周夢麟

摘 要：基于動態(tài)人臉識別技術(shù)，在軌道交通閘機(jī)口對過往人員進(jìn)行臉部數(shù)據(jù)采集提取，與基礎(chǔ)數(shù)據(jù)庫中的人員進(jìn)行比對分析，從而對人員身份進(jìn)行判定報警。該應(yīng)用探索適用于大部分通道型依據(jù)人臉特征進(jìn)行身份判定的場景。

關(guān)鍵詞：軌道閘機(jī)；動態(tài)人像；人臉識別；身份判定報警

中圖分類號：TP39 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2017）05-00-02

0 引 言

隨著我國平安城市建設(shè)的推進(jìn)，對城市治安防控的技術(shù)支撐要求也越來越高，傳統(tǒng)的技術(shù)手段越來越難以高效解決日益增長的人員流動安全防控問題。城市地鐵作為一類特殊的封閉交通環(huán)境，是需要更高級別安全監(jiān)控的場所。因此，相比于一般公共場所需要提供更高級別的安全防范技術(shù)手段和措施。

人臉識別技術(shù)作為生物識別技術(shù)的一種，目前已在我國公安系統(tǒng)的戶籍和治安等業(yè)務(wù)管理中得到應(yīng)用，并取得了很好的效果。這類應(yīng)用主要是在基于靜態(tài)的證件照、正面標(biāo)準(zhǔn)照的基礎(chǔ)上，比對照片與數(shù)據(jù)庫照片來判別身份，其應(yīng)用環(huán)境質(zhì)量較好。在城市軌道交通閘機(jī)動態(tài)場景下，針對過往行人無序走動過程中，能夠把實時采集的人臉數(shù)據(jù)與照片庫進(jìn)行比對，原有的基于靜態(tài)比對方法及技術(shù)手段已無法達(dá)到實際管理效果和要求。因此，探索軌道交通動態(tài)環(huán)境下人臉識別技術(shù)應(yīng)用研究具有重要的社會價值和現(xiàn)實意義。

1 動態(tài)人臉識別技術(shù)基本原理

動態(tài)人臉識別技術(shù)包括人臉數(shù)據(jù)采集和比對兩個主要技術(shù)環(huán)節(jié)。人臉照片數(shù)據(jù)采集的質(zhì)量越好，比對的準(zhǔn)確率就越高。目前人臉采集主要有抽幀截圖法與人物軌跡法兩種。

抽幀截圖法采用人臉抓拍攝像頭抽幀或從視頻流里直接抽幀，是把單幀作為獨(dú)立照片進(jìn)行處理的方法，每張照片提取的特征碼都具有人臉的部分特征。

人物軌跡法是根據(jù)視頻流中人的行走軌跡圖像的漸變來判斷人物身份，并從中截取多張質(zhì)量較好的照片進(jìn)行分析處理，提取當(dāng)前過往行人面部多個細(xì)節(jié)的特征碼，進(jìn)而提高比對的準(zhǔn)確率。

從目前的實際應(yīng)用來看，在這兩種方法中，依據(jù)人物軌跡法獲得的照片及特征碼要優(yōu)于抽幀截圖法獲得的照片及特征碼，其比對質(zhì)量和準(zhǔn)確率更高。

2 環(huán)境場景中攝像頭選型及架設(shè)要求

根據(jù)常規(guī)視頻流的人臉采集方法，需選擇有200萬像素以上的高清攝像頭，能夠支持RTSP視頻流輸出，同時需要為人臉采集應(yīng)用提供單獨(dú)一路碼流，其網(wǎng)絡(luò)帶寬占用為6 Mb/s，網(wǎng)絡(luò)前后端需要設(shè)固定的IP地址。為提高已有裝備設(shè)備的利用率，技術(shù)選型要盡量采用能夠支持多攝像頭廠商設(shè)備的人臉識別技術(shù)。

鏡頭選擇依據(jù)架設(shè)攝像頭與被拍照人員閘口的距離決定，理論上講，距離越遠(yuǎn)，越需要中長焦攝像頭，相應(yīng)攝像頭的架設(shè)高度也應(yīng)進(jìn)行適當(dāng)調(diào)整。一般情況下，攝像頭架設(shè)高度應(yīng)控制在2.5～2.9 m之間。攝像頭架設(shè)示意圖如圖1所示。

攝像頭架設(shè)位置應(yīng)盡可能正對閘機(jī)出入口，使出閘機(jī)人員面部處在視頻橫向圖像的左五分之一到右五分之一之間，使人流走向盡量朝向攝像頭。如有覆蓋不足的個別區(qū)域，可適當(dāng)傾斜攝像頭角度，調(diào)整相應(yīng)姿態(tài)以獲取較好的圖像質(zhì)量。

3 環(huán)境場景中服務(wù)器的基本要求

根據(jù)通道人流量的情況，經(jīng)測試，目前一般單臺參數(shù)為E5-2650V3×2/64G的服務(wù)器可以支持不超過4路攝像頭的人像采集與比對計算要求。當(dāng)人流量較大時，因會增加服務(wù)器計算資源需求量，一般要采取適當(dāng)減少攝像頭接入路數(shù)等方式予以解決。

隨著硬件GPU技術(shù)的不斷進(jìn)步更新，設(shè)備制造成本降低，隨著廠商人臉識別算法對GPU的不斷支持與優(yōu)化，預(yù)計未來可以實現(xiàn)單臺GPU服務(wù)器支持超過20路以上的視頻接入。

4 用于比對的基礎(chǔ)報警庫準(zhǔn)備

報警庫就是為采集每張照片在入庫提取特征碼后，提供實時比對的人臉照片數(shù)據(jù)庫。理論上講，基礎(chǔ)報警庫越小，其報警準(zhǔn)確率越高；反之，基礎(chǔ)報警庫越大，其誤報率也就越高。目前，我們在寧波交通軌道實際應(yīng)用場景中，采用的是6萬張基礎(chǔ)報警庫。從寧波全市目前每天軌道交通客流30萬人次的實際應(yīng)用來看，每日比對次數(shù)約為180億次。如果是特大城市，對人臉動態(tài)識別技術(shù)和處理能力的要求會更高。

5 動態(tài)人臉識別技術(shù)應(yīng)用的幾個重要參數(shù)

5.1 人臉抓拍率

人臉抓拍率即在實際場景中實時采集到的人臉數(shù)量與實際過往人數(shù)總數(shù)的比值。人臉抓拍率越高，表明對視頻中過往行人情況采集的能力越強(qiáng)，其數(shù)量指標(biāo)也就越好。較高的人臉抓拍率需要較高的服務(wù)器計算資源，因此，在實際人流量較大的區(qū)域，應(yīng)適當(dāng)增加服務(wù)器數(shù)量或提供更高配置的服務(wù)器資源。

5.2 報警閾值

報警閾值需提前設(shè)置，且應(yīng)依據(jù)不同場景、不同警力配備進(jìn)行設(shè)置。如在安保要求較高、警員人力充沛的大型活動中，可設(shè)置較低的報警閾值，盡量避免漏報，可對因增多的誤報有充足的警力進(jìn)行人工排查；對一般普通場景，在警力配備不多的情況下，可以設(shè)置較高的報警閾值，盡量避免誤報，允許適當(dāng)漏報。

5.3 漏報率

漏報率即應(yīng)報警而未報警的人數(shù)與應(yīng)報警總?cè)藬?shù)的比值。在不同動態(tài)人臉識別算法中，應(yīng)盡量選擇漏報率較低的算法；在相同動態(tài)人臉識別算法情況下，因漏報率與誤報率密切相關(guān)，因此要依據(jù)不同的場景進(jìn)行合理選擇。

5.4 誤報率

誤報率即報警錯誤的人數(shù)與實際報警總?cè)藬?shù)的比值。由于漏報率降低會造成誤報率上升。因此在實際工作中，需要在系統(tǒng)運(yùn)行一段時間后，依據(jù)警力情況將誤報率、漏報率設(shè)置在一個穩(wěn)定的區(qū)域。

6 軌道交通應(yīng)用中選型測試及方法

6.1 重點(diǎn)測試不同廠商動態(tài)人臉識別系統(tǒng)的報警準(zhǔn)確值

報警準(zhǔn)確值是決定能否真實判斷一個目標(biāo)人員身份的重要指標(biāo)，只有比對成功有效，才能夠產(chǎn)生實際應(yīng)用效果。從我們的實踐來看，在考察報警準(zhǔn)確值階段，要盡可能投入充足的警力，對系統(tǒng)報警的信息進(jìn)行逐一核對確認(rèn)，基于上述數(shù)據(jù)形成統(tǒng)計分析報告，可以對不同廠商提供的人臉識別技術(shù)系統(tǒng)進(jìn)行分析對比。

6.2 全面判斷動態(tài)人臉識別系統(tǒng)漏報率與誤報率的均衡性

在實際應(yīng)用過程中，漏報率和誤報率必須要達(dá)到一定程度的均衡才有實際意義。均衡的標(biāo)準(zhǔn)是在報警準(zhǔn)確值達(dá)標(biāo)的情況下，盡可能減少一線警員的排查工作量，同時還能獲得較好的應(yīng)用效果。均衡性考察的目的是使一線警員有余力兼顧處理其他工作，不會過多占用警力在大量的排查工作中。

6.3 優(yōu)先選擇原創(chuàng)算法廠商的動態(tài)人臉識別系統(tǒng)

目前，人臉識別技術(shù)在人工智能的引領(lǐng)下快速發(fā)展，國內(nèi)能夠提供動態(tài)人臉識別相關(guān)解決方案的公司也越來越多。但就人臉識別技術(shù)本身而言，總體還處于初始階段，還有較長的發(fā)展進(jìn)程。因此，在技術(shù)使用早期階段，相當(dāng)長的一段時間內(nèi)還會存在對人臉識別算法不斷迭代、優(yōu)化升級的問題，所以選擇擁有原創(chuàng)算法的廠商會有較好的可靠性，能夠針對軌道交通治安監(jiān)控實際，做出更有針對性的技術(shù)改進(jìn)，有利于優(yōu)化實景應(yīng)用效果。

7 結(jié) 語

隨著基于深度學(xué)習(xí)的人工智能發(fā)展，人臉識別技術(shù)在近兩年獲得了突飛猛進(jìn)的發(fā)展，尤其在公安應(yīng)用業(yè)務(wù)中，取得了顯著的成績，并顯現(xiàn)出了巨大的應(yīng)用前景。在基層實際應(yīng)用工作中，要依據(jù)不同的應(yīng)用場景和應(yīng)用條件，選擇合理的人臉識別應(yīng)用技術(shù)，向科技要警力，不斷提升城市治安管控的科技水平，彰顯信息技術(shù)的巨大作用。

參考文獻(xiàn)

[1]黃存東，劉仁金，楊思春.基于特征融合和流形增強(qiáng)的視頻人臉識別[J].計算機(jī)工程，2012，38（9）：193-196.

[2]張丹.一種融合流形學(xué)習(xí)的視頻人臉性別識別改進(jìn)算法[J].電訊技術(shù)，2012，52（6）：1031-1034.

[3]李苗在，谷海紅.人臉識別研究綜述[J].電腦知識與技術(shù) （學(xué)術(shù)交流），2011，7（24）：5992-5994.

[4]梁永睿.基于谷歌眼鏡的人臉識別系統(tǒng)設(shè)計與實現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2016，6（6）：28-29.

[5]亢潔，王曉東，潘思璐.基于VPM642的人臉識別算法的實現(xiàn)[J].物聯(lián)網(wǎng)技術(shù)，2015，5（11）：17-19.

[6]張立東，潘志福，胡志毅，等.人臉識別技術(shù)在上海軌道交通中的應(yīng)用[J].城市軌道交通研究，2011，14（a01）：19-24.

[7]張玉亮，蘇宇，李嘉偉，等.基于無線傳感網(wǎng)絡(luò)的智能家居安防系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2015，5（6）：28-31.

[8]張嫄.城市軌道交通系統(tǒng)的閘機(jī)中圖像處理與識別技術(shù)[D].天津：天津大學(xué)，2006.