人脸识别预警系统

解决方案

一、 项目背景

随着经济的发展，城镇建设速度加快，以及互联网的突飞猛进，导致城市中人口密集，流动人口增加，引发了城市建设中的交通、社会治安、重点区域防范、网络犯罪日益突出等城市管理问题，今后现代化城市的建设、网络信息必然将安全作为重中之重，与城市的经济建设处于同等重要的地位。传统的视频监控很难形成有效的实施打击，采用人脸识别布控作为治安管控的技术支撑手段，通过在人群密集的场所建立固定视频人脸卡口或临时移动视频人脸卡口实时布控，形成一个识别各种可疑人员、恐怖分子、涉案出逃人员的一个重要预警人脸卡口通道。

本系统是基于“神经网络深度学习”理论开发的识别技术，设计出包含数百万相互连接的神经元网络结构，通过与前端摄像机的视频图像对接，利部署人脸布控平台进行人像特征分析，系统检测对比人脸数据库中的所有已知原型人脸图像，经过学习海量的人脸图像来达到"辨认"身份的目的。

通过系统的实施可以实现智能、精准、快速的人脸比对,以及完善的人像大数据分析挖掘应用,实现布控人员的实时监控追踪预警、人员身份快速比对核准、人员历史轨迹追踪的倒查等功能,综合解决公共安全领域中找人、预警、追踪等人员管理监控问题。

二、 国内外技术现状及发展趋势

随着技术的发展，人脸识别方法也呈现出“百花齐放”的趋势。从整体上把握，人脸识别技术可以分为以下三种：

1.    基于几何特征的正面人脸识别方法

该方法就是采集人脸的重要的面部特征及其之间的相对距离、特征分布等参数从而形成一个可以表示人脸特征向量，例如角度、曲率等。

2.      模板匹配的人脸识别方法

模板匹配主要包括静态匹配和弹性匹配，可以细分为：动态连接匹配法、特征脸方法、线性判别方法、神经网络法等。

3.      基于模型的人脸识别方法

利用数学模型的参数进行人脸识别，合并人脸尺度和人脸方向的人脸。

(一)    人脸识别的现状

人脸识别技术正式起步于美国，我国接触该技术较晚，但是经过科研人员和学者们多年的研究和实验，目前我国的人脸识别技术已经达到国际先进的水平。

(二)    国内现状

在我国，最早从人工向计算机智能识别发展的生物识别技术是指纹识别，但是在实际应用中逐渐产生了对人脸识别技术的需求。从2001年开始，公安部门就开始使用这一技术来防范打击重大刑事犯罪并取得国家的支持。随后，我国在2008年北京奥运会举行时应用了人脸识别技术，这标志着我国的人脸识别进入大规模的使用阶段。在前几年举办的世博会上，该技术得到更加广泛的应用，同时各大公司也逐渐加入，实现了人脸识别技术在中国的大规模应用。随着我国技术的不断进步，“三化两合”将是人脸识别发展的必然趋势。“三化”指：主流化、芯片化、标准化；“两合”指：与其他生物特征的多生物特征融合与REID的联合。

(三)    国外现关

国内外对于人脸识别的研究都非常的活跃。美国、德国、日本等经济发达国家和部分发展中国家都有研究机构和研究人员对此进行专门的研究。以下只取其中兩个国家作为例子。

美国是人脸识别技术最先起步的国家，也是最先应用该技术的国家，其人脸识别技术的水平一直走在国际前列。早在1993年，美国国防部就启动了FERET项目，为其之后的生物智能识别技术奠定了基础，推动人脸识别技术从初始阶段提升到原型系统阶段。

日本虽然也是略晚接触人脸识别技术的国家，但是其发展却日新月异。在2014年日本的一家研究中心就在日本大阪试验一项基于视频的人脸识别技术，目的在于当灾难来临是，通过实时监控中人脸的表情以及人流的动态来判断各个紧急安全出口是否可用。

(四)    人脸识别的展望

虽然人脸识别技术目前还存在一些缺陷，但是这一技术目前已经得到了非常迅速的发展，还出现了专门的国际会议，越来越多的研究人员和研究机构投入其中，同时各国也开始逐渐试验这一技术，那些亟待解决的问题不过也是时间的问题。相信不久的将来，这一人工智能技术会在不断的应用中逐渐完善，并且造福全人类。

三、 项目内容

本方案设计充分利用视频识别技术和大数据平台架构技术，建设一个充分利用现有网络资源、已建平安城市视频资源、社会视频资源，起用有效的高新视频识别技术，创新改善管理思路，以“智慧城市”视频大数据平台为载体，完善补充视频监控体系，用于服务社会治安监控、人脸反恐和在逃黑名单布控预警、人脸轨迹查询、基于电子地图的监控调度等应用，在传统功能的基础上使视频大数据具备事前智能化预处理、事中预警和高效能指挥调度、事后可利用大数据进行图像侦查等的能力，成为智慧型的视频综合管理平台。

(一)    系统特点

1、        统一平台架构

   本系统在架构上实现了多系统一体化的方法，主动支持各类子系统的接入管理，相对于传统的视频监控管理系统，其设计理念更先进，架构更合理，可定制性更强。

2、        智能化程度高

    本系统采用了平台化的人脸识别技术技术，系统支持了分布式的人脸黑名单布控报警、人脸卡口轨迹查询，使得人脸识别通过平台化将智能化的识别应用提高到实战化程度。

3、        大数据实战化应用

本系统注重人脸识别后的大数据应用，传统的人脸识别方法和系统所设置的人脸特征数据库的容量、匹配速度瓶颈影响和限制了人脸识别技术在智慧城市“大数据”的应用，无法在智慧城市建设浪潮中提供具有技术深度架构的视频人脸识别大数据顶层架支持，无法在大数据架构中进行“以图搜图”实施方式的人脸轨迹搜索图像侦查实战化应用。

功能特性

Ø  人脸摄像机由白光变焦筒机，内嵌深度学习算法；

Ø  支持人脸抓拍功能，可同时对30张人脸进行检测、跟踪及抓拍；

Ø  支持HD1920×1080@30fps实时帧率，图像更流畅；

Ø  支持走廊模式，增加纵向狭长环境下监控区域；

Ø  支持区域裁剪，小带宽看清大细节；

Ø  码流平滑设置，适应不同场景下对图像质量、流畅性的不同要求；

Ø  支持H.265 / H.264 / MJPEG视频压缩算法，支持多级别视频质量配置、编码复杂度设置；

Ø  支持GBK字库，支持更多汉字及生僻字叠加，支持OSD颜色自选；

Ø  支持宽动态范围达130dB,适合逆光环境监控；

四、 技术线路

（一）  系统构架

(图一 人脸识别系统结构图)

整个系统采用全数字化、网络化的传输构架；安装综合视频管理系统平台含前端视频采集单元部分、人脸识别服务器单元等。

(图二 系统运行图)

在人脸识别比对黑名单报警发生时，可以通过应急预案实现报警联动，使园区、公安派出所值班人员能够及时了解报警相关信息及现场动态并及时出警。如：发生警报时、播放语音文件提醒值班人员。

（二）  前端设备

前端视频集集单元，其中分为人脸专用摄像机、人脸检测终端两部分。

1、        人脸识别专用摄像机

主要参数要求如下:

Ø  最高分辨率可达1920×1080 @ 25 fps,在该分辨率下可输出实时图像；

Ø  采用H264视频压缩技术,压缩比高；

Ø  码流、图像质量、帧率可调；

Ø  ICR红外滤片式自动切换,实现真正的日夜监控；

Ø  支持超宽动态、采用2.8-12MM电动镜头可选（方便抓取最佳人脸照片）。

2、        人脸对比终端

支持接入1-3路普通监控网络摄像机

Ø  稳定接入ONVIF标准的网络摄像机；

Ø  支持1-2台网络摄像机 进行人脸检测与抓拍；

Ø  支持外挂身份证读卡器；

Ø  支持外挂COM 口继电器开关，控制人行闸机开闸；

Ø 支持多人脸目标抓拍。

（三）  技术参数

（四）  后台管理

中心服务器服务器是系统的核心单元，负责接入管理存储流媒体服务器群、人脸识别服务器群、客户端单元。本单元还负责进行用户及权限分配管理、事件与日志存储记录、分组信息存储、设备目录信息存储、提供客户端访问的远程服务接口。

（五）  客户端

客户端硬件采用普通PC主机，安装平台客户端软件，登录上中心管理服务器，进行系统内的功能操作。

（图三 客户端）

主要功能：

1、        实时视频浏览：多画面轮播、抓拍、回放等；

2、        人脸实时比对预警：多线程高速脸库对比；

3、        以图搜图、视频录像；

4、        人脸库、视频源管理；

主要特性：

Ø  响应速度：30万人的底库能够在0.8秒内实时返回结果（无网络延迟影下）；50万人的底库能够在1秒内返回结果（无网络延迟影响下）；

Ø  抓拍率：人脸姿态偏转角度可根据场景及用户需要自行设置人脸姿态偏转在左右90度之内、上下偏转30度之内达到99.50%；

Ø  单台比对服务器支持的视频流个数：采用GPU进行图像处理，单台比对服务器支持同时处理8路1080P高清视频流；

Ø  识别准确率：对于30万布控库，在1/1000000的误识别率的情况下，正确率为97%；

Ø  采集速度：每秒25帧；

Ø  人脸跟踪质量判断支持：支持照片质量判断（选取跟踪列表中人脸最优图像）；