微模式動(dòng)態(tài)人臉識(shí)別布控系統(tǒng)解決方案
微模式動(dòng)態(tài)人臉識(shí)別布控系統(tǒng)，智能視頻監(jiān)控在原有的視頻監(jiān)控基礎(chǔ)上增加智能視頻分析功能，系統(tǒng)能夠根據(jù)設(shè)置的布控方案自動(dòng)判斷每一路監(jiān)控場(chǎng)景是否存在異常情況，當(dāng)產(chǎn)生異常情況后系統(tǒng)將自動(dòng)產(chǎn)生告警……
前言
隨著經(jīng)濟(jì)全球化的影響日益深入，改革開放的進(jìn)一步推進(jìn)和城市化建設(shè)的步伐日益加快，導(dǎo)致城市人口密集、流動(dòng)人口增加，引發(fā)了城市建設(shè)中的交通、社會(huì)治安、重點(diǎn)區(qū)域防范等城市管理問題。當(dāng)前治安形勢(shì)多樣性、復(fù)雜性、犯罪作案手段隱蔽性以及刑事案件高發(fā)，尤其是近年來年對(duì)城市反恐的新要求，為公安管理工作特別是預(yù)防犯罪和執(zhí)法工作提出了新的挑戰(zhàn)。但是由于目前公安警力增加遠(yuǎn)不能滿足實(shí)際需求的發(fā)展速度，于是隨著人工智能技術(shù)和監(jiān)控?cái)z像技術(shù)的發(fā)展，能將科技手段轉(zhuǎn)化為直接戰(zhàn)斗力的城市治安圖像監(jiān)控成為了解決該問題的重要手段，為直接為破獲案件提供了便利。
傳統(tǒng)安防識(shí)別方法缺陷及解決
傳統(tǒng)監(jiān)控識(shí)別方法帶來的問題，首先無法避免人類自身不可靠的弱點(diǎn)，不能始終保持警惕，察覺安全威脅，注意力難以持久，容易錯(cuò)過重要畫面信息。其次攝像機(jī)數(shù)量大于監(jiān)視器數(shù)量，并非采用1:1方式，輪巡顯示、多畫面小圖像的方式，很可能錯(cuò)過異常現(xiàn)象，聽任事態(tài)發(fā)展。另外監(jiān)視與錄像分開，不能留住瞬間畫面或者快速抽調(diào)錄像，輔助分析。最后，目前錄像內(nèi)容，僅供事后參考，對(duì)于異常情況或者突發(fā)事故如果發(fā)生，損失和影響將無法挽回，屬于被動(dòng)監(jiān)控。
微模式動(dòng)態(tài)人臉識(shí)別布控系統(tǒng)解決方案
微模式動(dòng)態(tài)人臉識(shí)別布控系統(tǒng)，智能視頻監(jiān)控在原有的視頻監(jiān)控基礎(chǔ)上增加智能視頻分析功能，系統(tǒng)能夠根據(jù)設(shè)置的布控方案自動(dòng)判斷每一路監(jiān)控場(chǎng)景是否存在異常情況，當(dāng)產(chǎn)生異常情況后系統(tǒng)將自動(dòng)產(chǎn)生告警。
一、人臉識(shí)別技術(shù)
1、人臉檢測(cè)
“人臉檢測(cè)(FaceDetection)”是檢測(cè)出圖像中人臉?biāo)谖恢玫囊豁?xiàng)技術(shù)。
人臉檢測(cè)算法的輸入是一張圖片，輸出是人臉框坐標(biāo)序列(0個(gè)人臉框或1個(gè)人臉框或多個(gè)人臉框)。一般情況下，輸出的人臉坐標(biāo)框?yàn)橐粋€(gè)正朝上的正方形，但也有一些人臉檢測(cè)技術(shù)輸出的是正朝上的矩形，或者是帶旋轉(zhuǎn)方向的矩形。
常見的人臉檢測(cè)算法基本是一個(gè)“掃描”加“判別”的過程，即算法在圖像范圍內(nèi)掃描，再逐個(gè)判定候選區(qū)域是否是人臉的過程。因此人臉檢測(cè)算法的計(jì)算速度會(huì)跟圖像尺寸、圖像內(nèi)容相關(guān)。開發(fā)過程中，我們可以通過設(shè)置“輸入圖像尺寸”、或“最小臉尺寸限制”、或“人臉數(shù)量上限”的方式來加速算法。
2、人臉配準(zhǔn)
“人臉配準(zhǔn)(FaceAlignment)”是定位出人臉上五官關(guān)鍵點(diǎn)坐標(biāo)的一項(xiàng)技術(shù)。
人臉配準(zhǔn)算法的輸入是“一張人臉圖片”加“人臉坐標(biāo)框”，輸出五官關(guān)鍵點(diǎn)的坐標(biāo)序列。五官關(guān)鍵點(diǎn)的數(shù)量是預(yù)先設(shè)定好的一個(gè)固定數(shù)值，可以根據(jù)不同的語義來定義(常見的有5點(diǎn)、68點(diǎn)、90點(diǎn)等等)。
當(dāng)前效果的較好的一些人臉配準(zhǔn)技術(shù)，基本通過深度學(xué)習(xí)框架實(shí)現(xiàn)，這些方法都是基于人臉檢測(cè)的坐標(biāo)框，按某種事先設(shè)定規(guī)則將人臉區(qū)域扣取出來，縮放的固定尺寸，然后進(jìn)行關(guān)鍵點(diǎn)位置的計(jì)算。因此，若不計(jì)入圖像縮放過程的耗時(shí)，人臉配準(zhǔn)算法是可以計(jì)算量固定的過程。另外，相對(duì)于人臉檢測(cè)，或者是后面將提到的人臉提特征過程，人臉配準(zhǔn)算法的計(jì)算耗時(shí)都要少很多。
3、人臉屬性識(shí)別
“人臉屬性識(shí)別(FaceAttribute)”是識(shí)別出人臉的性別、年齡、姿態(tài)、表情等屬性值的一項(xiàng)技術(shù)。
一般的人臉屬性識(shí)別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識(shí)別算法一般會(huì)根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對(duì)齊(旋轉(zhuǎn)、縮放、扣取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài))，然后進(jìn)行屬性分析。
常規(guī)的人臉屬性識(shí)別算法識(shí)別每一個(gè)人臉屬性時(shí)都是一個(gè)獨(dú)立的過程，即人臉屬性識(shí)別只是對(duì)一類算法的統(tǒng)稱，性別識(shí)別、年齡估計(jì)、姿態(tài)估計(jì)、表情識(shí)別都是相互獨(dú)立的算法。但的一些基于深度學(xué)習(xí)的人臉屬性識(shí)別也具有一個(gè)算法同時(shí)輸入性別、年齡、姿態(tài)等屬性值的能力。
4、以在基本保證算法效果的前提下，將模型大小和運(yùn)算速度優(yōu)化到移動(dòng)端可用的狀態(tài)
5、人臉比對(duì)(人臉驗(yàn)證、人臉識(shí)別、人臉檢索、人臉聚類)
“人臉比對(duì)(FaceCompare)”是衡量?jī)蓚€(gè)人臉之間相似度的算法
人臉比對(duì)算法的輸入是兩個(gè)人臉特征(注：人臉特征由前面的人臉提特征算法獲得)，輸出是兩個(gè)特征之間的相似度。人臉驗(yàn)證、人臉識(shí)別、人臉檢索都是在人臉比對(duì)的基礎(chǔ)上加一些策略來實(shí)現(xiàn)。相對(duì)人臉提特征過程，單次的人臉比對(duì)耗時(shí)極短，幾乎可以忽略。
基于人臉比對(duì)可衍生出人臉驗(yàn)證(FaceVerification)、人臉識(shí)別(FaceRecognition)、人臉檢索(FaceRetrieval)、人臉聚類(FaceCluster)等算法。
6、人臉驗(yàn)證
“人臉驗(yàn)證(FaceVerification)”是判定兩個(gè)人臉圖是否為同一人的算法。
它的輸入是兩個(gè)人臉特征，通過人臉比對(duì)獲得兩個(gè)人臉特征的相似度，通過與預(yù)設(shè)的閾值比較來驗(yàn)證這兩個(gè)人臉特征是否屬于同一人(即相似度大于閾值，為同一人;小于閾值為不同)。
7、人臉識(shí)別
“人臉識(shí)別(FaceRecognition)”是識(shí)別出輸入人臉圖對(duì)應(yīng)身份的算法。
它的輸入一個(gè)人臉特征，通過和注冊(cè)在庫中N個(gè)身份對(duì)應(yīng)的特征進(jìn)行逐個(gè)比對(duì)，找出“一個(gè)”與輸入特征相似度較高的特征。將這個(gè)較高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對(duì)應(yīng)的身份，否則返回“不在庫中”。
8、人臉檢索
“人臉檢索”是查找和輸入人臉相似的人臉序列的算法。
人臉檢索通過將輸入的人臉和一個(gè)集合中的說有人臉進(jìn)行比對(duì)，根據(jù)比對(duì)后的相似度對(duì)集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。
9、人臉聚類
“人臉聚類(FaceCluster)”是將一個(gè)集合內(nèi)的人臉根據(jù)身份進(jìn)行分組的算法。
人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對(duì)，再根據(jù)這些相似度值進(jìn)行分析，將屬于同一個(gè)身份的人劃分到一個(gè)組里。
在沒有進(jìn)行人工身份標(biāo)注前，只知道分到一個(gè)組的人臉是屬于同一個(gè)身份，但不知道確切身份。另外假設(shè)集合中有N個(gè)人臉，那么人臉聚類的算法復(fù)雜度為O(N2)
10、人臉活體
“人臉活體(FaceLiveness)”是判斷人臉圖像是來自真人還是來自攻擊假體(照片、視頻等)的方法。
和前面所提到的人臉技術(shù)相比，人臉活體不是一個(gè)單純算法，而是一個(gè)問題的解法。這個(gè)解法將用戶交互和算法緊密結(jié)合，不同的交互方式對(duì)應(yīng)于完全不同的算法。鑒于方法的種類過于繁多，這里只介紹“人臉活體”的概念，不再展開。
二、設(shè)備系統(tǒng)組成
微模式動(dòng)態(tài)人臉布控系統(tǒng)是基于人臉識(shí)別核心算法的智能系統(tǒng)，通過在人員密集及重點(diǎn)人員管控等場(chǎng)所的進(jìn)口通道，布置人臉圖像采集攝像頭，系統(tǒng)將搜索采集到的人臉圖像與人臉圖像庫進(jìn)行比對(duì)，比對(duì)成功后迅速鎖定嫌疑人員，并輔以人工研判，并將預(yù)警信息發(fā)送至管控責(zé)任單位或責(zé)任人終端，由相關(guān)人員開展處置工作。該系統(tǒng)能快速準(zhǔn)確無誤識(shí)別重點(diǎn)管控人員，是安防的重要手段，應(yīng)用廣泛。
系統(tǒng)設(shè)備：
人臉圖像采集終端：
1.人臉抓拍攝像機(jī)
通過攝像頭進(jìn)行人臉捕捉抓拍后，攝像頭自動(dòng)將所抓拍到的人臉圖像進(jìn)行人臉去重、人臉質(zhì)量評(píng)判等流程作業(yè)，最后將合格的人臉照片圖像傳到后臺(tái)與重點(diǎn)人員人臉庫再進(jìn)行識(shí)別比對(duì)、核驗(yàn)。
2.普通網(wǎng)絡(luò)攝像機(jī)
通過網(wǎng)絡(luò)攝像頭監(jiān)控區(qū)域，攝像頭自動(dòng)獲取視頻流送至人臉檢測(cè)服務(wù)器，由人臉檢測(cè)服務(wù)器對(duì)視頻流進(jìn)行人臉檢測(cè)、人臉去重、人臉質(zhì)量評(píng)判等流程作業(yè)，最后將合格的人臉照片圖像傳到后臺(tái)與重點(diǎn)人員人臉庫進(jìn)行識(shí)別比對(duì)、核驗(yàn)。
產(chǎn)品功能簡(jiǎn)介：
1.市局權(quán)限分級(jí)：市局授予權(quán)限，給分局分配不同賬戶，實(shí)現(xiàn)多賬戶信息共享;
2.預(yù)警發(fā)送：短信、微信等多方式傳送到管控終端，實(shí)時(shí)掌握重點(diǎn)人員信息;
3.研判工具：根據(jù)案件偵查情況，可依據(jù)時(shí)間、地域等對(duì)重點(diǎn)人員進(jìn)行布控追查;
4.平安城市視頻對(duì)接：與平安城市視頻監(jiān)控進(jìn)行對(duì)接，進(jìn)行重點(diǎn)人員布控;
5.公安局平臺(tái)對(duì)接：對(duì)接公安系統(tǒng)平臺(tái)，預(yù)警信息實(shí)時(shí)發(fā)送。
6應(yīng)用領(lǐng)域：火車站、汽車站、地鐵站、公交車站、機(jī)場(chǎng)等，人員密集場(chǎng)所、大型會(huì)議安保、重點(diǎn)人員臨時(shí)布控。
三、部分應(yīng)用場(chǎng)景
1.教育行業(yè)：
應(yīng)用在幼兒園、中小學(xué)中，提高校園安全率。快速識(shí)別本校學(xué)生、老師、家長(zhǎng)，杜絕陌生人進(jìn)入，杜絕小朋友被冒領(lǐng)現(xiàn)象。在各種重大考試中，可利用人臉識(shí)別技術(shù)確認(rèn)考生身份，防止假證考試、替考等不良現(xiàn)象。在考場(chǎng)中，可以全程監(jiān)考，避免作弊現(xiàn)在發(fā)生，既保證考試的公平公正性，又大降低了學(xué)校的人工成本。
2.公安行業(yè)：
在一些公眾場(chǎng)合安裝攝像頭，利用動(dòng)態(tài)人臉識(shí)別布控讓民警可以從重復(fù)、繁雜的視頻觀察中解放出來。通過高清攝像頭抓取人臉、再進(jìn)行大庫比對(duì)，警方可以輕易找出重點(diǎn)人員流動(dòng)路徑。可以廣泛應(yīng)用于機(jī)場(chǎng)、車站、港口、地鐵重點(diǎn)場(chǎng)所和大型商超等人群密集公共場(chǎng)所，以達(dá)到對(duì)一些重點(diǎn)人員的排查，抓捕逃犯等目的。
