胡雷地 莊唯 萬(wàn)潔君 李響 江蘇省蘇州市公安局

引言

隨著人工智能應(yīng)用日趨成熟，以深度學(xué)習(xí)為代表的計(jì)算機(jī)視覺技術(shù)獲得了長(zhǎng)足發(fā)展，人臉識(shí)別也得到了廣泛的研究和應(yīng)用，尤其是近幾年來(lái)，人臉識(shí)別得益于被動(dòng)、無(wú)感識(shí)別等技術(shù)特性，在公安領(lǐng)域快速發(fā)展，取得了諸多實(shí)戰(zhàn)成效[1]。但是，由于在人臉識(shí)別過(guò)程中，受到光照、遮擋、面部表情、姿態(tài)等因素的影響，在現(xiàn)實(shí)環(huán)境中人臉預(yù)警準(zhǔn)確率遠(yuǎn)遠(yuǎn)低于實(shí)驗(yàn)室環(huán)境下的性能指標(biāo)，直接影響了一線警務(wù)人員的應(yīng)用信心，造成了系統(tǒng)“可用”到“好用”的鴻溝[2]。蘇州公安在建設(shè)應(yīng)用“城市盾牌”過(guò)程中，逐步發(fā)現(xiàn)人臉預(yù)警準(zhǔn)確率直接決定了“城市盾牌”可用性和效能發(fā)揮，因此，開展警務(wù)實(shí)戰(zhàn)環(huán)境的人臉預(yù)警評(píng)析方法，分析影響因素并提出優(yōu)化策略，是提升“城市盾牌”實(shí)戰(zhàn)效能的重要舉措。

一、現(xiàn)狀分析

近年來(lái)，隨著深度學(xué)習(xí)的迅猛發(fā)展，國(guó)內(nèi)涌現(xiàn)出了一大批人臉識(shí)別算法廠商，為了凸顯各自的優(yōu)越性能，各個(gè)廠商先后參與了國(guó)際上較為主流的人臉?biāo)惴ㄔu(píng)測(cè)（LFW、IJB、MegaFace、FRVT），通過(guò)公開報(bào)道，主流廠商大多取得了優(yōu)秀成績(jī)[3]，比如有些算法宣稱LFW達(dá)到了99.8%識(shí)別率，但是，這些取得優(yōu)異測(cè)試成績(jī)的算法在警務(wù)實(shí)戰(zhàn)中，其性能未完全兌現(xiàn)，誤報(bào)、漏報(bào)頻繁出現(xiàn)，這給一線警務(wù)人員帶來(lái)巨大困擾[4]。

從一線警務(wù)人員的實(shí)際體驗(yàn)出發(fā)，判定人臉識(shí)別算法優(yōu)劣取決于推送到一線警力的預(yù)警質(zhì)量，最為理想的狀況是每次推送的預(yù)警通過(guò)民警現(xiàn)場(chǎng)核實(shí)，都判定現(xiàn)場(chǎng)人員身份與預(yù)警身份一致，即人臉預(yù)警準(zhǔn)確率（acc）為100%，按照這一邏輯，面向警務(wù)實(shí)戰(zhàn)環(huán)境的人臉預(yù)警準(zhǔn)確率為：

其中，acc1為第i種專題庫(kù)的人臉預(yù)警準(zhǔn)確率，mi是指第i種專題庫(kù)正確預(yù)警數(shù)（通過(guò)見面核查判定現(xiàn)場(chǎng)人員與預(yù)警人員身份一致），ni為第i種專題庫(kù)下發(fā)預(yù)警總數(shù)。

按照以上的評(píng)測(cè)方法，以2019年蘇州“城市盾牌”約8.3萬(wàn)條人臉預(yù)警作為數(shù)據(jù)源，經(jīng)統(tǒng)計(jì)發(fā)現(xiàn)未經(jīng)干預(yù)的人臉預(yù)警準(zhǔn)確率僅為37.43%，即出警100次，能正確核查37人，但是針對(duì)全國(guó)性的布控庫(kù)，比如在逃預(yù)警比對(duì)庫(kù)，人臉預(yù)警準(zhǔn)確率僅達(dá)到9.3%。通過(guò)中位數(shù)法對(duì)相似度進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)在逃人員相似度在90%至92%之間非常集中且區(qū)分度不大，因此，單一依賴算法本身難以剔除誤報(bào)預(yù)警，詳細(xì)圖表如圖1所示。

二、影響因素

（一）前端抓拍質(zhì)量

綜合分析2019年蘇州“城市盾牌”預(yù)警數(shù)據(jù)，并結(jié)合2019年全球人臉識(shí)別算法測(cè)試結(jié)果（FRVT），發(fā)現(xiàn)前端智能設(shè)備抓拍的人臉質(zhì)量與人臉預(yù)警準(zhǔn)確率呈高度正相關(guān)，抓拍照片質(zhì)量是人臉預(yù)警準(zhǔn)確率最為關(guān)鍵的因素。通過(guò)分析錯(cuò)誤預(yù)警數(shù)據(jù)發(fā)現(xiàn)，光照、角度、人物姿態(tài)等前端抓拍環(huán)境影響最大，前端抓拍質(zhì)量越差，人臉預(yù)警準(zhǔn)確率越低。

（二）專題庫(kù)類型與質(zhì)量

從圖1可以看出，專題庫(kù)人員構(gòu)成對(duì)于人臉預(yù)警準(zhǔn)確率影響明顯，蘇州本地布控庫(kù)、全省布控庫(kù)、長(zhǎng)三角布控庫(kù)、全國(guó)布控庫(kù)（在逃人員）的人臉預(yù)警準(zhǔn)確率呈遞減形態(tài)，布控專題庫(kù)人員覆蓋地域越廣，預(yù)警準(zhǔn)確度越低，這一規(guī)律也驗(yàn)證了地理學(xué)第一定律，即任何地理事物都是空間自相關(guān)，離得越近關(guān)聯(lián)更緊密。同時(shí)，通過(guò)對(duì)錯(cuò)誤預(yù)警篩查發(fā)現(xiàn)，專題庫(kù)照片質(zhì)量（照片年代及照片本身質(zhì)量，包括側(cè)臉、黑白及模糊照片）也是影響預(yù)警準(zhǔn)確率的重要因素。

（三）比對(duì)算法本身局限性

在蘇州公安“城市盾牌”建設(shè)過(guò)程中，國(guó)內(nèi)主流廠商大多參與了測(cè)試和試用工作，不同廠商在算法本身有性能差異，也直接影響了人臉預(yù)警準(zhǔn)確率，因此，算法本身也需要不斷提升性能來(lái)適應(yīng)復(fù)雜的警務(wù)實(shí)戰(zhàn)場(chǎng)景。

三、優(yōu)化策略

（一）標(biāo)準(zhǔn)化前端采集

結(jié)合警務(wù)實(shí)戰(zhàn)需求，將前端建設(shè)細(xì)分為國(guó)省道綜合檢查站、高速出入口、政治核心區(qū)、集貿(mào)中心、居民小區(qū)、校園等30余類典型場(chǎng)景，分場(chǎng)景制定相關(guān)的技術(shù)標(biāo)準(zhǔn)、建設(shè)標(biāo)準(zhǔn)和數(shù)據(jù)接入規(guī)范，通過(guò)借助高質(zhì)量前端建設(shè)，來(lái)提升人臉抓拍數(shù)據(jù)質(zhì)量，把好人臉應(yīng)用的第一道關(guān)。

（二）輔助迭代更新算法

建立人臉預(yù)警處置反饋的業(yè)務(wù)閉環(huán)，并將各類誤報(bào)、漏報(bào)實(shí)例進(jìn)行統(tǒng)一建庫(kù)，形成反向訓(xùn)練集，交由算法廠商進(jìn)行再學(xué)習(xí)、再訓(xùn)練，并針對(duì)現(xiàn)有算法反復(fù)迭代，提升算法魯棒性和精準(zhǔn)度。

（三）優(yōu)化提升專題庫(kù)數(shù)據(jù)質(zhì)量

建立專題庫(kù)更新機(jī)制，將鮮活的高質(zhì)量的旅館核驗(yàn)照片、人口登記照片實(shí)時(shí)納入專題庫(kù)替代原有老舊照片；及時(shí)清洗專題庫(kù)照片，將模糊、黑白、側(cè)臉等低質(zhì)量照片篩選出來(lái)并單獨(dú)建庫(kù)，借助其他大數(shù)據(jù)手段不斷迭代更新該類照片。

（四）建立二次自動(dòng)評(píng)估機(jī)制

分析2019FRVT報(bào)告全文可以看出，沒有任何一家算法廠商實(shí)現(xiàn)了“贏家通吃”局面，在各個(gè)細(xì)分場(chǎng)景評(píng)測(cè)中，各個(gè)算法也有各自傾向性優(yōu)勢(shì)。因此，本文創(chuàng)新構(gòu)建二次自動(dòng)評(píng)估機(jī)制，通過(guò)引入第二套人臉比對(duì)引擎并利用1:1算法對(duì)預(yù)警信息作二次評(píng)估，以此來(lái)提升人臉預(yù)警精準(zhǔn)度和可信度，具體流程如圖2所示。

（五）構(gòu)建貼合實(shí)戰(zhàn)業(yè)務(wù)模型

除了針對(duì)數(shù)據(jù)質(zhì)量、識(shí)別算法等技術(shù)因素外，通過(guò)總結(jié)提煉實(shí)戰(zhàn)經(jīng)驗(yàn)來(lái)構(gòu)建業(yè)務(wù)過(guò)濾模型，并以此對(duì)預(yù)警信息再次驗(yàn)證過(guò)濾（如圖2所示），可以進(jìn)一步提升預(yù)警準(zhǔn)確率。比如，針對(duì)在逃專題庫(kù)，可以建立在逃預(yù)警過(guò)濾模型（如圖3所示）：在符合兩次預(yù)警比對(duì)的基礎(chǔ)上，如果在逃預(yù)警人員與當(dāng)?shù)氐怯浫丝诘念A(yù)警相似度很高，則認(rèn)為誤報(bào)可能性大，不下發(fā)該條預(yù)警。但這個(gè)邏輯的前提是在蘇登記人口與在逃人員基于身份證號(hào)碼已經(jīng)建立了正向和反向的比對(duì)，即新增的在蘇登記人口要與在逃人員批量比對(duì)（正向比對(duì)），新增的在逃人員要與在蘇登記人口批量比對(duì)（反向比對(duì)）。隨著提煉的戰(zhàn)法模型越來(lái)越多，各要素關(guān)聯(lián)性會(huì)越來(lái)越強(qiáng)，識(shí)別準(zhǔn)確率會(huì)比單純的依賴算法這一單一要素來(lái)的更加準(zhǔn)確。

四、結(jié)語(yǔ)

2019年，蘇州“城市盾牌”率先應(yīng)用二次自動(dòng)評(píng)估機(jī)制與多個(gè)業(yè)務(wù)過(guò)濾模型，通過(guò)2019年預(yù)警數(shù)據(jù)分析，本文優(yōu)化策略增大了預(yù)警相似度區(qū)分空間，在應(yīng)用策略前，預(yù)警相似度中位數(shù)集中在90%至92%之間，難以通過(guò)設(shè)置相似度閾值來(lái)過(guò)濾區(qū)分預(yù)警真?zhèn)?，但在?yīng)用策略后，預(yù)警相似度中位數(shù)分布空間增加，主要集中在67%至97%之間，通過(guò)設(shè)置一定閾值后，可以大幅提升人臉預(yù)警識(shí)別準(zhǔn)確率（如圖4所示），特別是在逃專題庫(kù)的預(yù)警準(zhǔn)確度由原來(lái)的9.3%上升到了62.5%，提升了用戶體驗(yàn)，實(shí)現(xiàn)了效能倍增。2019年，全市各級(jí)職能部門依托“城市盾牌”已抓獲各類對(duì)象6662名（其中在逃人員1680名），協(xié)助巡邏力量精準(zhǔn)盤查16862人（其中入所審查1200余人），累計(jì)輸出各類情報(bào)信息超過(guò)93000余條。

“城市盾牌”取得重大實(shí)戰(zhàn)成效，充分驗(yàn)證了人臉預(yù)警準(zhǔn)確率的影響因子分析準(zhǔn)確，優(yōu)化策略有效，可以為全國(guó)各地公安機(jī)關(guān)開展動(dòng)態(tài)人臉應(yīng)用提供參考。