前言：本文提出了一種基于大數據與人工智能分析的現(xiàn)代人口管控技術，研究了復雜條件下人像識別技術，并將成果成功應用于基層公安實戰(zhàn)，探索了一條結合集成實際的公安信息化建設的道路。其成果能夠有效整合跨警種、跨部門的人員信息資源，有效的提升公共安全領域的信息化水平，并在實戰(zhàn)中取得優(yōu)異成績。
文/李夏風 云從科技研發(fā)總監(jiān)
(一)背景/引言：
隨著經濟的高速發(fā)展以及城鎮(zhèn)化進程的加快，我國城市人口日趨密集，城市人口流動性也大大增加，但是各種犯罪活動也爆發(fā)式增長，犯罪手段也越來越豐富隱秘，如通過使用多重身份證、假身份證實行犯罪，逃避抓捕等，加之交通便利、人口流動性大，更加大了公安工作人員打擊抓捕犯罪嫌疑人的難度與力度。
當前城市治安視頻監(jiān)控系統(tǒng)正處在大規(guī)模建設階段的后期，地方也投入大量資金人力去建設平安城市，但是僅僅依靠采集到的視頻圖像。當前應用的現(xiàn)狀是僅僅各級監(jiān)控中心走馬觀花的看看各監(jiān)控點的視頻，和在發(fā)生案件后刑偵部門為查找線索翻翻錄像資料。這種簡單的應用對于幾千萬甚至幾個億的建設投資，或每年成百上千萬租賃費用來講，顯然是遠遠不夠的。同時在大規(guī)模視頻監(jiān)控系統(tǒng)中，因其缺乏對視頻的智能分析，要在海量的監(jiān)控視頻以及百萬計的照片庫中找出犯罪嫌疑人，不僅費時費力，還有可能造成遺漏等情況，破案的效率大打折扣。對治安事件無法實時記錄和預警;長期觀察監(jiān)控視頻也突顯了人員疲勞的局限性;而且海量的錄像數據難以管理和有效查看。對公安刑偵視頻破案、對犯罪嫌疑人、重點高危人員實時布控等需要智能信息技術的支撐。
進一步，由于沒有統(tǒng)一建設一個信息化平臺，造成了公安機關各部門的信息資源不能得到充分的利用，也不能為領導的決策提供及時、準確、詳細的可靠依據。各級各部門的信息化建設目前基本處在各自應用的水平，沒有達到各警種各部門之間的信息共享，各類信息的應用資源沒有得到充分的挖掘和合理有效的綜合利用，還不能為領導決策提供科學及時的服務，也不能為一線民警提供全天候、全方位、全過程的綜合信息支持。
在進入人工智能時代，人臉識別技術在以上情況下解決視頻、圖片等非結構化信息到人員照片、身份信息等結構化的轉變。針對目前現(xiàn)存的社會維穩(wěn)、反恐工作壓力巨大，警力資源有限，傳統(tǒng)工作模式和技術手段難以支撐等各種問題，需要建立一套專業(yè)的公安人臉大數據實戰(zhàn)應用平臺，助力公安辦案業(yè)務智能化。比如，對案發(fā)嫌疑人進行視頻偵查需要對嫌疑人的動態(tài)活動軌跡、社會關系等的數據的及時采集和分析，對重點場所的防控離不開對場所的人流趨勢、風險因素等深度分析;對重點人群的服務離不開對重點人群的組成、行為習慣等的分析;對社會矛盾的化解離不開對幕后推手的深挖。
因此，結合公安實戰(zhàn)，研究基于大數據與人工智能分析的現(xiàn)代人口管控技術與應用，就可以最大限度發(fā)揮各類人像數據資源的作用，為各級公安機關和各警種提供服務，實現(xiàn)以“人臉”找人，深挖各類影像數據的實戰(zhàn)價值，為公安實戰(zhàn)提供簡單、高效、實用的技術手段。
同時將人像比對應用“嵌入”到平安城視頻監(jiān)控系統(tǒng)中，在治安和刑偵業(yè)務開展環(huán)節(jié)，實現(xiàn)可疑身份、在逃份子等有效監(jiān)管，能夠有效利用現(xiàn)有視頻監(jiān)控資源。通過后期查詢抓拍庫的人員，確認出現(xiàn)在某個攝像機下的人員身份，能夠有效震懾犯罪，消除社會治安隱患。
人像比對就是在尋找一種人像的描述方式，能夠不受各種因素影響。但是，無論是最早使用的幾何描述方式還是后來比較常用的代數描述方式，都不可避免地存在各種干擾。正因為在人臉識別的過程中存在上述的各種各樣的問題，因此在實際的檢測和識別過程中，當這些因素疊加到一起的時候，情況就變得更加復雜，輕微的光線變化就有可能導致識別失敗。本文的研究是基于深度神經網絡，通過引入深度學習技術，提升人像比對準確率，適應公安實戰(zhàn)需要。
一、分層矢量化模型
圖：單層的特征編碼的流程圖
為了解決深度神經網絡需要大量數據的問題，我們提出了分層矢量化多媒體信息表達體系。分層矢量化實際上是一個多層的特征編碼的過程。一個單層的特征編碼由以下幾個步驟組成：首先，對圖片庫里所有的人臉圖像進行分塊；其次對每塊區(qū)域提取局部特征(如LBP、SIFT)形成局部特征描述子；然后，對所有局部特征進行量化形成字典；最后，根據字典信息和人臉圖像的映射，編碼形成人臉圖像的特征向量，我們定義該特征向量為人臉DNA。
人臉DNA特征能夠很好的描述特定人臉的不變量，該特征對人臉光線、角度、表情以及各種圖片噪聲具有一定的抗干擾性，再由雙層異構深度神經網絡進行優(yōu)化與學習，人臉的區(qū)分性更強，識別效果更佳。
舉個例子：我們認一個人，最簡單的從這個人的身高、體型出發(fā)、發(fā)型等來判斷是誰(認知第一層);更深一層從這個人的人臉、骨骼、虹膜、指紋來確認這個人的身份(認知第二層);更深層次，我們可以通過這個人的DNA來確認這個人的真實身份(認知第三層)。所以認知一個人，隨著逐層深入，一層比一層更加可靠。
人臉DNA類似，在計算機人臉識別過程中，我們可以將人臉的最外在特征眼睛大小形狀(丹鳳眼、濃眉大眼等)，鼻子形狀(鷹鉤鼻、平鼻)，嘴的大小形狀(櫻桃小嘴)理解成第一層;可以將眼睛的距離，五官的位置，臉的輪廓等理解成第二層;將人臉信息更抽象，提煉出人臉不隨光照、角度、年齡等影響的特征，就是更深的層，我們定義為人臉DNA。
二、雙層異構深度神經網絡
為了將兩張照片映射到同一特征空間中進行比較，在異構深度神經網絡基礎上，我們提出了雙層異構深度神經網絡模型。此模型中每層都是一個深度網絡(分別以兩張照片為輸入)，在訓練時采用二分類損失函數并對兩個網絡中對應權值的差異性進行正則化，可實現(xiàn)不同圖像空間到相同特征空間的映射。在特征空間中，相同身份人臉圖像的類內差異變小，而不同身份人臉圖像的類間差異變大，從而增強了特征的判別性。
以人證合一為例：人的證件照要和現(xiàn)場的抓拍照或者普通照片上的人臉進行比對，我們不能直接拿來比對，這樣因為年齡、光照等各種信息影響，識別不準。我們應該將證件照送到深度神經網絡的一層，現(xiàn)場照送到深度神經網絡的另一層，兩張照片通過兩層不同的網相互交換信息(年齡差距、角度差距、光照影響等)，逐漸的去掉這些對人臉識別不利的因素，將兩張人臉照片映射到同一個可比的空間再進行比較。
圖：雙層異構深度神經網絡示意圖
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產業(yè)前沿產品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產業(yè)數字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經驗，提供媒體、活動、展會等整合營銷服務。
粵公網安備 44030402000264號
