基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)的研究及實(shí)現(xiàn)

湯燊淼 廉小親 張琪琦 陳秀新

(北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院 北京 100048)(中國輕工業(yè)工業(yè)互聯(lián)網(wǎng)與大數(shù)據(jù)重點(diǎn)實(shí)驗(yàn)室 北京 100048)

0 引 言

自我國實(shí)施“放管服”改革以來，就不斷強(qiáng)化稅務(wù)機(jī)關(guān)要嚴(yán)格規(guī)范公正文明執(zhí)法，樹立誠信推定、風(fēng)險(xiǎn)監(jiān)控、信用管理的現(xiàn)代稅收管理理念，建設(shè)“實(shí)名辦稅制+分類分級(jí)+信用積分+風(fēng)險(xiǎn)管理”的閉環(huán)管理新體系，提高稅收征管效能，充分維護(hù)納稅人合法權(quán)益，優(yōu)化納稅服務(wù)[1]。

長期以來，“人證分離”現(xiàn)象是困擾基層稅源管理的難題。為切實(shí)推進(jìn)“實(shí)名辦稅”制度落實(shí)，2017年，國家稅務(wù)總局北京市海淀區(qū)稅務(wù)局上線了稅務(wù)“人臉識(shí)別”系統(tǒng)，該系統(tǒng)通過“身份證掃描+人臉識(shí)別”檢測的方式實(shí)現(xiàn)實(shí)名辦稅[2]。但針對人臉識(shí)別采集的數(shù)據(jù)進(jìn)行深度分析，建立疑點(diǎn)企業(yè)庫和自然人風(fēng)險(xiǎn)名單庫，自動(dòng)識(shí)別高危人員等全新功能還未完善。

本文為解決風(fēng)險(xiǎn)預(yù)警等問題，設(shè)計(jì)基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)來實(shí)現(xiàn)辦稅大廳內(nèi)人臉抓拍識(shí)別、高危人員自動(dòng)預(yù)警，同時(shí)繪制廳內(nèi)人員的軌跡圖和區(qū)域熱力圖，還可查看人員企業(yè)畫像、辦稅人員風(fēng)險(xiǎn)等級(jí)等，提高稅務(wù)人員的服務(wù)水平，保障合法經(jīng)營的納稅人的合法權(quán)益，維護(hù)法律的公平、正義[3]。

1 系統(tǒng)總體方案設(shè)計(jì)

自2016年至今，某市稅務(wù)局通過采集辦稅人員人臉圖像，已有18萬辦稅人員的人臉庫，并將庫中辦稅人員的風(fēng)險(xiǎn)等級(jí)分為Ⅰ、Ⅱ、Ⅲ三個(gè)級(jí)別，Ⅲ為最高風(fēng)險(xiǎn)等級(jí)，目前，該庫位于市局的數(shù)據(jù)中心。本系統(tǒng)利用高點(diǎn)動(dòng)態(tài)相機(jī)對辦稅人員人臉進(jìn)行抓拍，然后通過人臉識(shí)別算法與18萬人臉庫進(jìn)行識(shí)別比對，進(jìn)行辦稅人員風(fēng)險(xiǎn)等級(jí)推送，同時(shí)繪制廳內(nèi)人員軌跡圖、區(qū)域熱力圖、人員企業(yè)畫像，為導(dǎo)稅人員對廳內(nèi)擁擠區(qū)域的人員疏導(dǎo)提供參考。

1.1 系統(tǒng)架構(gòu)設(shè)計(jì)

系統(tǒng)采用B/S架構(gòu)，由數(shù)據(jù)采集層、算法層、數(shù)據(jù)庫層、應(yīng)用層[4]四部分組成，其架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)

應(yīng)用層中用戶通過瀏覽器查看人臉抓拍實(shí)時(shí)識(shí)別結(jié)果、辦稅人員軌跡、區(qū)域熱力圖及人員企業(yè)畫像等。數(shù)據(jù)服務(wù)層由一個(gè)總體數(shù)據(jù)庫構(gòu)成，該數(shù)據(jù)庫包含三張表，數(shù)據(jù)庫設(shè)計(jì)如圖2所示。

圖2 數(shù)據(jù)庫設(shè)計(jì)

1.2 系統(tǒng)主要功能及軟硬件配置

基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)主要功能包括：人臉抓拍實(shí)時(shí)識(shí)別、辦稅人員行為軌跡、大廳區(qū)域熱力圖、辦稅人員企業(yè)畫像等，系統(tǒng)功能模塊組成如圖3所示。系統(tǒng)對軟硬件的性能具體要求如表1所示。

圖3 系統(tǒng)功能模塊組成

表1 軟硬件配置方案

2 系統(tǒng)實(shí)現(xiàn)

2.1 基于Gabor小波、LBPH和PCA降維的人臉識(shí)別算法

傳統(tǒng)人臉識(shí)別算法在復(fù)雜場景下人臉識(shí)別率低、計(jì)算時(shí)間長、抗干擾能力差，不能滿足實(shí)際應(yīng)用的基本需求[5]。因此，本文提出基于Gabor小波、LBPH方法和PCA降維方法相結(jié)合的人臉識(shí)別算法。首先通過直方圖均衡化對輸入圖像進(jìn)行預(yù)處理，再利用Gabor小波提取多方向和多尺度的局部圖像特征，然后使用LBP算子對人臉空間進(jìn)行編碼，生成LBP直方圖，通過PCA算法降維，建立特征臉向量，利用皮爾森相關(guān)系數(shù)[6]計(jì)算抓拍圖片的人臉特征與18萬人臉庫中人臉特征之間的相似度，最后給出識(shí)別結(jié)果。

Gabor小波能夠很好地提取目標(biāo)圖像不同空間位置、頻率和方向上的特征，同時(shí)Gabor變換對曝光度、表情、角度變化具有魯棒性，因此能夠很好地提取人臉特征。二維Gabor小波的表達(dá)式為[7]：

(1)

wk(z)=I(z)*φ(k,z)

(2)

式中：*表示卷積;wk(z)為Gabor小波人臉，可表示為wk(z)=Αkeiφk,Ak和φk分別是wk(z)的幅值和相位。文中提取wk(z)幅值特征Ak，Gabor內(nèi)核大小為35×35。

文中通過Gabor小波提取抓拍照片的人臉特征，然后在人臉特征空間中，使用半徑R=1、數(shù)量P=8的圓形LBP采樣，得到一個(gè)二進(jìn)制數(shù)[9]：

(3)

式中：s為定義的一個(gè)參數(shù)，表示將中心像素的灰度值gc與周圍像素的灰度值gp作對比，若中心像素的灰度值大于周圍像素的灰度值，s為0，否則s為1。

對像素按照不同位置進(jìn)行加權(quán)，賦予2P的當(dāng)量值，p為計(jì)算LBP值時(shí)像素的編號(hào)，從而得到與領(lǐng)域點(diǎn)的LBP值[10]：

(4)

然后，將人臉特征空間分為64個(gè)子空間，每個(gè)子空間分別統(tǒng)計(jì)其LBP直方圖，連接這些子空間的LBP直方圖生成人臉特征向量。以Hμ,v表示人臉特征向量，該特征向量的定義如下[11]:

(5)

由于特征提取后，獲得的LBP直方圖向量維數(shù)過高，所以利用PCA算法對于LBP向量進(jìn)行降維處理，挑出主要特征。

最后在識(shí)別階段，將特征LBP向量向PCA特征子空間進(jìn)行投影，得到投影向量X，Y為18萬人臉庫的人臉特征向量，計(jì)算識(shí)別的相似度[12]：

(6)

2.2 人員抓拍、軌跡及區(qū)域熱力圖實(shí)現(xiàn)

基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)通過在辦稅大廳入口位置部署DS- 2CD7A27FWD-IZ型?？低?00萬星光級(jí)泛智能抓拍網(wǎng)絡(luò)攝像機(jī)對于進(jìn)入大廳的所有人員進(jìn)行實(shí)時(shí)人臉檢測。利用人臉識(shí)別算法對抓拍的人臉照片進(jìn)行人臉特征提取，提取的人臉特征與MySQL數(shù)據(jù)庫中的18萬人臉特征進(jìn)行比對，返回相似度。將抓拍照片及人臉特征保存在MySQL數(shù)據(jù)庫中，并利用WebSocket技術(shù)，創(chuàng)建服務(wù)器與瀏覽器間的持久性連接，將匹配的人員信息、風(fēng)險(xiǎn)等級(jí)返回到瀏覽器端，如果風(fēng)險(xiǎn)等級(jí)高，則在Web頁面彈窗預(yù)警，實(shí)現(xiàn)實(shí)時(shí)抓拍預(yù)警?？紤]到18萬人臉特征庫中人臉特征數(shù)量大的問題，所以在識(shí)別時(shí)，本系統(tǒng)創(chuàng)建三個(gè)線程，每個(gè)線程有6萬人臉特征，將抓拍圖片的人臉特征與每個(gè)線程的人臉特征進(jìn)行一一比對，返回相似度并選取最高的相似度作為該線程的人臉識(shí)別相似度，再選取三個(gè)線程中最高的相似度作為最終相似度。

同時(shí)，某市辦稅大廳共有6個(gè)區(qū)域，包括入口驗(yàn)證區(qū)、非嵌入式終端區(qū)、自主辦稅區(qū)、視頻咨詢區(qū)、培訓(xùn)學(xué)習(xí)區(qū)、終端辦稅區(qū)，每個(gè)海康威視智能抓拍網(wǎng)絡(luò)攝像機(jī)為圖中的一個(gè)坐標(biāo)點(diǎn)，根據(jù)現(xiàn)場勘測，每個(gè)區(qū)域布置兩臺(tái)?？低曋悄茏ヅ木W(wǎng)絡(luò)攝像機(jī)分別負(fù)責(zé)左半?yún)^(qū)域和右半?yún)^(qū)域的人臉抓拍，同時(shí)對6個(gè)區(qū)域的網(wǎng)絡(luò)攝像機(jī)進(jìn)行編號(hào)。通過讀取數(shù)據(jù)庫中的攝像頭編號(hào)和人臉信息，繪制辦稅人員的軌跡圖。再通過網(wǎng)絡(luò)攝像機(jī)定時(shí)拍照，然后檢測人臉、計(jì)算區(qū)域人數(shù)，利用Echart圖庫進(jìn)行辦稅大廳的辦稅人員軌跡圖及區(qū)域熱力圖繪制。辦稅人員抓拍、軌跡流程如圖4(a)所示，區(qū)域熱力流程如圖4(b)所示。

(a) 辦稅人員抓拍、軌跡流程 (b) 區(qū)域熱力流程圖4 人員抓拍、軌跡及區(qū)域熱力流程

3 系統(tǒng)結(jié)果與分析

當(dāng)辦稅人員進(jìn)入大廳后，通過?？低曋悄茏ヅ木W(wǎng)絡(luò)攝像機(jī)檢測人臉并抓拍，經(jīng)過實(shí)驗(yàn)室多次實(shí)驗(yàn)以及現(xiàn)場實(shí)驗(yàn)，當(dāng)相似度的閾值為0.8，即可認(rèn)為識(shí)別成功。目前，本系統(tǒng)于2019年10月開始運(yùn)行，每日識(shí)別人數(shù)大概在800人，經(jīng)過統(tǒng)計(jì)，每月的平均識(shí)別準(zhǔn)確率為95.6%，單人的識(shí)別速度為143 ms?；谌四樧R(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)的實(shí)時(shí)抓拍圖如圖5所示。風(fēng)險(xiǎn)等級(jí)推送如圖6所示。單人人臉識(shí)別時(shí)間如圖7所示。

圖5 基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)實(shí)時(shí)抓拍圖

圖6 基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)風(fēng)險(xiǎn)等級(jí)推送圖

圖7 基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)單人人臉識(shí)別時(shí)間圖

同時(shí)大廳內(nèi)的高點(diǎn)動(dòng)態(tài)攝像實(shí)時(shí)抓拍可實(shí)現(xiàn)軌跡跟蹤定位，繪制辦稅人員軌跡圖，辦稅人員進(jìn)入大廳的行蹤都可實(shí)時(shí)掌握。基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)人員軌跡如圖8所示。

圖8 基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)人員軌跡

熱力圖可以顯示辦稅人員熱衷的頁面區(qū)域和辦稅人員所在的大廳位置圖示，以便提醒大廳內(nèi)導(dǎo)稅人員及時(shí)進(jìn)行引流，使大廳空間得到合理利用，同時(shí)也可以展現(xiàn)人群聚集地?；谌四樧R(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)熱力圖如圖9所示。

圖9 基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)熱力圖

通過高點(diǎn)攝像機(jī)實(shí)時(shí)進(jìn)行人臉檢測與選取最佳人臉角度進(jìn)行抓拍比對，識(shí)別成功后可以查看辦稅人員的身份信息與企業(yè)畫像。基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)企業(yè)畫像如圖10所示。

圖10 基于人臉識(shí)別的稅務(wù)風(fēng)險(xiǎn)防控系統(tǒng)企業(yè)畫像

本系統(tǒng)對人臉識(shí)別采集的數(shù)據(jù)進(jìn)行了深度分析，利用了人臉識(shí)別技術(shù)、WebSocket技術(shù)、Echart圖庫對大廳數(shù)據(jù)集中管理與交互，實(shí)名辦稅，風(fēng)險(xiǎn)預(yù)警。

4 結(jié) 語

本文所設(shè)計(jì)的風(fēng)險(xiǎn)防控系統(tǒng)已應(yīng)用于某市的一個(gè)辦稅大廳，有效地解決了虛假辦稅的問題。該系統(tǒng)的設(shè)計(jì)思路易于擴(kuò)展到其他大廳，但是該系統(tǒng)的人臉識(shí)別算法還需優(yōu)化，識(shí)別率還有待提高，后續(xù)還可以考慮在該系統(tǒng)中加入辦稅人員行為分析、人員軌跡聚類分析、辦稅人員每日辦稅情況等功能，使之更加完善。