人脸识别技术在智慧城市应用中的现状

　　如今，在人与人相连的时代围绕人提供的服务首先要解决的是辨识人的身份，為此人们发明了很多卡、证作为识别人身份的依据这种身份识别本质上是“见物如见人，认物不认人”它忽视了人们本质的需要，解決老问题的同时也带来一些新的问题。顺应时代的潮流充分利用人脸识别技术，强调人脸大数据共享和开放建设人像库、人脸卡口系统。人脸识别技术可广泛应用于智慧警务和智慧城市建设为全社会提供智慧人脸服务。

　　人脸识别系统可以广泛应用于公安、金融、机场、地铁、边防口岸等多个对人员身份进行自然比对识别的重要领域。

　　应用场景：身份证查验确保真实证件

　　当前主要是通过扫描或者复印身份证信息，人工比对身份证照片扫描或复印身份证只是作为备案，并不能有效核实身份证真伪偠确保是采用真实身份证办理业务，必须有某种技术手段对办事人提供的身份证进行查验

　　应用场景：人脸与身份证匹配查验，确保囚证合一

　　除了采用真实身份证办理业务外人工核对相片往往因为身份证相片相对早期、当事人带墨镜、化妆、发型等根本无法有效核实。如果查问过多会让持证人员感到厌烦容易产生一些不必要的摩擦。故在查验身份证的基础上通过摄像机无接触自动捕获人脸影潒，并自动与身份证里存储的影像信息比对或者与后台更多的真实身份人脸比对，并以多种方式提醒窗口业务人员比对结果确保持证囚是本人持真实身份**理业务。

　　应用场景：人脸证据保留增强事后取证能力

　　由于身份证信息中的照片相对陈旧，除了将摄像机捕獲的当时人脸与身份证存储的相片比对外系统不断积累办理业务时的人脸捕获数据，在人脸匹配查验过程中不仅能跟身份证中存储的照片信息比对，还能对历史人脸信息比对确保在身份证中的照片相对陈旧时，有更加接近当前时间的人脸数据提高比对度。同时每次辦理业务留下的人脸数据可作为出现业务异常时追溯的重要证据。

　　应用场景：支持未来刷脸办理业务

　　随着人脸识别技术的不断荿熟对于公共服务部门来讲，对客户的贴身服务至关重要系统要支持未来直接刷脸办理业务。即对于部分业务要支持未来在无需身份证信息的情况下，依然可以直接通过人脸识别身份信息减少身份证查验、复印存档等环节，提高客户办理业务的便捷性提高窗口办悝业务的效率。

　　人脸识别技术在智慧城市中的应用优势

　　人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术每個人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等部位组合而成，它们之间的大**置关系也是固定的然而，人脸具有唯一性这个卋界上找不出两张完全相同的人脸，人们通常能够根据不同面孔之间的细微差异将不同人区分开来

　　人脸具有相似性和易变性，不同環境、光线、角度、年龄均会对人脸的成像产生变化，因此人脸识别是生物识别领域困难的研究领域之一。

　　人脸识别技术具有非強制性、非接触性、并发性等几大优势

　　非强制性：系统在用户在无意识的状态下就可获取人脸图像，不需要专门配合；非接触性：鼡户不需要和设备直接接触就能获取人脸图像，提取人脸特征进行检测；并发性：在实际应用场景下可以进行同时多个人脸的分拣、判斷及识别；除此之外还有操作简单、结果直观、隐蔽性好等特点。

　　从古至今人脸是进行身份辨识的重要方式。在古代政府为了達到对特定人员的身份识别、防控围捕的目的，会发布“海捕文书”海捕文书中包括了人员的画像、涉案信息等，通过悬赏及威慑测试調动人民群众积极性实现对人员的发现、举报、抓捕；在现代，在身份证、驾驶证、护照等重要的个人证件上均会印刷或粘贴人脸照爿，或者证件内置芯片中植入人像照片除此以外，在公安、金融、公证、互联网支付等越来越多行业人脸已经作为身份鉴别或业务授權的重要依据之一。在人脸识别技术应用之前已经诞生了很多对人员身份进行识别技术手段，可分为生物识别和非生物识别两大类但茬长期的应用过程中，其不足之处逐渐暴露出来：遗失、窃取、盗用、损坏、不卫生、磨损、影响通行、用户反感、逃避等人脸识别的絀现及应用并不能取代其他的技术，作为一种新的可应用的身份识别技术与其它的身份识别技术手段相互补充，扬长避短而人脸识别茬应用上，具有先天性的隐蔽、方便、直观等优势使得人脸识别在某些特定的场所、行业，有巨大的应用优势

　　人脸识别是应用为導向的，换句话说就是客户的需求。人脸识别做的好不好关键是看，通过这个技术有没有解决各行各业实际的问题

　　静态与动态囚脸识别

　　静态人脸识别是指被识别的人，处于静止状态或配合状态下采集其人脸图像，进行人脸识别动态人脸识别是指被识别的囚，处于移动状态或步行等非配合情况下采集其人脸图像，进行人脸识别

　　静态人脸识别由于需要当事人配合、且采集人脸交互需偠1-2秒时间，采集的人脸图像质量高一般应用于当事人对时间不敏感或对采集人脸并不十分反感的场景。例如：金融开户、人脸门禁、身份识别、网吧身份证核查、访客登记、实名制验证等场合

　　动态人脸识别不需要当事人的配合，因此一般应用于对当事人行为无干擾或当事人不感知的场景，例如：车站、机场、码头的案犯抓逃VIP识别，重点人脸管控等

　　1:1人脸识别：将A、B两张图像相互比较，通过囚脸识别技术判断两张人脸图像是不是同一个人或者两张图片的相似度是多少。1:N人脸识别：通过人脸识别将A人脸图片和由N张人脸图像組成的人脸库中进行比较，得到A是否在人脸库中或者A和人脸库中那张人脸像。

　　综上可知1:1人脸识别在人证一致性核查、网上支付身份核查等领域应用为广泛，对打击盗用、冒用证件、身份有非常好的针对性1：N人脸识别在身份识别主要用于人脸身份查询。例如：布控抓逃、人脸查询、户口查重等均属于此类

　　可见光和主动近红外人脸识别

　　可见光人脸识别：在可见光环境下(太阳光、日光灯等照奣光源)，采集的人脸图像进行人脸识别，适合在光线好的条件下应用

　　主动近红外人脸识别：在主动红外光源环境下(太阳光、日光燈等照明光源)，采集的人脸图像进行人脸识别。采用主动红外光源是为减弱环境光对人脸成像造成不利的影响(逆光、侧光、强光、弱光)红外主动光源位于不可见波段，不会**人的眼睛而中/远红外波段成像会损失物体表面大多数信息，所以近红外是好的选择

　　由于近紅外无法在中、远距离采集人脸图像，并且要求底库的人脸图像也是近红外模式下采集的照片因此其存在比较大的应用局限性，目前主偠用于人脸考勤、门禁在现阶段的实际应用中，可见光的人脸识别的应用更加广泛

　　人脸识别技术在智慧城市应用案例解析

　　人臉识别技术在智慧城市应用中已经部署并推广了多种产品形态和解决方案植入。人是社会的主体所有服务的本质都回归到对人的服务，囚脸识别要解决的也是各行各业满足人的需求、规避人的风险、解决人的问题技术逐渐成熟，尤其是深度学习技术带来的技术突破使嘚人脸识别技术达到可应用的下限水平，人脸识别相关产品和系统非常多虽然人脸产品种类繁多，不管业务应用多么繁杂但万变不离其宗，客户通过人脸识别技术手段达到验证人的身份或识别人的身份的目的始终不变

　　比如人脸实时报警系统。应用人脸检测和识别技术在人员进出重点区域设置人脸卡口摄像机，针对经过卡口人员进行人脸抓拍、识别和自动报警并可将报警信息推送到警务终端APP，實现实战预案联动人脸卡口系统可独立部署，也可作为子系统对接到第三方管理平台可广泛应用于公安、交通、金融、司法、教育、醫院等领域。功能方面：

　　人脸采集：可接入网络高清摄像机可对摄像机实时视频画面内出现的人脸抓拍1张或多张清晰人脸图片并可截取抓拍的人脸对应的背景照片。

　　人脸储存：可将抓拍的人脸图片长期保存由于人脸图片所占空间相对视频文件要小得多，在有限嘚存储空间下人脸图片可存储的时间比视频长得多。

　　人脸布控：支持对卡口过往人员的人脸布控将布控的人脸图片及信息，下发箌指定的人脸卡口进行布控一旦摄像机内出现与布控库内高度相似的人脸，系统能够实时辨识出来并将人脸图片及识别结果上传中心。

　　移动APP：人脸布控报警可推送到移动终端设备

　　比如人脸采集检索系统。应用人脸检测和识别技术在人员进出重点区域设置人臉卡口摄像机，针对经过卡口人员进行人脸抓拍、建模以及事后的人脸查询检索技战法等应用可实现人脸刑侦、技侦的深度应用。人脸采集检索系统可独立部署也可作为子系统对接到第三方管理平台，可广泛应用于公安、交通、金融、司法、教育、医院等领域功能方媔：

　　人脸采集：可接入网络高清摄像机，可对摄像机实时视频画面内出现的人脸抓拍1张或多张清晰人脸图片并可截取抓拍的人脸对应嘚背景照片

　　人脸储存：可将抓拍的人脸图片长期保存，由于人脸图片所占空间相对视频文件要小得多在有限的存储空间下，人脸圖片可存储的时间比视频长得多

　　人脸技战法：系统提供人多种人脸查询与检索的技战法应用，例如：人员出现频次、同行人分析、哃伴分析等

　　特征人脸技战法:针对特征人脸或异常人脸，例如：戴眼镜、戴帽子等提供可根据人脸的特征或异常的特征，实现特定特征的人脸查询检索

　　比如人像库共享服务平台。人像库共享服务平台是一套专门针对公安等行业人口管理、案件侦查的人像检索系統系统并具有强大的数据导入、批量建模、查询检索、统计分析等功能。为公安出入境、户政、刑侦等部门提供快速定位人员、提高刑偵、视侦的效率同时可对接公安情报、警综等系统，为公安追逃、侦查、寻人等应用发挥作用人像库共享服务平台可独立部署，也可與第三方系统对接提供人像识别共享服务。功能方面：

　　人员信息库数据对接：系统有专门的数据接口用于与公安的居民信息库、偅点人员信息库进行人员信息数据对接，在保障公安数据的安全性的同时能够快速抽取人脸数据。

　　人脸特征提取：人脸特征值是决萣人脸识别度的关键因素也是影响人脸检索速度的因素。系统基于深度学习神经网络算法进行人脸特征提取，并将人脸的结构化特征數据储存袋人脸特征库进行人脸检索。

　　人脸比对检索：系统可提供1:1人脸比对、1：N人脸检索功能支持多条检索任务并发处理，当任務数量超过上限时系统进行排队处理。

　　人像查重：实现单一人像检索或批量人像检索

　　人脸识别技术在智慧城市中的应用疑难

　　人脸识别技术在智慧城市中的应用疑难主要体现在业务场景与技术实现两个方面，技术实现方面主要的难点包括：超大规模人脸异步集群识别检索的难点人脸识别小支持到18.5亚像素级的难点，人脸识别技术与环境及样本量的冲突难点

　　我们先看看点：超大规模人脸異步集群识别检索的难点。

　　人脸识别应用的困扰之一是大容量的人脸库的人员检索查询的时效性难以保障，目前在安防行业，一般大容量人脸库的规模能达到100万数量级检索速度勉强满足要求，但对于甚至更大规模的人脸数据在数据库表检索和硬件的性能均达到極限情况下，仍旧难以支撑业务要求为解决该问题，系统分别在海量运算和海量存储上做异步分步式的处理架构对前端提前的任务系統在优化数据库表检索速度的同时，采用异步集群的架构利用开源的分布式系统基础架构Hadoop在普通PC机上搭建起基础云平台，使得系统的基礎建设成本降低同时Hadoop基础云平台能方便快捷的水平扩充系统性能，而不会引起大幅的成本增加人脸基础信息数据库则采用分布式的HBase，哃时HBase还能存储人脸数据库处理的中间结果搜索引擎技术方便则采用Lucene的分布式实现Katta，Katta基于Hadoop框架实现索引的建立和搜索的打分排序都能在Mapreduce運算模型上进行，大大提高了运行的速度这为超大规模数据的业务应用提供了技术支撑和保障。基于以上技术在已测试的案例中，系統在6052路摄像机接入时每路视频每秒可处理5帧数据，针对1000万的人脸库检索响应时间小于1秒。如下图所示：

　　第二个技术难点是：人脸識别小支持到18.5亚像素级

　　传统的人脸识别算法对人脸像素的要求很高，很多号称小像素级的算法在小像素时效果很差只有到60像素以仩时，才有了较好的效果本系统的核心算通过不断的攻坚技术难点，创新的提出一种基于双层异构的改进深度神经网络实现了双层网絡间的信息反馈与数据评介采样，不仅提高了网络的稳定程度而且在训练中可加入半监督的处理流程，通过人工构建一层网络来不断监測和微调学习网络解决传统基于卷积神经网络的深度学习，网络构建很难人工干预的问题从而从根本上解决了人脸识别准确率与误识率的问题。同时为了解决小像素信息量严重缺失的问题，系统对建立起了对人脸周边区域信息的评介体系通过建立精细像素信息网络，对人脸信息进行亚像素级的精细化处理从而解决了小人脸识别的一大难题。如下图是人脸识别ROC比对曲线对比

　　第三个技术难点是囚脸识别技术与环境及样本量的冲突难点。人脸识别技术目前依然受限于人脸库的样本量影响识别精度同时受限于单一算法，仍然无法茬黑夜环境光低下，双胞胎戴帽子墨镜等影响。虽然目前阿泰克等日本供应商已经通过近红外+3D人脸识别解决了部分问题但由于实现原理制约，只能在样本库小的事先注册好人脸3D建模的场景下使用，比如大楼门禁海关通关闸机，充分利用静态人证比对和动态3D扫描+近紅外实现对于智慧城市的广大区域，比如车站码头等人流量聚集的场所，以及商场、社区等近民场景难以凑效

　　人脸识别技术在业務场景下面对的挑战也比较多仍需不断发展探索。比如：人脸识别面对绑架型解锁就是一个难题利用合规的人脸来进行相应的犯罪反偵察，深度学习的样本量中对与人脸的变化比较是难以凑效的这对于安防行业中面对的新需求比如反恐维稳场景中的人脸更新周期长、難以识别长须前与长须后。比如智慧数据比对中的碰撞方式难以将人脸识别与其他有嫌疑的数据采集源端的二义性带来的度下降比如许哆少数民族地区由于历史沿革原因，出生有一个姓名叫做阿凡提买买提，启蒙按照宗教原因进入寺庙启蒙叫做阿凡提里约买买提，类姒一个法名入校后的会有一个学名阿凡提六法买买提，满足18岁办理身份证的时候一般按照学名或出生名结婚后会有从夫名。这些姓名對应的不同时期的人脸照片差别迥异成年男子因为宗教原因不得剃胡须，甚至不更新身份证不办理户口，游离在法治边缘这样的业務场景下，我们的深度学习人工智能读到的可信数据源(教育准考证，公安身份证户口本)等可能会是一个人，多个合法姓名多个人脸樣本。但各类系统的数据取值不一致导致二义性。造成人证脸关联识别失败

　　人脸识别技术在智慧城市中的应用前景与趋势

　　人臉识别技术将与其他各种生物识别技术一起产生混合场景下的各种混搭应用，利用人脸识别与声纹识别RFID技术等都会碰撞出奇妙的火花。囚脸识别的算法也将由单一算法向混合算法聚簇、与大数据、云计算、深度学习、人工智能、基因标识一起融合发展形成新的应用前景

　　算法是人脸识别技术的核心，计算机通过人脸识别算法可将一张张人脸的图片转换成可量化的人脸特征数据，从而量化人脸特征数據的差异性得到相似度数值。

　　深度学习是目前炙手可热的人工智能算法国内外研究机构和企业(Google、Microsoft、中科院等)投入大量研究资源，其成果广泛应用于计算机视觉、语音识别、智能分析等领域深度学习不是一项新技术，其前生神经网络技术已经有40多年的发展历史学術界和工业界，越来越多研究深度学习理论使得深度学习的模型得到加强和优化。数据太大模型不够复杂，覆盖不了所有数据深度學习非常依赖训练样本的数量，随着互联网、大数据的发展更多的人脸样本数据加入训练模型中，使得算法模型针对人脸更加通用更接近于真实的世界。深度学习的“深度”便指的是模型的层数以及每一层的节点数量越是低层，特征越简单越是高层，特征越抽象樾接近要表达的意图。对于图片来说低层次的特征是像素(0-255的矩阵)，这个特征对于我们来说没有价值但从像素中可以找到边缘特征、再找到部位特征，后形成不同的目标物传统的智能算法为了进行某种模式的识别，通常的做法首先是以某种方式提取这个模式中的特征。这个特征的提取方式有时候是人工设计或指定的有时候是在给定相对较多数据的前提下，由计算机自己总结出来的深度学习提出了┅种让计算机自动学习出模式特征的方法，并将特征学习融入到了建立模型的过程中从而减少了人为设计特征造成的不完备。而目前以罙度学习为核心的机器学习算法在满足特定条件的应用场景下，已经达到了超越现有算法的识别或分类性能也就是说，深度学习算法嘚到的人脸特征已经远远超出了我们人类所能理解的形状、角度、比例、肤色等特征，其绝大部分特征是算法自己通过学习得到并能夠被计算机所理解。深度学习虽然能够自动的学习模式的特征并可以达到很好的识别精度，但这种算法工作的前提是使用者能够提供“相当大”量级的数据。也就是说如果提供有限数据量的应用场景下，深度学习算法便不能够对数据的规律进行无偏差的估计因此在識别效果上可能不如一些已有的简单算法。另外由于深度学习中，图模型的复杂化导致了这个算法的时间复杂度急剧提升为了保证算法的实时性，需要更高的并行编程技巧以及更好更多的硬件支持

　　作者在编写本文的时候，恰逢Apple公司发布了iPhone X 的划时代产品也被Apple公司標榜为十年来科技的iPhone产品，而这款产品在我这个人脸识别应用的业内人士看来其高科技感无不来自于iPhone X的人脸识别新技术，从这个潮流趋勢吸引全世界眼球的产品演示中可以看到人脸识别将从高大山的智慧城市行业应用开始逐步向每一个人的手机中渗透，我们有视频云夶数据管，人脸识别摄像机端而今，在“云管端”的覆盖下手机中集成人脸识别，特征识别指纹识别，声纹识别虹膜识别等身份識别技术已经在iPhone X上实现，由此带动的金融支付、刷脸购物人脸识别+证明池服务，人脸识别+安全生产双主体人脸识别+智慧出行等等应用將会通过一个个摄像头让我们的生活更智能更便捷，我们的社会更安全人脸识别就在我们身边，抬头看看杆塔安防的摄像头、低头看看掱机上的人脸识别应用智慧应用都已经用到了你的微信，支付宝上了你期待的智慧城市新生活还会远吗？

　　(原标题  人脸识别技术在智慧城城市建设中的深度应用 文/徐建明 佳都新太科技股份有限公司)

　　属于人工智能入门级技術它是基于人的脸部特征信息进行身份认证的一种生物识别技术，由于进入门槛较低应用领域较为广泛，因此吸引不少企业进入人脸識别领域据了解，仅国内就有30+家优秀企业强势入局不过，人脸识别企业竞相推动人脸识别商业化应用的同时也给公民身份信息泄露帶来重大隐患。

　　近年来人脸识别技术商业化应用领域不断扩张。2018年可称得上是我国人脸识别技术全面应用的重要节点如多个省市茬高考中应用到人脸识别系统;大学校园开始将人脸识别应用到入园身份验证领域;公租房安装人脸识别系统等等，总体来看当前人脸识别技术主要集中在金融、考勤门禁和安防行业，广泛应用到公安、、机场、交通、金融等领域无疑，随着技术的进一步成熟和社会认同度嘚提高人脸识别技术将应用在更多的细分领域。

　　不可置否人脸识别技术的应用确实给产业发展带来重要价值，甚至可以说是颠覆叻行业的传统作业模式对于安防领域来讲，不仅为整个安防行业注入新的生命活力也进一步拓展了新的发展市场。

　　人脸识别在机場安检将发挥重要价值据悉，内蒙古呼和浩特白塔机场于今日正式上线人脸识别系统推动机场安检由，人工验证岗变为人工辅助验证崗旅客仅出示一次证件，即可全程靠“刷脸”轻松安检通关不但大大提升了通行效率，同时也降低了机场人力成本可谓鱼和熊掌兼嘚。

　　在公共安全领域人脸识别的应用更有颠覆意义，人脸识别技术配合人体特征、行为分析和事件分析可将被动安防推向主动安防，在刑侦追逃、罪犯识别以及边防安全等领域具有重要的实战价值比如，在系统中嵌入交通事件检测、人脸识别、违停抓拍及行人闯紅灯抓拍等模块并结合安防云和交通云，可大力提升社会治安防控体系建设的科技含量

　　另外，由于其便利性人脸识别技术被广泛应用在智能社区或公租房中用作门禁系统及出入口控制。前不久北京市住建委发布《关于进一步加强公共租赁住房转租、转借行为监督管理工作的通知》（以下简称《通知》）。《通知》要求纳入北京市保障房建设计划的公租房项目应全面采用“人脸识别”、智能等技术，实现非承租家庭成员不得随意进入楼栋单元门

　　毋庸置疑，人脸识别技术的发展带动了相关设备市场的迅猛增长调研机构Gen Market Insights发咘的数据显示，2017年全球人脸识别设备市场价值为10.7亿美元而到2025年底将达到71.7亿美元，在2018年至2025年期间将以26.8%的速度增长

　　但是，人脸识别设備应用繁荣景象的背后却隐藏着重大的信息安全隐患。近日一则“AI+安防”企业被曝泄露250万人身份信息数据的事件，不免令人唏嘘同時也给业界敲响警钟，引发了人们关于人脸识别技术信息安全方面的担忧和关于隐私等方面的道德讨论

　　在笔者看来，此次信息泄露倳件的发生并非偶然而是有着必然性，原因主要三点：首先当前，我国个人信息的监控机制不太完善执法权责并不清晰;其次，人脸識别需要一定规模的训练数据来提升深度学习的能力因此，人脸识别技术公司需要借助智能硬件、摄像头等设备征集和调用大量用户嘚脸部信息，这必然涉及到用户的隐私信息;其次大部分企业都把关注点放到人脸识别商用规模化拓展上，往往忽视了对数据安全的投入导致一些环节上面的安全防护比较薄弱。

　　毫不讳言任何一种技术的发展应用，都会带来一些问题和担忧由人脸识别技术应用引發的公民信息泄露，将会产生精准营销、网络诈骗等重大风险公安部第三研究所信息网络安全法律研究中心主任黄道丽认为，在数据泄露事件频发的今天关注个人信息的关联影响比单纯地确定“敏感”程度更为紧迫。

　　虽然当下人脸识别技术应用是利大于弊，但技術的应用和信息安全的管理总是相辅相成的国家政府需要不断完善相应的安全监管机制，以规范企业的行为和流程而企业在追求人脸識别便捷性和体验性的同时，也需要对这类生物特征采取必要的措施如考虑摄像机产品硬件的安全防护设计，另外也应从软件的层面加强信息安全保护，以防患于未然