人臉識(shí)別技術(shù)在公安工作中的應(yīng)用

1、芳腿裊酷鬟薄螂聞墨I(xiàn)黃人臉識(shí)別技術(shù)在公安工作中的應(yīng)用I螭郝新華I袈人臉識(shí)別技術(shù)的研究方法目前主要有基于整體的人臉識(shí)別和基于特征分析的人臉識(shí)別兩個(gè)研究方向；并且人臉識(shí)別技術(shù)已經(jīng)For personal use only in study and research; not for commercial use肄I進(jìn)入實(shí)際應(yīng)用階段。公安工作中運(yùn)用人臉識(shí)別技術(shù)在布控排查、犯罪嫌疑人識(shí)別、人像鑒定以及重點(diǎn)場(chǎng)所門禁等領(lǐng)域獲得了良好的應(yīng)用效果。蠶人體生物特征識(shí)別是通過計(jì)算機(jī)、各種傳感器和I生物統(tǒng)計(jì)學(xué)原理等高科技手段密切結(jié)合，利用人體固有的生物特征來(lái)進(jìn)行個(gè)人身份識(shí)別。包括人臉識(shí)別技術(shù)在內(nèi)的人體生物特I征識(shí)別

2、技術(shù)是近年來(lái)在全球范圍內(nèi)迅速發(fā)展起來(lái)的計(jì)算機(jī)安全技術(shù)。與虹膜識(shí)別、指紋識(shí)別、掌紋識(shí)別、簽名識(shí)別、聲音識(shí)別I等人體生物特征識(shí)別技術(shù)相比，人臉識(shí)別具有方便友好、易于接受、不易偽造等優(yōu)點(diǎn)，目前可用于身份認(rèn)證、視頻監(jiān)測(cè)及視頻I資料檢索分析等方面，是當(dāng)前計(jì)算機(jī)視覺、模式識(shí)別和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。在9- 11恐怖襲擊事件發(fā)生后，美國(guó)連I續(xù)簽署了三個(gè)法案，要求必須采用生物識(shí)別技術(shù)。我國(guó)在第二代身份證上也嵌入了可機(jī)讀的人像信息。據(jù)報(bào)道，2008年北京奧運(yùn)會(huì)期間也將人臉識(shí)別系統(tǒng)應(yīng)用于安保。肆一、人臉識(shí)別技術(shù)概述I奧人臉自動(dòng)識(shí)別系統(tǒng)的研究開始于 20世紀(jì)60年代末期，20世紀(jì)90年代后期人臉識(shí)別技術(shù)逐漸從

3、實(shí)驗(yàn)室走向了商用。如 1998 I 1年德國(guó)西門子公司的 Nixdorf高技術(shù)公司開發(fā)成功 Face VACS ; 2001年日本東芝旗下的 E-Solution公司推出Face Pass美國(guó)開 I I發(fā)的Face It等專業(yè)的商業(yè)人臉識(shí)別系統(tǒng)開始進(jìn)入市場(chǎng)。我國(guó)從 1994年開始研究人臉識(shí)別問題；2000年5月銀晨網(wǎng)訊科技有限 I I公司與中國(guó)科學(xué)院計(jì)算機(jī)所合作組建了面像識(shí)別聯(lián)合實(shí)驗(yàn)室。經(jīng)過研發(fā)，課題組實(shí)現(xiàn)跨越式發(fā)展，II冗攻克了數(shù)十項(xiàng)技術(shù)難關(guān)，開發(fā)出具有完全自主知識(shí)產(chǎn)權(quán)的產(chǎn)品和系統(tǒng)；2005年1月18日，由清華大學(xué)電子系蘇光大教授擔(dān)II任人臉識(shí)別課題組負(fù)責(zé)人主持承擔(dān)的國(guó)家“十五”攻關(guān)項(xiàng)目人臉

4、識(shí)別系統(tǒng)通過了由公安部主持的專家鑒定，達(dá)到了國(guó)內(nèi)領(lǐng)I|先水平和國(guó)際先進(jìn)水平。 人臉識(shí)別技術(shù)作為最容易隱蔽使用的識(shí)別技術(shù)成為當(dāng)今國(guó)際反恐、安全防范以及刑事偵查等最重要的|手段。目前我國(guó)人臉識(shí)別技術(shù)也開始進(jìn)入實(shí)際應(yīng)用階段。作為國(guó)家863計(jì)劃成果產(chǎn)業(yè)化基地的銀晨網(wǎng)訊科技有限公司已經(jīng)開發(fā)出人像識(shí)別布控機(jī)等系列產(chǎn)品。肇二、人臉識(shí)別的技術(shù)方法帔人臉作為具有復(fù)雜細(xì)節(jié)變化的自然結(jié)構(gòu)目標(biāo)，其特征的可靠性往往受到表情、角度、光照、背景等細(xì)微變化的影響，消除這 些影響成為人臉識(shí)別問題的關(guān)鍵。為此，研究人員設(shè)計(jì)了許多特征提取算法，希望在降低面像維數(shù)的同時(shí)提取穩(wěn)健可靠的特征。 目前的研究主要有兩個(gè)方向：第一是基于整體的

5、人臉識(shí)別研究方法，即將人臉圖像看作是一個(gè)二維的灰度分布，然后利用不同 的降維和特征提取方法獲得每個(gè)人的人臉表征進(jìn)行識(shí)別；第二是基于特征分析的人臉識(shí)別方法，利用每個(gè)人的面部特征如眼睛、鼻子、眉毛、嘴巴和面部輪廓等的具體位置、大小、形狀及其相對(duì)位置的不同來(lái)進(jìn)行特征提取以達(dá)到識(shí)別的目的，即將人臉基 準(zhǔn)點(diǎn)的相對(duì)比率和其它描述人臉臉部特征的形狀參數(shù)或類別參數(shù)等一起構(gòu)成識(shí)別特征向量。這種基于整體臉的識(shí)別不僅保留了人臉局部之問的拓?fù)潢P(guān)系，而且也保留了各局部本身的信息，而基于局部的識(shí)別則是通過提取出局部輪廓信息及灰度信息來(lái)設(shè) 計(jì)具體識(shí)別算法。1 .特征臉?biāo)惴?987 年 Sirovich 和 Kirby 提出

6、了主成分分析方法( Principal Component Analysis) , Matthew Turk 和 Alex Pentland 于 1991 年 首次將PCA應(yīng)用于人臉識(shí)別，將原始圖像投影到特征空間中，得到一系列降維圖像，取其主元表示人臉，由于主元具有臉的 形狀故稱為“特征臉”。特征臉方法中一個(gè)基本的方法是基于K-L變換的特征臉方法，該方法是根據(jù) K-L變換得到人臉圖像的特征，并根據(jù)人臉特征空間進(jìn)行識(shí)別的方法?；贙-L變換的特征臉技術(shù)實(shí)質(zhì)上依賴于圖像灰度在空間分布上的相關(guān)性來(lái)得到一系列的特征向量和特征值來(lái)表示。K-L變換主要是對(duì)模式樣本矢量的相關(guān)矩陣進(jìn)行特征值分解，選擇其中的主

7、特征矢量構(gòu)成特征空間?；谥鞒煞址治龇椒ǎ惴ê?jiǎn)單有效，研究者在其基礎(chǔ)上進(jìn)行了大量的改進(jìn)和擴(kuò)展，目前仍然是人臉識(shí)別領(lǐng)域流行的算法之一，同時(shí)也是對(duì)比測(cè)試時(shí)的基準(zhǔn)識(shí)別算法。2 .奇異值分解法由于人臉圖像是一個(gè)高維向量，直接用其進(jìn)行計(jì)算是十分困難的，為此必須對(duì)其進(jìn)行降維處理。降維過程中要保留其主要的特 征，即用圖像的少量特征來(lái)近似表示整個(gè)圖像，以達(dá)到降維并保留圖像主要特征的效果，而SVD方法就是一種實(shí)現(xiàn)這種效果的良好手段。采用這種基于 SVD分解的特征提取方法所得到的人臉圖像的代數(shù)特征，不僅削弱了光照和表情的影響，而且維數(shù)大大降低，減少了計(jì)算復(fù)雜度，同時(shí)保留了人臉圖像的絕大部分有效特征，為后續(xù)的識(shí)別

8、過程提供了良好的依據(jù)。3 .彈性圖匹配法EGM是一種基于幾何特征和對(duì)灰度分布信息進(jìn)行小波紋理分析相結(jié)合的識(shí)別算法。該算法用特征來(lái)描述面部關(guān)鍵局特征點(diǎn)的 局部特征，并采用了這些特征的連接關(guān)系屬性圖來(lái)描述人臉的結(jié)構(gòu)。Lades等人針對(duì)畸變不變性的物體識(shí)別提出了動(dòng)態(tài)鏈接模型(Dynamic Link Architecture )，將物體用稀疏圖形來(lái)描述，其頂點(diǎn)用局部能量譜的多尺度描述來(lái)標(biāo)記，用邊表示其拓?fù)溥B接關(guān)系,并用幾何距離來(lái)標(biāo)記，然后應(yīng)用塑性圖形匹配技術(shù)來(lái)尋找最近的已知圖形；而Laurenz Wiscott等人在此基礎(chǔ)上又做出了改進(jìn)，在原有方法的基礎(chǔ)上提出聚束圖匹配，部分克服了計(jì)算量和存儲(chǔ)量大的

9、缺點(diǎn)。由于該方法不僅提取了描述人臉圖像的局部特征保留了人臉圖像的空間信息，而且可以在一定程度上容忍人臉從三維到二維投影引起的變形，因此它是一種具有代表性的方法。4 .隱馬爾可夫模型法Samaria最早提出建立關(guān)于人臉的隱馬爾可夫模型。HMM是使用馬爾可夫鏈來(lái)模擬信號(hào)統(tǒng)計(jì)特性的一組統(tǒng)計(jì)模型。利用HMM對(duì)人臉進(jìn)行描述和識(shí)別，把各個(gè)器官的數(shù)值特征和一個(gè)狀態(tài)轉(zhuǎn)移模型聯(lián)系起來(lái)。其參數(shù)能較好地表征具體的人臉模型。HMM方法的優(yōu)點(diǎn)是穩(wěn)定性好，對(duì)姿態(tài)和環(huán)境的變化具有較好的魯棒性，對(duì)不同角度的人臉圖像和不同的光照條件，都可以達(dá)到滿意 的識(shí)別精度。 5.神經(jīng)網(wǎng)絡(luò)法由于對(duì)人臉特征的精確描述是相當(dāng)困難的，而神經(jīng)網(wǎng)絡(luò)的

10、優(yōu)勢(shì)是通過學(xué)習(xí)的過程獲得對(duì)這些規(guī)律和規(guī)則的隱性表達(dá)，它的適應(yīng)性較強(qiáng)。自從神經(jīng)網(wǎng)絡(luò)技術(shù)引入到人臉識(shí)別領(lǐng)域后，它一直是人們關(guān)注的熱點(diǎn)，其中比較有代表性的方法有：混合型神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、基于概率決策的神經(jīng)網(wǎng)絡(luò)、主元神經(jīng)網(wǎng)絡(luò)等?；诙S圖像的人臉識(shí)別技術(shù)不可避免受到包括光線、背景、視角、遮擋等環(huán)境因素和包括姿態(tài)、表情等人臉本身因素給識(shí)別帶來(lái)的不利影響。許多專家、學(xué)者為此進(jìn)行了專門的研究，譬如：針對(duì)人臉識(shí)別中光照方向變化所帶來(lái)的困難，有學(xué)者提出光照子空間方法和徑向基函數(shù)網(wǎng)絡(luò)模擬方法。光照子空間方法首先建立對(duì)應(yīng)不同光照方向的子空間，再確定測(cè)試樣本所對(duì)應(yīng)的子空間。然后在這個(gè)子空間中進(jìn)行匹配，達(dá)到識(shí)別的

11、目的。徑向基函數(shù)網(wǎng)絡(luò)模擬法則利用徑向基函數(shù)網(wǎng)絡(luò)產(chǎn)生虛擬光照條件下的 人臉圖像或者圖像特征，從而擴(kuò)充訓(xùn)練庫(kù)，達(dá)到提高識(shí)別率的目的，并分別用Shimon人臉庫(kù)、Harvard人臉庫(kù)進(jìn)行實(shí)驗(yàn)證實(shí)了這兩種方法的有效性；為了提高戴眼鏡人員人臉圖像的識(shí)別率，有學(xué)者提出了一種從正面人臉圖像中提取并摘除眼鏡的方法。通過一個(gè)自適應(yīng)二值化的方法，檢測(cè)了正面人臉圖像中眼鏡遮擋的部分，經(jīng)過迭代的誤差補(bǔ)償方法，合成了對(duì)應(yīng)輸入圖像的不戴眼鏡的正面人臉圖像。實(shí)驗(yàn)結(jié)果顯蜜示原始戴眼鏡人員人臉圖像的識(shí)別率僅為50.1% ,而合成的無(wú)眼鏡正面人臉圖像的識(shí)別率達(dá)99.4%,能有效地合成無(wú)眼鏡的正面人臉圖像。雖然二維圖像識(shí)別技術(shù)較為

12、成熟，但由于二維圖像不能提供識(shí)別所需的完整信息，因而其識(shí)別精度很難有進(jìn)一步的提高，從而抑制了人像識(shí)別技術(shù)產(chǎn)品的實(shí)際應(yīng)用水準(zhǔn)。于是出現(xiàn)了三維人臉識(shí)別技術(shù)。三維人臉識(shí)別技術(shù)始于計(jì)算機(jī)動(dòng)畫和生物醫(yī)學(xué)成像。采用三維識(shí)別技術(shù)可以使人臉的信息得到更好的表現(xiàn)和存儲(chǔ)，同時(shí)由于三維人臉模型具備光照無(wú)關(guān)性和姿態(tài)無(wú)關(guān)性的特點(diǎn)，能夠正確反映臉的基本特性，且人臉主要的三維拓?fù)浣Y(jié)構(gòu)不受表情的影響，從而形成相對(duì)穩(wěn)定的人臉特征表述。因此基于三維人 臉模型的識(shí)別方法可以很好地解決目前在這一領(lǐng)域存在的研究瓶頸。三維人臉識(shí)別主要有基于圖像特征的方法和基于模型可變參數(shù)的方法。但三維人臉識(shí)別算法還很不成熟，特別需要解決的是信息來(lái)源的完

13、整性、海量存儲(chǔ)和計(jì)算量龐大、對(duì)人體生理認(rèn)識(shí)不足等難題，目前該技術(shù)仍處在不斷完善之中。放三、人臉識(shí)別技術(shù)在公安工作中的應(yīng)用1f人臉識(shí)別技術(shù)研究方法的不斷創(chuàng)新和完善，使其在實(shí)際工作中的應(yīng)用前景越來(lái)越廣闊。隨著公安情報(bào)資料搜集工作的逐步完 善、公安基層管理信息化、自動(dòng)化水平的提高以及現(xiàn)有情報(bào)信息資料和技術(shù)設(shè)備的不斷整合，人臉識(shí)別技術(shù)在公安工作中的應(yīng) 用領(lǐng)域?qū)⒏鼜V。1 .布控排查。發(fā)達(dá)的海陸空交通網(wǎng)絡(luò)使人員的流動(dòng)性大大增加，在方便了人們工作和生活的同時(shí)，也為犯罪分子提供了便利。在機(jī)場(chǎng)、港口、火車站、汽車站等公共場(chǎng)所設(shè)置人臉識(shí)別系統(tǒng)，當(dāng)犯罪嫌疑人、通緝的在逃人員以及重要的販毒人員等出現(xiàn)時(shí)可以及時(shí)識(shí)別并報(bào)

14、警；2 .邊境檢查。對(duì)外開放的不斷深入，國(guó)際交往的不斷增加，使出入境人員數(shù)量不斷猛增。把好邊境檢查關(guān)，就是守護(hù)好國(guó)門， 保護(hù)國(guó)家的安全。在邊檢通道設(shè)置人臉識(shí)別系統(tǒng)，當(dāng)國(guó)際恐怖分子等重大嫌疑人入境、重大案件犯罪嫌疑人外逃時(shí)可以及時(shí)識(shí) 別并報(bào)警；3 .犯罪嫌疑人識(shí)別。公安機(jī)關(guān)可以利用各種人像資料庫(kù)，將犯罪嫌疑人的圖像與人臉識(shí)別系統(tǒng)資料庫(kù)中重點(diǎn)人口的圖像進(jìn)行 篩選、比對(duì)并識(shí)別，可以提高辦案效率；4 .司法人像鑒定。在刑事司法鑒定中，可以使用在犯罪現(xiàn)場(chǎng)監(jiān)控錄相獲得的視頻圖像與嫌疑對(duì)象進(jìn)行人像同一鑒定；在民事訴訟中，可以對(duì)檢材中的人像與樣本照片或某人進(jìn)行同一鑒定，從而判斷檢材中的人像與樣本照片是否同一或

15、檢材中的人像是否就是某人；5 .重點(diǎn)場(chǎng)所的門禁：一些重點(diǎn)場(chǎng)所對(duì)出入人員有嚴(yán)格的資格限制，對(duì)出入人員身份進(jìn)行準(zhǔn)確識(shí)別是確保重點(diǎn)場(chǎng)所安全的關(guān)鍵。比如在銀行金庫(kù)、博物館、機(jī)要室、武器庫(kù)、重要會(huì)議等重點(diǎn)場(chǎng)所設(shè)置人臉識(shí)別系統(tǒng)，可以對(duì)出入人員進(jìn)行身份識(shí)別，保障重 點(diǎn)場(chǎng)所的安全。人臉識(shí)別技術(shù)是一項(xiàng)極富挑戰(zhàn)性的課題，目前最好的商業(yè)人臉識(shí)別系統(tǒng)對(duì)表情、背景、距離變化的圖像均能取得接近100%的正確識(shí)別率，也就是說(shuō)，目前人臉識(shí)別技術(shù)對(duì)于正面圖像的這些變化已經(jīng)具備了良好的適應(yīng)能力，但總的來(lái)講，人臉識(shí)別技術(shù) 本身還有待于進(jìn)一步發(fā)展，更有賴于在應(yīng)用中發(fā)展。到目前為止，還沒有一種最有效的、魯棒性強(qiáng)的人臉識(shí)別算法，而將各種 方法中的優(yōu)勢(shì)有效綜合是以后研究的必然趨勢(shì)。隨著圖像處理、模式識(shí)別、人工智能以及生物心理學(xué)的研究進(jìn)展，人臉識(shí)別技 術(shù)也將會(huì)獲得更大的發(fā)展。在一些高級(jí)信息安全的應(yīng)用中，需要研究人臉與指紋、虹膜、語(yǔ)音等識(shí)別技術(shù)的融合方法，以提高特征表達(dá)的魯棒性和可持續(xù)性，進(jìn)而提高識(shí)別率，這也是生物特征識(shí)別技術(shù)的發(fā)展趨勢(shì)。僅供個(gè)人用于學(xué)習(xí)、研究；不得用于商業(yè)用途。For personal use only in study and research; not for commercial use.Nur f u r den pers?nlichen f u r Studien, Forschung, zu