人臉識別技術在公安工作中的應用

1、芳腿裊酷鬟薄螂聞墨I黃人臉識別技術在公安工作中的應用I螭郝新華I袈人臉識別技術的研究方法目前主要有基于整體的人臉識別和基于特征分析的人臉識別兩個研究方向；并且人臉識別技術已經(jīng)For personal use only in study and research; not for commercial use肄I進入實際應用階段。公安工作中運用人臉識別技術在布控排查、犯罪嫌疑人識別、人像鑒定以及重點場所門禁等領域獲得了良好的應用效果。蠶人體生物特征識別是通過計算機、各種傳感器和I生物統(tǒng)計學原理等高科技手段密切結合，利用人體固有的生物特征來進行個人身份識別。包括人臉識別技術在內的人體生物特I征識別

2、技術是近年來在全球范圍內迅速發(fā)展起來的計算機安全技術。與虹膜識別、指紋識別、掌紋識別、簽名識別、聲音識別I等人體生物特征識別技術相比，人臉識別具有方便友好、易于接受、不易偽造等優(yōu)點，目前可用于身份認證、視頻監(jiān)測及視頻I資料檢索分析等方面，是當前計算機視覺、模式識別和人工智能領域的一個研究熱點。在9- 11恐怖襲擊事件發(fā)生后，美國連I續(xù)簽署了三個法案，要求必須采用生物識別技術。我國在第二代身份證上也嵌入了可機讀的人像信息。據(jù)報道，2008年北京奧運會期間也將人臉識別系統(tǒng)應用于安保。肆一、人臉識別技術概述I奧人臉自動識別系統(tǒng)的研究開始于 20世紀60年代末期，20世紀90年代后期人臉識別技術逐漸從

3、實驗室走向了商用。如 1998 I 1年德國西門子公司的 Nixdorf高技術公司開發(fā)成功 Face VACS ; 2001年日本東芝旗下的 E-Solution公司推出Face Pass美國開 I I發(fā)的Face It等專業(yè)的商業(yè)人臉識別系統(tǒng)開始進入市場。我國從 1994年開始研究人臉識別問題；2000年5月銀晨網(wǎng)訊科技有限 I I公司與中國科學院計算機所合作組建了面像識別聯(lián)合實驗室。經(jīng)過研發(fā)，課題組實現(xiàn)跨越式發(fā)展，II冗攻克了數(shù)十項技術難關，開發(fā)出具有完全自主知識產(chǎn)權的產(chǎn)品和系統(tǒng)；2005年1月18日，由清華大學電子系蘇光大教授擔II任人臉識別課題組負責人主持承擔的國家“十五”攻關項目人臉

4、識別系統(tǒng)通過了由公安部主持的專家鑒定，達到了國內領I|先水平和國際先進水平。 人臉識別技術作為最容易隱蔽使用的識別技術成為當今國際反恐、安全防范以及刑事偵查等最重要的|手段。目前我國人臉識別技術也開始進入實際應用階段。作為國家863計劃成果產(chǎn)業(yè)化基地的銀晨網(wǎng)訊科技有限公司已經(jīng)開發(fā)出人像識別布控機等系列產(chǎn)品。肇二、人臉識別的技術方法帔人臉作為具有復雜細節(jié)變化的自然結構目標，其特征的可靠性往往受到表情、角度、光照、背景等細微變化的影響，消除這 些影響成為人臉識別問題的關鍵。為此，研究人員設計了許多特征提取算法，希望在降低面像維數(shù)的同時提取穩(wěn)健可靠的特征。 目前的研究主要有兩個方向：第一是基于整體的

5、人臉識別研究方法，即將人臉圖像看作是一個二維的灰度分布，然后利用不同 的降維和特征提取方法獲得每個人的人臉表征進行識別；第二是基于特征分析的人臉識別方法，利用每個人的面部特征如眼睛、鼻子、眉毛、嘴巴和面部輪廓等的具體位置、大小、形狀及其相對位置的不同來進行特征提取以達到識別的目的，即將人臉基 準點的相對比率和其它描述人臉臉部特征的形狀參數(shù)或類別參數(shù)等一起構成識別特征向量。這種基于整體臉的識別不僅保留了人臉局部之問的拓撲關系，而且也保留了各局部本身的信息，而基于局部的識別則是通過提取出局部輪廓信息及灰度信息來設 計具體識別算法。1 .特征臉算法1987 年 Sirovich 和 Kirby 提出

6、了主成分分析方法( Principal Component Analysis) , Matthew Turk 和 Alex Pentland 于 1991 年 首次將PCA應用于人臉識別，將原始圖像投影到特征空間中，得到一系列降維圖像，取其主元表示人臉，由于主元具有臉的 形狀故稱為“特征臉”。特征臉方法中一個基本的方法是基于K-L變換的特征臉方法，該方法是根據(jù) K-L變換得到人臉圖像的特征，并根據(jù)人臉特征空間進行識別的方法?；贙-L變換的特征臉技術實質上依賴于圖像灰度在空間分布上的相關性來得到一系列的特征向量和特征值來表示。K-L變換主要是對模式樣本矢量的相關矩陣進行特征值分解，選擇其中的主

7、特征矢量構成特征空間?；谥鞒煞址治龇椒?，算法簡單有效，研究者在其基礎上進行了大量的改進和擴展，目前仍然是人臉識別領域流行的算法之一，同時也是對比測試時的基準識別算法。2 .奇異值分解法由于人臉圖像是一個高維向量，直接用其進行計算是十分困難的，為此必須對其進行降維處理。降維過程中要保留其主要的特 征，即用圖像的少量特征來近似表示整個圖像，以達到降維并保留圖像主要特征的效果，而SVD方法就是一種實現(xiàn)這種效果的良好手段。采用這種基于 SVD分解的特征提取方法所得到的人臉圖像的代數(shù)特征，不僅削弱了光照和表情的影響，而且維數(shù)大大降低，減少了計算復雜度，同時保留了人臉圖像的絕大部分有效特征，為后續(xù)的識別

8、過程提供了良好的依據(jù)。3 .彈性圖匹配法EGM是一種基于幾何特征和對灰度分布信息進行小波紋理分析相結合的識別算法。該算法用特征來描述面部關鍵局特征點的 局部特征，并采用了這些特征的連接關系屬性圖來描述人臉的結構。Lades等人針對畸變不變性的物體識別提出了動態(tài)鏈接模型(Dynamic Link Architecture )，將物體用稀疏圖形來描述，其頂點用局部能量譜的多尺度描述來標記，用邊表示其拓撲連接關系,并用幾何距離來標記，然后應用塑性圖形匹配技術來尋找最近的已知圖形；而Laurenz Wiscott等人在此基礎上又做出了改進，在原有方法的基礎上提出聚束圖匹配，部分克服了計算量和存儲量大的

9、缺點。由于該方法不僅提取了描述人臉圖像的局部特征保留了人臉圖像的空間信息，而且可以在一定程度上容忍人臉從三維到二維投影引起的變形，因此它是一種具有代表性的方法。4 .隱馬爾可夫模型法Samaria最早提出建立關于人臉的隱馬爾可夫模型。HMM是使用馬爾可夫鏈來模擬信號統(tǒng)計特性的一組統(tǒng)計模型。利用HMM對人臉進行描述和識別，把各個器官的數(shù)值特征和一個狀態(tài)轉移模型聯(lián)系起來。其參數(shù)能較好地表征具體的人臉模型。HMM方法的優(yōu)點是穩(wěn)定性好，對姿態(tài)和環(huán)境的變化具有較好的魯棒性，對不同角度的人臉圖像和不同的光照條件，都可以達到滿意 的識別精度。 5.神經(jīng)網(wǎng)絡法由于對人臉特征的精確描述是相當困難的，而神經(jīng)網(wǎng)絡的

10、優(yōu)勢是通過學習的過程獲得對這些規(guī)律和規(guī)則的隱性表達，它的適應性較強。自從神經(jīng)網(wǎng)絡技術引入到人臉識別領域后，它一直是人們關注的熱點，其中比較有代表性的方法有：混合型神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、基于概率決策的神經(jīng)網(wǎng)絡、主元神經(jīng)網(wǎng)絡等?；诙S圖像的人臉識別技術不可避免受到包括光線、背景、視角、遮擋等環(huán)境因素和包括姿態(tài)、表情等人臉本身因素給識別帶來的不利影響。許多專家、學者為此進行了專門的研究，譬如：針對人臉識別中光照方向變化所帶來的困難，有學者提出光照子空間方法和徑向基函數(shù)網(wǎng)絡模擬方法。光照子空間方法首先建立對應不同光照方向的子空間，再確定測試樣本所對應的子空間。然后在這個子空間中進行匹配，達到識別的

11、目的。徑向基函數(shù)網(wǎng)絡模擬法則利用徑向基函數(shù)網(wǎng)絡產(chǎn)生虛擬光照條件下的 人臉圖像或者圖像特征，從而擴充訓練庫，達到提高識別率的目的，并分別用Shimon人臉庫、Harvard人臉庫進行實驗證實了這兩種方法的有效性；為了提高戴眼鏡人員人臉圖像的識別率，有學者提出了一種從正面人臉圖像中提取并摘除眼鏡的方法。通過一個自適應二值化的方法，檢測了正面人臉圖像中眼鏡遮擋的部分，經(jīng)過迭代的誤差補償方法，合成了對應輸入圖像的不戴眼鏡的正面人臉圖像。實驗結果顯蜜示原始戴眼鏡人員人臉圖像的識別率僅為50.1% ,而合成的無眼鏡正面人臉圖像的識別率達99.4%,能有效地合成無眼鏡的正面人臉圖像。雖然二維圖像識別技術較為

12、成熟，但由于二維圖像不能提供識別所需的完整信息，因而其識別精度很難有進一步的提高，從而抑制了人像識別技術產(chǎn)品的實際應用水準。于是出現(xiàn)了三維人臉識別技術。三維人臉識別技術始于計算機動畫和生物醫(yī)學成像。采用三維識別技術可以使人臉的信息得到更好的表現(xiàn)和存儲，同時由于三維人臉模型具備光照無關性和姿態(tài)無關性的特點，能夠正確反映臉的基本特性，且人臉主要的三維拓撲結構不受表情的影響，從而形成相對穩(wěn)定的人臉特征表述。因此基于三維人 臉模型的識別方法可以很好地解決目前在這一領域存在的研究瓶頸。三維人臉識別主要有基于圖像特征的方法和基于模型可變參數(shù)的方法。但三維人臉識別算法還很不成熟，特別需要解決的是信息來源的完

13、整性、海量存儲和計算量龐大、對人體生理認識不足等難題，目前該技術仍處在不斷完善之中。放三、人臉識別技術在公安工作中的應用1f人臉識別技術研究方法的不斷創(chuàng)新和完善，使其在實際工作中的應用前景越來越廣闊。隨著公安情報資料搜集工作的逐步完 善、公安基層管理信息化、自動化水平的提高以及現(xiàn)有情報信息資料和技術設備的不斷整合，人臉識別技術在公安工作中的應 用領域將更廣。1 .布控排查。發(fā)達的海陸空交通網(wǎng)絡使人員的流動性大大增加，在方便了人們工作和生活的同時，也為犯罪分子提供了便利。在機場、港口、火車站、汽車站等公共場所設置人臉識別系統(tǒng)，當犯罪嫌疑人、通緝的在逃人員以及重要的販毒人員等出現(xiàn)時可以及時識別并報

14、警；2 .邊境檢查。對外開放的不斷深入，國際交往的不斷增加，使出入境人員數(shù)量不斷猛增。把好邊境檢查關，就是守護好國門， 保護國家的安全。在邊檢通道設置人臉識別系統(tǒng)，當國際恐怖分子等重大嫌疑人入境、重大案件犯罪嫌疑人外逃時可以及時識 別并報警；3 .犯罪嫌疑人識別。公安機關可以利用各種人像資料庫，將犯罪嫌疑人的圖像與人臉識別系統(tǒng)資料庫中重點人口的圖像進行 篩選、比對并識別，可以提高辦案效率；4 .司法人像鑒定。在刑事司法鑒定中，可以使用在犯罪現(xiàn)場監(jiān)控錄相獲得的視頻圖像與嫌疑對象進行人像同一鑒定；在民事訴訟中，可以對檢材中的人像與樣本照片或某人進行同一鑒定，從而判斷檢材中的人像與樣本照片是否同一或

15、檢材中的人像是否就是某人；5 .重點場所的門禁：一些重點場所對出入人員有嚴格的資格限制，對出入人員身份進行準確識別是確保重點場所安全的關鍵。比如在銀行金庫、博物館、機要室、武器庫、重要會議等重點場所設置人臉識別系統(tǒng)，可以對出入人員進行身份識別，保障重 點場所的安全。人臉識別技術是一項極富挑戰(zhàn)性的課題，目前最好的商業(yè)人臉識別系統(tǒng)對表情、背景、距離變化的圖像均能取得接近100%的正確識別率，也就是說，目前人臉識別技術對于正面圖像的這些變化已經(jīng)具備了良好的適應能力，但總的來講，人臉識別技術 本身還有待于進一步發(fā)展，更有賴于在應用中發(fā)展。到目前為止，還沒有一種最有效的、魯棒性強的人臉識別算法，而將各種 方法中的優(yōu)勢有效綜合是以后研究的必然趨勢。隨著圖像處理、模式識別、人工智能以及生物心理學的研究進展，人臉識別技 術也將會獲得更大的發(fā)展。在一些高級信息安全的應用中，需要研究人臉與指紋、虹膜、語音等識別技術的融合方法，以提高特征表達的魯棒性和可持續(xù)性，進而提高識別率，這也是生物特征識別技術的發(fā)展趨勢。僅供個人用于學習、研究；不得用于商業(yè)用途。For personal use only in study and research; not for commercial use.Nur f u r den pers?nlichen f u r Studien, Forschung, zu