6.2.3 人脸识别技术应用在线视频

从智能手机到电子门禁

从上班打卡到购物支付

人脸识别在我们生活中已经随处可见

而这项给人们生活带来极大便利的技术

也为公安工作带来了巨大的惊喜

通过人脸识别与视频监控两大技术的完美结合

不但可以实现实时的无感知人物身份识别

甚至还可以帮助公安机关侦破多年前的积案

寻找被拐卖的儿童

你想知道公安机关是如何利用人脸识别技术

解决原本毫无头绪的多类疑难案（事）件吗

你想知道人脸识别到底是如何辨识人物身份的么

你想知道人脸识别是如何实现跨年龄身份比对的么

本节课我们就与李夏风总监一起

来探索人脸识别技术的奥秘

李总监 您好

人脸识别在生活中已经随处可见

但是很多人可能对公安机关如何使用这项技术

还不太了解

您能不能先为我们介绍一下

人脸识别技术在公安领域的应用情况

好的

在民用领域

人脸识别的应用

是在更多的是在一种配合的

静态的一个场景当中使用

比如说我们的刷脸支付一定是配合的

那么在公安领域人脸识别的应用更多的是在

一种动态非配合的场景下进行使用的

那么从这个技术的层面我可以分为几个阶段

第一个是叫静态比对

那么它的应用场景就是我们已经

在公安的工作当中已经掌握了一张照片以后

需要去了解到确定这个人的身份

那么这个时候我就拿这张照片

在我们的一个库里面

包括可能是一个敞口库

也可能是一个重点人员的库

去确定这个人的身份

通过一一比N的这样一个操作

从这张照片去在一个大库里面去找到这个人最相似的图片

然后再用人工的方式去确认

最终确定这个人身份

这是静态比对的这样一个应用

这一类的应用在我们的实战当中用的

是非常非常的多

另外还有一个静态比对的应用

是NBM的一个应用

就是把我们的两个库进行一个碰撞

这样的话就可以去找到这两个库当中那些相似的人

这样就可以在几种情况下做一个应用了

比如说我们的一些叫漂白身份的这样一些人员

当我们拿敞口裤和比如说在逃库进行碰撞的时候

我们就可以发现很多敞口库当中的人

其实就是一个在逃的人员

另外一种就是我们拿敞口库和敞口库进行碰撞的时候

我们就可以去找到那些具有多个身份的这样一些人

就一人多证的这样一个情况

就可以做这样的一个识别

这是我们静态的一个应用

那么第二类就是我们的动态布控

和人像检索的这样一个应用

这种应用的场景是什么

首先我们公安机关已经掌握了

比如说在逃人员库这样的一些人像库

那么我们把通过建设我们的前端的人像卡口相机

或者是把前期建设的一些

传统的博视频流的相机点位比较好的接进来以后

把视频当中出现的人脸跟我这个库进行比对

最后当他的相似度达到一定的阈值以后

作为一个报警

然后我们在实施一个研判和抓捕

这就是一个动态布控的应用

这项应用现在是成为公安的一个非常主要的手段

来对在逃人员进行抓捕

这是当前在全国各地取得了非常多的战果

包括我们经常听到的张学友演唱会

各种重大行为的安保当中

都会有这样的一个应用的发挥它的作用

这是一个动态布控

这个轨迹是什么

当我们知道了获取了一张照片以后

我们想去找到这个人他的一个轨迹

或者它的落脚点的时候

我们可以通过这张照片去我们从视频当中

抓拍的人像当中去做的一个比对

然后在地图上去把它的轨迹给它呈现出来

这样对于我们一些案件的研判是具有非常好的一个助力的

这是第二段第二种应用的一个方式

但这种方式大家可以听出来

就是它有一个前提

首先我们需要掌握这个库

我们需要不管是重点人员库还是逃犯库

我们需要掌握这个库

或者我们需要掌握这张照片

我们才能去做相关的一些比对和检索的工作

那么往往在我们的实际的工作当中

可能是达不到这样一个条件

往往就是需要我们事前做一些动作

而不是在事后的再来做一个补救

那么这种情况下就应用而生了

我们第三种用的方法

就是我们现在的一人一档

通过人脸的聚类的技术

把从我们的相机

或者说从其他的渠道

所搜集到的人脸的图片

按照每个人不同的人进行聚档

这样就会形成每一个人的一个档案

然后我们就可以对这个人的档案掌握了以后

就可以知道他的相关的轨迹

行踪等等这样一个情况了

在这种情况下

它可能我们不知道这个人具体的身份

但是我们已经知道这个人虽然不知道他叫谁

但是我知道他去过哪

跟谁有过接触

是这样的

这就是一人一档的这样一个应用

基于一人一档

我们就可以做出很多的一个技战法

比如说包括我们的一个评测的分析

就说这样一个人

他是否经常在我们的一些重点

区域反复出现

是不是它是一个昼伏夜出的

或者说他是不是我们跟某些人之间存在一个同行的关系

这样的一些计算法就可以基于我们一人一档的

应用来展开了

那么这是从这个技术的层面分了三个层面

就是人脸识别的应用是从由浅入深

那么从这个场景和这角度来说的话

那么人脸识别的系统它的本质是把前端相机

或者说是其他的一些设备的照片进行采集

然后在后端做个比对嘛

那么在我们前端所采集数据的来源的场景不同

那么我们的应用也会有更多的一个场景的应用

比如说从我们的吃 住 行

包括我们的重点场所

这样一些数据来源的话

就可以催生出来各种各样的一个技战法

实现我们的打防管控的这样一些全方位的应用

是这样

通过您刚才的介绍

可见人脸识别技术目前在公安领域

也发挥着重要的作用

通常人脸识别是用人像库中的人像图像

与视频监控系统

或者专门的人脸抓拍设备所获取的人像进行比对

从而得出相似度百分比的量化性数值

这一切都是通过人脸识别算法实现的

那您能不能给我们介绍一下

当前主流的人脸识别算法都有哪些

而哪种算法目前比较主流

人脸识别技术它也不是一个新兴的技术了

事实上它的发展已经经历了很长的一个时期

那么在早期的时候

人脸识别技术它更多的采用的是一种

特征工程的一种方法

比如说我们经常可以理解到的

我们在你的脸上找到了多少个关键点

那么针对这些关键点

我提取相应的一些特征

然后再来做相关的一些比对

那么这些特征是由人工来设计的

包括我们根据一些研究哪种特征更好的能够

进行人脸识别

这就是人的工作比较多

这是第一个阶段

这是第一个阶段的情况

那么现在随着深度学习技术的发展

在人脸识别领域得到了广泛的应用

深度学习

它采用的就不是靠人工的方式

去获取这样一个特征了

而是通过精深度学习

机器学习自动的一种方式

从海量的数据当中

去学习出那些能够对人脸

进行非常好的描述和识别的这样一些特征的

另外人脸识别本身它不是一项单一的技术

它是一个系统工程

从我们我可以简单的介绍一下

人脸识别的整个的一个算法的流程

首先从一个视频当中有这样一个人出现的话

那么我们首先会做一个人脸的这样一个检测

从视频当中定位出这个人的位置

但是这个人他在视频当中出现的会很长的一段时间

可能会几秒钟

这样的话我们会从在这个时间段当中进行

一个人脸的跟踪

在跟踪的过程当中

我会去实时分析人脸的一些质量

我会选择质量最佳的人脸

可能是最正的

可能是这个表情最正常的这样一张人脸

然后把它截取出来以后

然后传到后端做一个比对了

那么比对的过程当中

首先是要做一个人脸的这样一个对齐

就是我们确保不同的人脸的大小

这样是把它统一在同样一个尺度下面

然后再基于这个尺度

就我相关的一个特征的提取

就是前面讲到的

我们现在的主流的方法就是采用深度学习的方法

对这张图片进行特征的提取

提取完特征以后

那么就是做这样一个特征的比对了

做这样一个特征的比对了

在这个比对的过程当中

也会有不同的一个方法

比如说前面讲到应用的时候

如果我们是一比大N的话

那么是一种更快的方式

那么如果是我们一个一比小n的话

可能是一个更准的方式

就是可以通过调节比对的方法

来达到不同应用的一个效果

这只是人脸识别的主流的一个流程

但事实上人脸识别整个技术组里面还包含了

比如说人脸的年龄

性别的分析

包括它的一些人脸的姿态的评估

表情的识别等等这样一系列的技术

它是一个完整的这样一个技术体系

目前主流的大家都是基于你深度学习为基础的

这样一个方法

那么不同的研究机构和不同的公司

会有自己的一些特色的东西

包括有的是有什么双层异构神经网络等等

这样一些对普通的深度学习进行改造的

更加适用于人脸识别领域的这样一些方法

我们都知道视频监控设备的成像质量

会受到 天气 光照 拍摄距离

拍摄角度等多种因素的影响

人脸识别设备的安装与使用有没有哪些限制的条件呢

人脸识别的本质它还是通过图片比对嘛

通过图片及特征在比对

那么图片这比对这两组图片之间的相似度越高

它的质量越好

那么越利于我们的一个识别

这样的话就第一个对我们的比对库而言

我们要求会选择比较好的一种证件照片

如果是一些翻拍的很老的一代身份证照片

可能会效果就不是很好

达不到一个识别的一个条件

那么对于前端抓拍下来的图

那么我们会根据人脸对人脸识别

影响最大的几个因素去进行一些考虑

因素是哪几个

包括我们这叫姿态 角度

遮挡和表情是对人脸识别的影响是最大的

那么其中的表情这一块

包括它主要是人本身的这样一个变化

那么可能跟相机的安装关系不大

那么对于我们其他的包括我们的遮挡

我们的相机一定要安装

要确保没有遮挡

比如说有的时候有一些树枝的遮挡

这些我们一定要避免

包括这个角度我们一定要安装在一个非常好的位置

通常来说我们一般会安装在

两米五左右的这样一个高度

用一个比较小的倾角

去尽可能的跟路进行这样一个

跟人人流行进的方向做这样一个匹配

这样确保我们抓拍的人脸的角度是比较正的

这是角度的影响

我们要去考虑

当然人脸的过程当中

我们还要考虑它的人的自动的这样一个转头

那么我们只要我们的摄像机的安装位置比较合理的话

当它一个微小的转头的话

也是能达到我们一个识别的要求的

那么还有一个就是光线了

光线是影响非常大的

所以我们在安装的过程当中要

避免那些有非常强烈的背光的这样一些场景

确保在我们的人脸是受光照比较好

比较均匀

不会有光斑和阴阳脸得出现

这样的一些效果的话会比较好

当然如果说我们的光照条件达不到的话

比如说夜晚的光照会比较差的话

我们会考虑一些补光的手段来对人脸进行补光

确保我们拍摄的人脸达到清晰可见的这样一个条件

满足我们识别的这样一个要求

李总监

近几年有一项很神奇的人脸识别技术

可以对一个人几年甚至几十年前的人像进行比对

而我所说的这项技术

就是AI跨年龄人脸识别技术

公安机关利用该技术

可以实现跨年龄破案和跨年龄寻亲

您能不能为我们介绍一下这项最新的人脸识别技术

是如何实现的

人物跨年龄人脸识别呢

跨年龄的识别是对人脸识别的一个巨大的挑战

因为随着年龄增长

那么人脸会有一些变化

然后如何解决这个问题

其实是有两个不同的层面

首先对于一个年龄跨度不是特别大的这样一个场景下

那么包括我们的人脸

比如说我们是比如十几岁到20多岁

甚至20多到四五十

虽然年龄也跨度挺大了

但是成年以后的变化没有那么明显的情况下

我们采用的方法是什么

就是通过加入大量的跨年龄的

训练数据去做这样一个训练

来对这个模型进行一个补充

我们的系统就是见过很多的这样一种跨年龄的

这个数据源

这样进而学会怎么去判断这个

就是不同的年龄的人脸特征

去找到那些不随年龄变化的特征来做一个年龄的识别

这个是当年龄跨度不大

人像的变化不大的情况下

我们采用的是这样一个方案

但是另外一种情况下它的变化是非常大的

所以我们也会要去承认这样一种变化

我们如果还是采用前一种方法来做的话

可能就会对整个起始的特征可能就会影响

对除了跨年龄可以识别以外

可能会影响我们其他的一些识别了

这个时候我们采用的方法就是

我们承认这两者之间的差异

我们对婴儿和成年人分别进行建模

然后同时在我们去学习婴儿和成年人之间的一个关系

我们去学习这样一个关系

而不是像前面的方法

我们是试图抹去这个联系

我们通过这种方法可以学出来婴儿和成年人

之间一个关系以后

当我们需要去对跨年龄进行识别以后

我们就去比如说我们获取了一张婴儿的照片

我们就去通过这个关系把它映射到我的

成年人的这样一个特征空间里面去

然后再拿这个特征

在成年人的这样一个模型当中去比对

这样的话就能够很好的去解决婴儿和成年人

进行一个识别的这样一个问题

主要是针对这两种不同的情况

有两种不同的方法

通过您的介绍

让我们对人脸识别技术在公安领域的应用

有了更深刻的了解

也是我们更加清晰的认识到

新技术为公安工作带来的革命性变化

感谢李夏风总监的精彩讲解

本节课就到这里

同学再见