人脸识别在安防系统的应用研究

人脸识别的应用背景

经济的快速发展，带来人员在不同地域之间频繁的流动，随之而来的是对公众人员的安全管理的需求迅速增加，每年刑事案件和治安案件逐年上升，众多涉案人员在逃，此外，还有数量更为庞大的小偷惯犯难以抓捕。据不完全统计，目前公安在逃人员约50万，各地的公安需要新的技术手段对协助其案件技侦和对重点区域提供安全保障。而另一方面，目前平安城市基本上完成了联网、高清化的建设，正在走向以实战应用、云服务等为代表的新一轮发展，现有的监控系统每天产生海量的网络高清视频数据，其中就包含大量可用的人脸信息，而当前这些人脸的信息整体的利用率不高，配套的使用工具简单，甚至是依靠人工排查的土办法。因此，为了实现在海量视频中的人员身份的快速识别，人脸识别技术无疑是最佳的选择。

人脸识别作为一种新兴的安防智能化产品，其技术源头始于20世纪60年代，上世纪90年代计算机的出现，人脸识别的才进入了真正的机器自动识别阶段。目前，在安防监控领域，人脸识别主要是基于对可见光图像的人脸识别。人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，虽然环境光线、人脸的分辨率对识别结果存在影响，但相比其它特征识别，其具有非强制性、隐蔽性、友好性、高并发性等特点，因此，对于开放的公共环境下的应用，人脸识别产品有不可比拟的优势。

目前，市场上人脸识别产品中，静态人脸识别产品的使用比较广泛且成熟，在通关、金融、电信、公证等领域需要对人和证件进行一致性验证的场景下，人脸识别系统应用表现良好。尤其是金融行业，由于银行业务对身份核实的需要及VTM的推广，客户在办理业务或自助办理业务过程中一般均要对客户的身份进行验证核实，在实际应用中，系统获取客户身份证件内的人脸照片和现场客户的图片进行人脸识别比对，完成人证一致性验证，大大提升金融的业务工作效率。动态人脸识别的应用当前处于前期阶段，并逐步开始在交通、公安、楼宇、社区等领域推广。由于识别目标的非配合性，动态人脸识别应用上比静态人脸稍复杂，实现人脸识别的高准确率和时效性是业务应用的前提，需要专业的团队开发、部署才能取得满意使用结果。

人脸识别技术和应用模式是两翼，服务是主体

人脸识别算法技术

当前人脸识别系统是由人脸图像采集、预处理、特征提取、匹配识别这几个过程。目前，人脸识别的算法很多，业内比较推崇的是基于神经网络的人脸识别算法。神经网络算法是受到人的神经系统启发，利用大量简单处理单元互联而构成的复杂系统，模仿人的认知系统，通过学习的过程获得其它方法难以实现的关于人脸识别的规律和规则的隐性表达。算法在经过大量人脸正负样本数据的训练后，其在准确率、容错性、鲁棒性等方面相比其他算法优势明显，是一种高效的学习算法，极适于解决人脸识别这样的问题。

企业只有在掌握了人脸识别核心算法，才能开发出符合应用要求的人脸识别产品，目前业内只有少数的大厂家和研究机构推出人脸识别产品。例如：佳都科技、海康威视、大华等。以佳都科技为例，其人脸核心算法在神经网络的基础上加入深度学习机制，不断监测和微调优化学习网络，取得更好的识别结果。

新老项目混合，多种应用模式是基础

目前，安防系统中人脸识别系统主要是基于对监控视频内的动态的人脸进行检测、识别、报警、查询的系统，一般其包含了：人脸采集服务模块、人脸实时识别服务模块、人脸检索服务模块、应用服务模块。能够在实时和事后，提供人脸抓拍、1: N动态人脸识别、人脸检索查询等多种人脸服务。对于人脸采集模块，目前有2种实现方式，第1种，直接使用具有人脸抓拍功能的摄像机采集人脸信息，该摄像机直接从其自身的视频画面中捕获的人脸图片，并传输到后台识别和储存。这种模式适合新建设的监控项目中实现人脸识别的应用，人脸抓拍摄像机可复用，既用于日常监控，又用于人脸抓拍，无需增加太多成本。第2种，使用普通的网络摄像机配合人脸抓拍主机，由人脸抓拍主机从摄像机的视频流中抓拍人脸图片信息并传输到识别模块。这种模式适合在原有的监控系统基础上二次改造，无需采购和安装新的人脸抓拍摄像机，即可增加人脸识别应用服务，节约客户成本、简化了部署条件。目前，佳都科技的人脸识别系统的人脸采集模块综合了以上2种方案，充分发挥各自优势相互补充，可根据项目的实际情况，为用户提供最优化的解决方案。