基于深度學(xué)習(xí)的人臉大數(shù)據(jù)系統(tǒng)應(yīng)用

文/張旭 謝鑒

1 研究背景

當(dāng)前對靜態(tài)人臉識別系統(tǒng)的應(yīng)用研究日臻完善，在多個需要進行人臉一致性驗證的場景下，人臉識別系統(tǒng)都表現(xiàn)很好。關(guān)于動態(tài)人臉識別的應(yīng)用正在受到越來越多的關(guān)注，并逐步開始在公共安全的各個領(lǐng)域推廣。

深度學(xué)習(xí)（Deep Learning）是含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)，概念來源于對人工神經(jīng)網(wǎng)絡(luò)的研究，深度學(xué)習(xí)可以通過組合低層特征形成更加抽象的高層表示屬性類別或特征有多個隱層的多層感知器是深度學(xué)習(xí)模型的一個很好的范例。

人臉識別（Face recognition）的主要方法有基于主成分分析的基于幾何結(jié)構(gòu)分析的方法、基于主要成分分析的特征臉方法、彈性匹配的方法、和人工神經(jīng)網(wǎng)絡(luò)法等?；趲缀谓Y(jié)構(gòu)方法是通過手工選取特征點提取人像結(jié)構(gòu)的幾何元素，然后使用基于距離進行相似度度量。這種方法忽略了局部細節(jié)，也會使得丟失部分信息，使得算法精度不高?；谥鞒煞值姆治龇椒ㄊ菍⒕€性子空間與人臉圖像形成低維與高維的映射，在提取局部信息的前提下可以保留整體特征。是一種相對便捷的方法。但是這種方法局限在較大程度依賴測試集與訓(xùn)練集。ANN算法或基于支持向量機的判別分析方法是利用集學(xué)習(xí)特征來訓(xùn)練使用支持向量機或多層感知器，以此作為實際人臉分類的方法。該方法的優(yōu)點是提取特征不需要手動，但是缺點是由于多層感知器有限的分類能力和支持向量機參數(shù)不好選取而造成的推廣程度小，計算量太大。

基于深度學(xué)習(xí)（Deep Learning）的人臉識別方法是從海量數(shù)據(jù)集中自動學(xué)習(xí)人臉特征，基于深層次大規(guī)模卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型，并泛化到實際識別場景中。深度學(xué)習(xí)是通過對不同層次特征的抽象，逐級形成特征映射，就像人的大腦皮層分層處理一樣，這樣可以使抽象化、簡化特征提取的工作。比較傳統(tǒng)的方法，這種方法更符合人腦的視覺機制?？梢愿焖?，高效的學(xué)習(xí)到人像中的隱形規(guī)則和規(guī)律。

2 系統(tǒng)架構(gòu)

2.1 系統(tǒng)組成

人臉應(yīng)用系統(tǒng)由人臉識別專用攝像機、高清鏡頭、人臉識別預(yù)處理服務(wù)器、人臉比對服務(wù)器、存儲服務(wù)器、報警顯示端和系統(tǒng)管理平臺構(gòu)成。人臉識別預(yù)處理服務(wù)器：接入前端人臉識別攝像機，對實時視頻中的人臉進行檢測、跟蹤、抓拍及質(zhì)量判斷。人臉比對服務(wù)器：對前端傳回的人臉照片進行人臉特征提取，與后臺人像特征數(shù)據(jù)庫比對并返回結(jié)果。存儲服務(wù)器：記錄需要監(jiān)控的人像信息；根據(jù)需要，記錄人像抓拍和實時比對信息，方便事后查驗；記錄動態(tài)人臉監(jiān)控系統(tǒng)中各模塊的配置信息、布控配置信息，系統(tǒng)管理平臺的配置信息等。報警顯示終端：實時顯示抓拍人像信息、報警信息。

2.2 業(yè)務(wù)流程

前端人臉識別專用攝像機采集實時高清人像視頻，通過專網(wǎng)傳輸?shù)筋A(yù)處理服務(wù)器，預(yù)處理服務(wù)器對實時視頻中的人臉進行檢測、跟蹤、抓拍及質(zhì)量判斷，將人臉照片傳輸至后臺人臉比對服務(wù)器進行特征提取與比對，輸出比對結(jié)果供民警進行研判處理。采用GPU服務(wù)器，單臺人臉比對服務(wù)器可同時支持多路高清攝像機。

2.2.1 靜態(tài)人像比對

專網(wǎng)內(nèi)的用戶通過PC客戶端、警務(wù)通終端登錄海量靜態(tài)人像比對系統(tǒng)，進行人像比對業(yè)務(wù)訪問，實現(xiàn)1:1、1:N、M:N人像比對檢索、應(yīng)用。此外，海量靜態(tài)人像比對系統(tǒng)作為人像比對引擎，可提供標(biāo)準(zhǔn)化的人像比對、數(shù)據(jù)訪問接口，為各部門各業(yè)務(wù)系統(tǒng)提供人像比對計算與數(shù)據(jù)服務(wù)，有效整合多業(yè)務(wù)系統(tǒng)的綜合應(yīng)用，提升多系統(tǒng)的協(xié)同作戰(zhàn)能力。

2.2.2 動態(tài)人像比對

基于不同場景的人員管理現(xiàn)狀，選擇在轄區(qū)范圍內(nèi)，將動態(tài)人臉識別技術(shù)與公共安全業(yè)務(wù)相結(jié)合，在重點小區(qū)、大型超市、車站等場景部署動態(tài)人臉識別系統(tǒng)，實現(xiàn)該類場景下的動態(tài)人臉監(jiān)控和身份識別及布控報警。一方面有效利用現(xiàn)有的大量人像數(shù)據(jù)，另一方面通過人像比對協(xié)助系統(tǒng)應(yīng)用者從監(jiān)控視頻中快速提取有效信息，實現(xiàn)對動態(tài)人臉監(jiān)控和身份識別及布控報警。如圖1所示。

圖1：動態(tài)人像比對系統(tǒng)整體結(jié)構(gòu)

3 結(jié)語

基于深度學(xué)習(xí)的人像應(yīng)用系統(tǒng)由通過建成一套大規(guī)模人像應(yīng)用的中心平臺，滿足人像靜態(tài)、動態(tài)識別應(yīng)用，將動態(tài)人臉識別技術(shù)與公共安全業(yè)務(wù)相結(jié)合，實現(xiàn)該類場景下的動態(tài)人臉監(jiān)控和身份識別及布控報警，可以形成“以人為核心”的人像大數(shù)據(jù)分析、業(yè)務(wù)應(yīng)用，有效豐富技戰(zhàn)法，為公共安全各業(yè)務(wù)部門提供科技助力。