的算法（Recognition algorithms using svm）。

5.基于人脸特征点的识别算法（Feature-based recognition algorithms）。

三、发展历史

对于人脸识别系统的研究最早可以追溯到上世60年代，80年代后随着光学成像技术、图像处理技术（计算机图形学技术）及计算机科学技术的发展得到较大提升；一直到90年代末期才初步进入试验应用阶段，并且在世界上主要以日、德、美、英的技术实现为主；人脸图像结构化的算法是人脸识别技术系统的灵魂核心，在结构化算法难题突破后结合数据分析技术，人脸识别系统在人员身份认证、人员定位、检索方面的实用化识别率、准确率得到极大的提升。“人脸识别系统”集成了机器视觉理念、计算机深度学习算法、生物特征识别模型理论、专家分析系统、视频图像处理、大数据挖掘分析等多种专业技术，同时需结合中间值处理的理论与实现，具有广阔的发展前景和应用空间，是机器视觉时代的标志性技术之一，展现了信息时代弱人工智能向数据时代强人工智能的转化。

四、安防时代人脸识别技术的应用——人脸数据对比系统

如上文所述，人脸识别技术发展至今应该说已可以较为成熟的应用于各行各业，笔者也是结合自身专业将人脸识别技术做以研究，提出了一套人脸数据对比系统，该系统可以应用于治安管理、反恐监察、大型活动安保等。

随着网络监控摄像机技术水平的发展，目前安防行业内对于前端智能抓拍摄像机抓拍人脸的技术已经做得较为成熟，再加之大数据技术的发展，若将两项技术加以融合变可衍生出适用于不同应用场景的安防系统方案。

前端采用人脸抓拍相机对人脸进行采集，后端配合大数据处理技术对采集的人脸进行筛选比对检索。该系统下文简称“人脸数据比对系统”。

“人脸数据比对系统”主要包括三个组成部分，分别为：前端人脸相机采集，人脸智能识别，客户端业务呈现。

1.前端相机主要负责进行人脸检测和跟踪，之后把抓拍的人脸图片上传至人脸服务器进行分析。

2.人脸分析服务器对前端相机上传的人脸序列进行最佳人脸计算，对该最佳人脸进行人脸特征分析，提取相应的人脸信息，并将最佳人脸图片及人脸特征数据进行存储，后对照内部储存的人脸信息库进行筛查比对，根据要求进行相应联动告警。

3.客户端可以導入人脸数据、下发人脸检索任务以及实现黑名单布控，并且支持人脸属性呈现以及过人检索。

（1）人脸检索：客户端下发人脸检索任务后，人脸结构化分析服务器通过处理，将结果返回给客户端，包括人员图片、人员ID以及相似度等信息。

（2）黑名单布控：客户端配置好黑名单布控比对任务后，人脸分析服务器会将抓拍到的信息以及告警信息存入数据库，客户端从数据库读取信息，将抓拍的人脸信息和黑名单告警信息呈现给客户。

（3）人脸属性：可根据年龄、性别、是否戴眼镜的属性识别功能进行检索。

（4）过人检索：对摄像机抓拍的过人图片进行按不同时间段检索。

（5）人员轨迹：若点位部署密集并结合电子地图应用，可利用大数据业务查询出相似度高的人员轨迹。

系统的适用性。公安治安监控重要点位如地铁出入口、政府综合办公大楼出入口等地进行人脸抓拍，并实时与后端服务器中输入的“嫌疑人”、“在逃犯”，“有作案前科份子”照片进行实时比对，一旦发现可进行报警，便于人员定位及治安监控。

企业、单位的安保，如大型封闭性企业，可以利用上述系统进行人员的管控，将企业员工的照片输入服务器的白名单库中，在企业、单位的出入口布置人脸抓拍摄像机、保安值班室设置客户端对进出人员进行管控，一旦发现非本企业单位的人员并未进行登记进出即可对其进行排查。

随着安防行业的发展和人脸识别技术的持续完善，相信在不久的明天，这套人脸数据对比系统即可为人民治安提供有效保障，真正做到事前定位犯罪分子，将犯罪扼杀于摇篮。

参考文献：

[1]庞珊珊、熊建设.人脸识别技术和算法综述.中国新技术新产品.2009（11）.

[2]严严、章毓晋.基于视频的人脸识别研究进展.计算机学报.2009（5）.

[3]柳杨.三维人脸识别算法综述.系统仿真学报.2006（S1）.