人脸识别技术在安全保卫工作中的应用及发展趋势研究

2016-03-05 01:03苏大伟
无线互联科技 2015年21期
关键词:安全保卫视频监控人脸识别

苏大伟

摘要:人脸识别技术作为一种新兴的生物特征识别技术,与其他生物特征识别技术相比,可以非接触式远距离采集生物特征,数据获取更加自然、直接、便捷。人脸识别技术在公共安全、经济文化保卫、人机交互等领域具有广泛的应用前景,在研究和应用方面得到长足的发展。人脸识别技术安保领域中主要有2种类型的应用,即静态人脸比对识别和动态人脸监控识别。动态识别技术可应用于车站、机场、地铁等重点场所和人群密集公共场所以及学校、医院等企事业单位出入口等多种治安、安保、安防、反伪等领域。静态人脸识别搜索比对是指静态人脸照片与人脸数据库比对,进行人的身份搜索和身份管理,主要应用在治安和户籍管理、身份核查、内保等方面。文章对人脸识别技术在安全保卫工作中的应用及发展趋势进行了研究。

关键词:人脸识别;视频监控;安全保卫;生物识别;安防

1.概述

人脸识别技术作为一种新兴的生物特征识别技术,与指纹、虹膜、静脉等其他生物特征识别技术相比,有其独特优势,可以非接触式远距离采集生物特征,既可主动采集、隐蔽采集,也可被动采集、强制采集;人脸数据相对容易获得,更自然直接、方便,不具有侵犯性,用户没有任何心理障碍等。随着越来越多的国际安全形势的严重性、远距离,快速识别技术的匹配条件,实现智能预警和比对成为亟需。人脸识别技术在公共安全、经济和文化安全、人机交互、等领域有广阔的应用前景,近年来研究和应用有很大的发展。

2.人脸识别产业态势

近年来,人脸识别硬件的进化速度很快,处理器和图像采集设备性能提升和成本日渐降低,镜头模组的更高分辨率、更小体积、更低功耗等,都意味着几乎所有的智能设备原则上都已具备安装和部署人脸识别的技术基础和可能性,数码相机、摄像机、拍照手机的不断普及极大地拓展了人脸识别技术的使用空间。虽然主要的软件技术来源和核心软件的原创研发还是有限的少数,但核心技术进入到商业企业后,因为来自客户需求和实际应用的驱动,技术的改良和进步也是明显可见的,基于大量各类型特征数据的学习和技术更迭,一些核心软件技术与其源头的原创技术相比脱胎换骨。

如果一项安防技术可以对它所涉及和关联的信息进行完全采集,那么这项技术就可以贯穿打通安防领域各应用分支的技术。比如,指纹识别是非“完全采集”的技术,所以它基本用于安全和调查,而在监控、防范和预警等领域就难以大派用场。另一项达到完全采集原则的常见技术是虹膜识别,但因为在采集难度、采集特征的直观性、可见性以及特征值的常用性、已完成采集特征数据库规模上的巨大差别,远不能与人脸识别相比。

“互联网+”和大数据时代,能够满足完全采集原则的生物特征识别技术,正是在大数据环境下对人的行为轨迹进行跟踪、数据采集、统计分析的基础性技术。成本因素以及产品制造和系统部署的便利性都是人脸识别技术在整个生物识别技术集群中即将脱颖而出并领先的独特优势和基本条件,在摄像头成为绝大多数智能设备标配部件的现实下,人脸识别就是一种可随时安装使用的软件功能。这也是众多行业巨头精心准备和布局人脸识别技术和应用的原因。

阿里和腾讯布局的一个潜力巨大领域——人工智能,也是以人脸识别作为基础技术之_的。人工智能可细分为弱人工智能、强人工智能以及超人工智能3类技术。强人工智能及以上的技术将具备与人类进行简单沟通和理解的能力,无论它被设计成什么样的外形。人脸识别技术(表情、情绪)提供了机器人判断人类个人特征以及了解人类情感状态的可能,这也是它们发展出与人类进行简单交流与沟通能力的基础。人脸识别技术是人工智能最重要的基础技术之_,因此目前人工智能的飞速发展以及世界各国从政府到企业在人工智能上的大手笔投入也必将极大推动人脸识别技术进一步成熟和在其他领域的更广泛应用。而人脸识别技术在安全保卫领域的应用将非常具有竞争力。

3.人脸识别技术在安全保卫领域的应用

现如今人脸识别技术在安保领域中主要有2种类型的应用:动态人脸监控识别和静态人脸比对识别。

3.1动态人脸识别监控系统

画面中的人员处于非配合状态,且要求系统做出实时快速响应。到目前为止最常见的是目标人(黑/白名单)人脸监控识别系统,它将相机视野和特定目标群体(黑/白名单)数据库进行比较,判断是否属于某人的列表。系统可以收集视频图像,自动分析,实时对比人脸,主动关注人员监控场景识别,发现目标自动报警提示安全人员采取控制措施,实现可疑和黑名单人员的布控和识别、响应,发现“关注对象”,是解决社会保障和警卫人员监控领域的有效技术。目前,名单的库容量一般可以达到几十万的数量级。

动态识别技术可以应用于火车站、机场、地铁和其他关键站点的商场超市、学校和其他拥挤的公共领域入口等多种领域,如公安、安全、安全、反对虚假,满足各种需求,其他应用程序模式包括实名认证系统,主要是确定一个摄像头来识别人员证书状态,常用于测试考场,出入境,家庭,等等;人员出现频率统计信息系统,自动寻找相机视图中多次出现,许多服务窗口上安装用于自动找到牛,医学报警等;人脸识别考勤,门禁系统,为了确定相机之前人员身份权限之后打开日志(电子锁,锁机等)和开放,更多的为每一个单位的考勤门禁系统。

以出入口控制中的人脸实时报警系统应用为例,动态人脸识别监控能够配合门禁系统进行出入口智能控制,针对流窜作案、多次作案人员,在出入口增加人脸识别系统,对嫌疑人员、多次作案人员、公安部门通缉在逃人员等建立嫌疑人数据库,只要嫌疑人进门即可实时报警。人脸实时报警系统采用具有自主知识产权的人脸检测算法、人脸跟踪算法、人脸质量评分算法以及人脸识别算法等多种技术,其实现了实时人脸抓拍、实时黑名单比对报警和人脸检索等功能。系统把人脸捕捉相机设备安装在前面,面对经过的人员后捕获和上传。前端摄像机捕获的脸图像通过计算机网络传输到监控中心数据库数据存储、实时,并面临黑名单库发现可疑人员,系统自动发送报警信号,并使用多种联系通知保安人员。

3.2静态人脸识别比对系统

静态面临搜索推出了目前市场上基于比较法的应用识别包括3个主要功能模块:一是单面搜索,是指提交照片,系统返回降序排列的相似性一定数量的人员候选人名单;二是批量搜索,是指提交了一批照片,每张照片单面搜索后系统将统一所有结果报告返回;三是身份检查,指的是系统数据库中的所有图像交叉引用或不同数据库表中交叉引用,返回相似度大于一定值关闭所有数据报告,用于搜索发现不止一个证书(如姐姐),多一个证书(使用证书)异常情况。

在静态人脸识别技术在金融安全的应用程序,例如,银行有很多地方和企业要求严格的身份验证,例如银行金库、自助银行或VTM认证、ATM机的房间添加钱、钱和汽车控制等。梳理近年来发生的某些情况,传统的信用卡密码,指纹身份验证方法,如不能从根本上保证真实性的身份,指纹和容易被复制,密码很容易偷、卡很容易失去,造成很大潜在的安全隐患。面部识别身份验证无法复制、不能偷、自然直观、保密性强、安全性高,是解决银行的问题验证的最好办法。

当进入ATM自助银行或银行网点营业厅的人员面部有带口罩、默镜、帽子等遮挡伪装特征时系统通过实时视频传输和后台比对,将自动发现识别,根据预定的报警规则,弹出实时监控预警监控中心。收到报警信息安全相关人员将按照自动应急计划的警察,同时接受银行监控指挥中心的远程控制和进度。系统自动生成嫌犯面临库和视频数据,视频图像的检索和获取证据。

银行贷款给家庭在每个分支或分支面建立功能集合,然后存储在云计算中心人脸特征信息基地。贷款家庭在某网站完整的人脸特征信息登记后,可以在银行分行智能比对任何一个身份验证,真正“固定的身份信息和银行面临功能一一对应”,以防止可能冒充贷款和其他隋况,意识到借款人的身份认证信息,智能和网络管理。

4.当前安保应用中人脸识别技术存在的问题

目前生物特征的身份识别技术受到各国的极大重视,国内外很多科研院所和公司对动态人脸身份识别技术正在进行深入研究,但由于人脸识别技术对图像质量的要求较高,人脸识别视频监控产品在准确性和实时性方面尚存有难度,无法达到100%的准确。由于视频监控摄像头是远离目标,人们发现监控识别系统通常不积极合作,并不总是积极地面对图片收集,环境和光通常是不符合要求的控制,使得采集质量好的人脸图像是很困难的,容易产生运动模糊,远低于图像采集的质量。因此要密切协调条件面对形象,因为不配合用户运动的同时,一边脸,回相机的概率大大增加,这使得人脸检测、跟踪,人脸匹配识别带来相当大的困难。此外,监控场景,通常有很多人在同一时间,多个身体容易让彼此的身份很难相关联。这一系列的因素为远程视频监控的面部识别难度非常大。

动态的人脸识别监控系统在人脸识别核心引擎、识别精度,响应速度、兼容性、可扩展性方面还有进一步发展的空间,以适应多种监控网络结构,最大限度满足行业要求。

5.未来发展趋势

从当前的发展来看,大型静态脸部比较系统产品成熟,其关键技术和系统可以支持目前的产品应用程序数据处理和人脸识别基于web服务,支持识别比、户籍管理、安全管理、安全管理、以及其他各种业务对面孔识别的需求,可以支持互联网终端、移动终端,如各种各样的终端访问,方便和灵活的使用。

人脸识别整个生态链的整合即将出现,核心硬件商对软件商的整合出现的可能性也很大,移动设备核心元器件供应商将可能成为整合的主力。百万级规模的人脸识别应用即将出现。千万至亿级规模化应用正在开展之中。互联网企业和移动设备领域规模用户的市场布局正在进行,特别是安保领域的规模化应用、互联网应用、移动及便携式终端将进一步深入和细化,具有十分广阔的发展前景。

猜你喜欢
安全保卫视频监控人脸识别
人脸识别 等
揭开人脸识别的神秘面纱
高校安全保卫工作的问题及对策探究
基于类独立核稀疏表示的鲁棒人脸识别
基于K-L变换和平均近邻法的人脸识别