智能AI人臉識別技術在公共安全領域的運用
[ 導讀 ] 在公共安全領域,AI技術驅動的智能視頻和圖像處理,正逐漸成為不可或缺的技術。人臉識別作為首當其沖的應用,正在公安刑偵中正在產生深遠的影響。作為人臉識別領域的領軍企業,

?

人臉識別,是基于人的臉部特征信息進行身份識別的一種生物識別技術。由于不需要用戶主動配合,它也是當前應用最為廣泛的生物識別技術。以前的人臉識別程序,通常是基于很少的樣本去預測、假設,結合人的先驗知識,進行程序的編寫,比如判斷人臉的紋理、兩眼間距離等;這種方式,對用于識別和比對的人臉圖像質量要求較高,整體應用中的準確率不高,不足以應對現實中的各類復雜情況。因此,在2013年之前,人臉識別的落地應用,一直相對較少。

?

如果說以前的人臉識別屬于人工指導的智能,那么深度學習屬于數據指導的智能。具體來說,深度學習是指通過DNN(深度神經網絡),對物體進行逐層的特征分類。例如,典型的深度學習人臉識別系統中,第一層可能會尋找簡單的邊線,第二層可能會尋找可以形成長方形或圓形等簡單形狀的邊線集合,第三層可能會識別眼睛和鼻子等特征,最終將這些特征結合在一起,讓機器可以根據訓練數據集,達到擁有自我學習的能力,最終掌握“人臉”的概念。

?

因此,深度學習神經網絡的層數越多,它能表達的信息也就越復雜,學習能力也就越強。因此,只要給予的訓練數據足夠多,最終的效果也就會越精確。

?

人臉識別在實際應用中的挑戰

?

相比人臉識別的基準測試環境,實際應用環境的情況要復雜得多,這大部分來源于外部因素帶來的影響,從而對最終效果帶來極大挑戰。這些外部因素,包括光線明暗、逆光、側臉等角度變化、距離、天氣干擾、因移動而產生的拖尾模糊,表情變化,以及當前前端(如攝像頭)及存儲設備清晰度的影響等。同時也包括目標人員的發型、胖瘦、年紀等變化;戴帽子、戴眼鏡、假發、圍巾等遮擋等。

?

在圖偵領域,衡量人臉識別技術的應用效果有兩項重要指標:抓拍率和比對識別率。前者即人臉的檢測和跟蹤,后者為人臉的比對和識別。通常來說,抓拍率對前端的要求相對不高,目前業內的主流系統都可以做到99%以上的抓拍率,而比對識別率受到外部的影響則會比較明顯,就需要借助算法模型,來提高比對識別率。在考慮上述外部因素情況下,目前智能AI科技的人臉技術,在兩眼間像素30個像素點下即可實現抓拍,40個像素點即可以做到比對,包括范圍在40%以內的人臉遮擋情況。

?

圖偵領域的人臉識別應用

?

人臉識別正在迅速替代傳統的圖偵方法:傳統方法存在的問題,主要在于人海戰術成本高。從行業調研來看,很多市公安局,專門從事人臉圖像搜索的圖偵人員,就超過400人,人力物力投入巨大,效率不高,無法滿足刑偵部門的及時要求。同時,傳統的智能分析算法局限性明顯,主要體現在圖像特征提取能力低,尤其對于模糊圖像、暗光、噪聲、多角度、遮擋等適應性差等問題上。

?

針對圖偵的人臉識別應用,一般分為兩種場景。其一是在事發后,從監控錄像中采集人臉的截圖,然后和目標庫(如犯罪分子庫)做靜態比對,縮小目標范圍到幾人、十幾人內,提高身份確認的效率。另一種,則是需要直接監控視頻中做動態比對,實時檢測、跟蹤、識別人臉,并做出實時預警,同時也會用于事后的布控場景。

?

人臉識別在圖偵領域的應用:靜態對比

?

智能AI人臉識別技術視圖情報研判系統,是一套采用基于深度學習的以圖搜圖系統,可通過采集監控錄像中的人臉截圖,比對搜索目標庫中標準人臉照片,幫助圖偵干警快速確認涉案嫌疑人員的身份。

?

智能AI人臉識別技術視圖情報研判系統最大的優勢在于模糊圖像識別能力強,可適應低分辨率、暗光、側臉、低頭、低像素的人臉截圖,以及圖像中人臉的發型、胖瘦、年紀、表情變化、以及眼鏡、圍巾遮擋等,智能AI人臉識別技術視圖情報研判系統支持千萬級目標庫中300ms內獲得識別比對結果,支持1:N與N:N驗證,其1:1人臉驗證的圖片相似度驗證準確率在99%以上,1:N人臉搜索,返回TOP5相似結果的準確度超過98.5%,返回TOPl0相似結果的準確度超過99.6%。

?

在該系統于某地的實際應用測試中,采用5.4萬目標庫,包含一線部門所提交的真實案發現場視頻監控錄像人臉截圖,屬原系統無法實現身份確認的模糊度很高的圖片,人員年齡跨度10-30年左右證件照片。最終,通過約40天的測試(只由一名民警執行測試應用工作),共辨認出69名涉案嫌疑人身份。相比之前人工肉眼辨識1名民警最高一年30余人的確認數量提高200余倍。實現了很多模糊圖像從原來的不可用到可用的質的突破。

?

人臉識別在圖偵領域的應用:動態對比

?

智能AI人臉識別技術布控實戰平臺,基于全流水線的深度學習算法,在千路級監控視頻中實時檢測、跟蹤、識別人臉,并支持在數十億級人臉抓拍庫中進行軌跡還原、案件碰撞等實戰應用,實現事前、事中和事后的人臉布控和信息挖掘,為刑偵、治安等業務干警提供高科技的有效辦案工具。

?

相比較傳統的人臉監控,智能AI人臉識別技術布控實戰平臺對多角度、多光照、人臉部分遮擋等條件具有抗干擾性?;贕PU,智能AI人臉布控實戰平臺可在千萬級人員庫中300ms內獲得比對結果,命中率高,并且支持按時間、地點、目標庫和屬性特征等靈活設置布控任務。該分布式系統架構支持1000+路監控視頻實時人臉識別。

?

智能AI人臉識別技術布控實戰平臺適合用于如火車站、汽車站出入口、閘機口、電梯口等流動方向一致的固定通道的場景。當前該系統已幫助各地抓獲了上百名犯罪分子,且對于抓獲有作案前科慣犯幫助很大,目前多應用于公安事前、事中、事后敏感人員布控、失蹤人員查找等。

?

人臉識別的未來

?

如今,基于深度學習的方法已經成為人臉識別技術領域的重要發展趨勢和方向,這也帶動了人臉識別技術在更多場景中的應用。而隨著技術變革和應用的普及,建設大規模、分布式人臉數據庫及識別系統的成本不斷降低,識別的精度不斷提高。也因此,人臉識別也逐漸應用在對安全性較高的領域。

?

未來的人臉識別技術,將基于準確率的不斷提升,提升各個應用領域的運作效率,帶來安全性、效率、易用性等各方面的升級,改變我們生活和工作環境的方方面面。


相關推薦: