大规模人脸聚类评测技术初探

■ 文/公安部检测中心 林川 张翔 刘军 苏智睿

关键字：人脸聚类 效果 评测

1 引言

近年来，深度卷积神经网络的出现极大地提升了人脸识别算法的精度，促使人脸识别技术在公共安全行业广泛落地应用。各地公安部门陆续兴建大量人脸识别系统，每天产生海量人脸抓拍数据。以国内某一线城市为例，单日人脸抓拍数据规模可达千万级别。在如此海量数据面前，传统的单纯依靠人力查看人员轨迹数据挖掘案件线索的办案手段已无法满足公安实战业务需求。通过大数据分析模型在海量人脸抓拍数据中实现人员出行规律、同行关系等高价值信息的自动化挖掘，提升人脸识别系统的实战价值，是未来公共安全行业视频分析系统智能化建设的新目标。通过人脸聚类技术将零散的人员轨迹点位信息汇聚起来形成人员档案是实现人员轨迹大数据分析的基础条件。因此，2020年以来，各地公安部门逐步加快了人脸聚类能力的建设步伐。

随着人脸聚类技术应用落地的快速发展，人脸聚类效果评测标准的匮乏愈发凸显出来。公安部门在推进智能化建设的过程中，由于没有合适的参考标准，往往难以设计出合理有效的评测方案遴选人脸聚类算法。造成这种情况的主要原因是目前人脸聚类效果评测尚无国家标准文件可供参考，仅有一篇发布于2016年的公共安全行业标准GA/T 1344-2016《安防人脸识别应用视频人脸图像提取技术要求》提及人脸聚类效果评测方法，但受限于当时行业内对人脸聚类技术的认知水平，行标文件中提出的聚类评测体系对可能出现的聚类效果考虑不够周全，在一些特定情况下，评测结果会与实际预期产生较大偏差。……