大規(guī)模人臉聚類評測技術(shù)初探

■ 文/公安部檢測中心 林川 張翔 劉軍 蘇智睿

關(guān)鍵字：人臉聚類 效果 評測

1 引言

近年來，深度卷積神經(jīng)網(wǎng)絡(luò)的出現(xiàn)極大地提升了人臉識別算法的精度，促使人臉識別技術(shù)在公共安全行業(yè)廣泛落地應(yīng)用。各地公安部門陸續(xù)興建大量人臉識別系統(tǒng)，每天產(chǎn)生海量人臉抓拍數(shù)據(jù)。以國內(nèi)某一線城市為例，單日人臉抓拍數(shù)據(jù)規(guī)?？蛇_千萬級別。在如此海量數(shù)據(jù)面前，傳統(tǒng)的單純依靠人力查看人員軌跡數(shù)據(jù)挖掘案件線索的辦案手段已無法滿足公安實戰(zhàn)業(yè)務(wù)需求。通過大數(shù)據(jù)分析模型在海量人臉抓拍數(shù)據(jù)中實現(xiàn)人員出行規(guī)律、同行關(guān)系等高價值信息的自動化挖掘，提升人臉識別系統(tǒng)的實戰(zhàn)價值，是未來公共安全行業(yè)視頻分析系統(tǒng)智能化建設(shè)的新目標。通過人臉聚類技術(shù)將零散的人員軌跡點位信息匯聚起來形成人員檔案是實現(xiàn)人員軌跡大數(shù)據(jù)分析的基礎(chǔ)條件。因此，2020年以來，各地公安部門逐步加快了人臉聚類能力的建設(shè)步伐。

隨著人臉聚類技術(shù)應(yīng)用落地的快速發(fā)展，人臉聚類效果評測標準的匱乏愈發(fā)凸顯出來。公安部門在推進智能化建設(shè)的過程中，由于沒有合適的參考標準，往往難以設(shè)計出合理有效的評測方案遴選人臉聚類算法。造成這種情況的主要原因是目前人臉聚類效果評測尚無國家標準文件可供參考，僅有一篇發(fā)布于2016年的公共安全行業(yè)標準GA/T 1344-2016《安防人臉識別應(yīng)用視頻人臉圖像提取技術(shù)要求》提及人臉聚類效果評測方法，但受限于當(dāng)時行業(yè)內(nèi)對人臉聚類技術(shù)的認知水平，行標文件中提出的聚類評測體系對可能出現(xiàn)的聚類效果考慮不夠周全，在一些特定情況下，評測結(jié)果會與實際預(yù)期產(chǎn)生較大偏差。

為了推動行業(yè)內(nèi)人臉聚類算法評測體系的科學(xué)建設(shè)，本文對人臉聚類算法評測技術(shù)進行了初步探討，希望能夠為大規(guī)模人臉聚類效果評測認證提供參考依據(jù)，促進公共安全行業(yè)健康發(fā)展。

2 人臉聚類評測數(shù)據(jù)準備

在人臉聚類實際應(yīng)用中，人臉抓拍數(shù)據(jù)中的人臉普遍存在一定程度的偏轉(zhuǎn)，一些照片還會存在人臉被部分遮擋的情況。另外，參與聚類的人臉抓拍數(shù)據(jù)通常是跨時空采集的，采集時的光照條件、背景復(fù)雜度會存在較大差異，以上這些因素都可能對人臉聚類效果產(chǎn)生一定的影響。為使評測結(jié)果能夠真實反應(yīng)人臉聚類算法的優(yōu)劣，人臉聚類評測數(shù)據(jù)集應(yīng)盡可能模擬實際場景，并達到一定的量級規(guī)模，至少達到百萬級數(shù)據(jù)規(guī)模，采集對象應(yīng)盡可能覆蓋不同年齡段和性別，采集場景要覆蓋室外、室內(nèi)、晴天、陰天等多種環(huán)境條件，同一個采集對象需采集多張不同偏轉(zhuǎn)角度和遮擋程度的抓拍照，遮擋方式包含但不限于戴口罩、墨鏡、帽子等。

3 人臉聚類評測指標

在GA/T 1344-2016《安防人臉識別應(yīng)用視頻人臉圖像提取技術(shù)要求》標準中，針對人臉聚類效果評測提出了誤聚率和漏聚率兩個評價指標。其中誤聚率定義為人臉聚類結(jié)果中不同人次人臉圖像聚類為同一分組的組數(shù)占聚類分組總數(shù)的比例；漏聚率定義為人臉聚類結(jié)果中同人次人臉圖像未聚類為同一分組的人次數(shù)占應(yīng)聚類人次總數(shù)的比例。從定義上看，這兩個指標將人臉聚類后形成的分組結(jié)果簡單地分為正確分組和錯誤分組兩類。但由于人口流動性大、身份庫數(shù)據(jù)不足等原因，各地公安實戰(zhàn)業(yè)務(wù)應(yīng)用中形成的人員檔案通常是匿名檔案。對于匿名檔案而言，若同一個人的人臉抓拍照被分到兩個不同檔案里，是缺乏依據(jù)認定哪個檔案作為正確分組目標的。另外，這種評測方法對于聚類效果的評測角度也是不完善的，假設(shè)聚類產(chǎn)生的某個分組中有10張人臉圖片可能存在兩種分區(qū)情況，一種是10張圖片有7張屬于甲，其余3張屬于乙；另一種是10張圖片中有7張屬于甲，其余3張分別屬于乙、丙、丁。這種情況下，實戰(zhàn)中會認為前者的聚類效果好于后者，但兩種情況按照GA/T 1344-2016的評測方案計算出來的評價指標可能是相同的。

為推動行業(yè)內(nèi)人臉聚類算法評測體系的科學(xué)建設(shè)，本文參考國際權(quán)威學(xué)術(shù)期刊論文資料，提出了一套相對科學(xué)完整的人臉聚類算法評測體系。本評測體系包含聚類準確率、聚類召回率、聚類擴散率三個評測指標，指標定義如下：

聚類準確率（Precision）：反映一個聚類簇中屬于同一個人的抓拍照樣本占比有多少，是否存在不同人的抓拍照樣本聚合在同一個聚類簇的情況。

聚類召回率（Recall）：反映一個聚類簇中是否聚合了同一個人的所有抓拍照樣本，召回的比例有多少，是否存在漏聚的情況。

聚類擴散率（Expansion）：反映同一個人的抓拍照樣本被聚合到多少個聚類簇中，是否存在一人多類的情況。

本文提出的聚類效果評測體系采用先計算單一樣本的聚類準確率和聚類召回率，再計算加權(quán)平均值作為整體聚類效果評測指標的方案。該方案充分考慮了每個樣本的聚類結(jié)果對聚類效果的貢獻，并且不需要指定對于抓拍照樣本哪個類簇才是它正確的歸屬，更符合公安實戰(zhàn)場景中的匿名檔情況。同時通過加入聚類擴散率的評測指標，從更為豐富的維度對聚類效果進行了評測，較好地避免了前文中提到的聚類結(jié)果不同但得到的相同評測結(jié)果的情況。

4 人臉聚類評測流程

將人臉聚類算法評測平臺、被測系統(tǒng)、測試電腦通過IP網(wǎng)絡(luò)連通，在測試電腦登錄人臉聚類算法評測平臺客戶端，創(chuàng)建人臉聚類評測數(shù)據(jù)集，并上傳評測數(shù)據(jù)至服務(wù)端，創(chuàng)建人臉聚類評測任務(wù)，配置任務(wù)名稱、被測系統(tǒng)IP地址、被測系統(tǒng)服務(wù)端口號，指定本次評測任務(wù)使用的評測數(shù)據(jù)集，參考被測系統(tǒng)人臉聚類接口說明填寫JSON報文，向被測系統(tǒng)下發(fā)人臉聚類評測任務(wù)，被測系統(tǒng)接收人臉聚類評測數(shù)據(jù)集后啟動人臉聚類服務(wù)，完成人臉聚類，并將人臉聚類結(jié)果按照格式要求寫入結(jié)果文件后回傳至人臉聚類算法評測平臺。人臉聚類算法評測平臺接收、解析聚類結(jié)果文件，與評測數(shù)據(jù)集標注文件對照分析，計算出聚類準確率、聚類召回率、聚類擴散率三個評測指標后在客戶端展示評測結(jié)果。

5 結(jié)語

為推動公安行業(yè)內(nèi)人臉聚類效果評測體系科學(xué)建設(shè)，滿足日益增長的視頻監(jiān)控系統(tǒng)智能化建設(shè)需要，本文參考國際權(quán)威學(xué)術(shù)期刊論文資料，結(jié)合公安實戰(zhàn)應(yīng)用場景，提出了一套包含人臉聚類測試數(shù)據(jù)集要求及聚類效果評測指標的完整評測體系。該評測體系相較于原有公安行業(yè)標準中的人臉聚類評測方案，評價指標更為科學(xué)、嚴謹、更為貼合公安實際業(yè)務(wù)場景。希望能夠為今后大規(guī)模人臉聚類效果評測認證提供參考依據(jù)，促進公共安全行業(yè)健康發(fā)展。