隨著經(jīng)濟(jì)全球化的影響日益深入，改革開放的進(jìn)一步推進(jìn)和城市化建設(shè)的步伐日益加快，導(dǎo)致城市人口密集、流動(dòng)人口增加，引發(fā)了城市建設(shè)中的交通、社會(huì)治安、重點(diǎn)區(qū)域防范等城市管理問題。隨著人工智能技術(shù)和監(jiān)控?cái)z像技術(shù)的發(fā)展，能將科技手段轉(zhuǎn)化為直接戰(zhàn)斗力的城市治安圖像監(jiān)控成為了解決該問題的重要手段，為直接為破獲案件提供了便利。
   傳統(tǒng)安防識別方法缺陷及解決
   傳統(tǒng)監(jiān)控識別方法帶來的問題，首先無法避免人類自身不可靠的弱點(diǎn)，不能始終保持警惕，察覺安全威脅，注意力難以持久，容易錯(cuò)過重要畫面信息。其次攝像機(jī)數(shù)量大于監(jiān)視器數(shù)量，并非采用1:1方式，輪巡顯示、多畫面小圖像的方式，很可能錯(cuò)過異常現(xiàn)象，聽任事態(tài)發(fā)展。另外監(jiān)視與錄像分開，不能留住瞬間畫面或者快速抽調(diào)錄像，輔助分析。最后，目前錄像內(nèi)容，僅供事后參考，對于異常情況或者突發(fā)事故如果發(fā)生，損失和影響將無法挽回，屬于被動(dòng)監(jiān)控。
   人臉識別布控系統(tǒng)，智能視頻監(jiān)控在原有的視頻監(jiān)控基礎(chǔ)上增加智能視頻分析功能，系統(tǒng)能夠根據(jù)設(shè)置的布控方案自動(dòng)判斷每一路監(jiān)控場景是否存在異常情況，當(dāng)產(chǎn)生異常情況后系統(tǒng)將自動(dòng)產(chǎn)生告警。
   1、人臉檢測
   人臉檢測是檢測出圖像中人臉?biāo)谖恢玫囊豁?xiàng)技術(shù)。人臉檢測算法的輸入是一張圖片，輸出是人臉框坐標(biāo)序列(0個(gè)人臉框或1個(gè)人臉框或多個(gè)人臉框)。一般情況下，輸出的人臉坐標(biāo)框?yàn)橐粋€(gè)正朝上的正方形，但也有一些人臉檢測技術(shù)輸出的是正朝上的矩形，或者是帶旋轉(zhuǎn)方向的矩形。
   常見的人臉檢測算法基本是一個(gè)“掃描”加“判別”的過程，即算法在圖像范圍內(nèi)掃描，再逐個(gè)判定候選區(qū)域是否是人臉的過程。因此人臉檢測算法的計(jì)算速度會(huì)跟圖像尺寸、圖像內(nèi)容相關(guān)。開發(fā)過程中，我們可以通過設(shè)置“輸入圖像尺寸”、或“最小臉尺寸限制”、或“人臉數(shù)量上限”的方式來加速算法。
   2、人臉配準(zhǔn)
   人臉配準(zhǔn)是定位出人臉上五官關(guān)鍵點(diǎn)坐標(biāo)的一項(xiàng)技術(shù)。人臉配準(zhǔn)算法的輸入是“一張人臉圖片”加“人臉坐標(biāo)框”，輸出五官關(guān)鍵點(diǎn)的坐標(biāo)序列。五官關(guān)鍵點(diǎn)的數(shù)量是預(yù)先設(shè)定好的一個(gè)固定數(shù)值，可以根據(jù)不同的語義來定義(常見的有5點(diǎn)、68點(diǎn)、90點(diǎn)等等)。
   當(dāng)前效果的較好的一些人臉配準(zhǔn)技術(shù)，基本通過深度學(xué)習(xí)框架實(shí)現(xiàn)，這些方法都是基于人臉檢測的坐標(biāo)框，按某種事先設(shè)定規(guī)則將人臉區(qū)域扣取出來，縮放的固定尺寸，然后進(jìn)行關(guān)鍵點(diǎn)位置的計(jì)算。因此，若不計(jì)入圖像縮放過程的耗時(shí)，人臉配準(zhǔn)算法是可以計(jì)算量固定的過程。另外，相對于人臉檢測，或者是后面將提到的人臉提特征過程，人臉配準(zhǔn)算法的計(jì)算耗時(shí)都要少很多。
   3、人臉屬性識別
   人臉屬性識別是識別出人臉的性別、年齡、姿態(tài)、表情等屬性值的一項(xiàng)技術(shù)。一般的人臉屬性識別算法的輸入是“一張人臉圖”和“人臉五官關(guān)鍵點(diǎn)坐標(biāo)”，輸出是人臉相應(yīng)的屬性值。人臉屬性識別算法一般會(huì)根據(jù)人臉五官關(guān)鍵點(diǎn)坐標(biāo)將人臉對齊(旋轉(zhuǎn)、縮放、扣取等操作后，將人臉調(diào)整到預(yù)定的大小和形態(tài))，然后進(jìn)行屬性分析。
   常規(guī)的人臉屬性識別算法識別每一個(gè)人臉屬性時(shí)都是一個(gè)獨(dú)立的過程，即人臉屬性識別只是對一類算法的統(tǒng)稱，性別識別、年齡估計(jì)、姿態(tài)估計(jì)、表情識別都是相互獨(dú)立的算法。但一些基于深度學(xué)習(xí)的人臉屬性識別也具有一個(gè)算法同時(shí)輸入性別、年齡、姿態(tài)等屬性值的能力。
   4、以在基本保證算法效果的前提下，將模型大小和運(yùn)算速度優(yōu)化到移動(dòng)端可用的狀態(tài)。
   5、人臉比對是衡量兩個(gè)人臉之間相似度的算法。
   人臉比對算法的輸入是兩個(gè)人臉特征(注：人臉特征由前面的人臉提特征算法獲得)，輸出是兩個(gè)特征之間的相似度。人臉驗(yàn)證、人臉識別、人臉檢索都是在人臉比對的基礎(chǔ)上加一些策略來實(shí)現(xiàn)。相對人臉提特征過程，單次的人臉比對耗時(shí)極短，幾乎可以忽略。
   基于人臉比對可衍生出人臉驗(yàn)證、人臉識別、人臉檢索、人臉聚類等算法。
   6、人臉驗(yàn)證
   人臉驗(yàn)證是判定兩個(gè)人臉圖是否為同一人的算法。它的輸入是兩個(gè)人臉特征，通過人臉比對獲得兩個(gè)人臉特征的相似度，通過與預(yù)設(shè)的閾值比較來驗(yàn)證這兩個(gè)人臉特征是否屬于同一人(即相似度大于閾值，為同一人;小于閾值為不同)。
   7、 人臉識別
   人臉識別是識別出輸入人臉圖對應(yīng)身份的算法。它的輸入一個(gè)人臉特征，通過和注冊在庫中N個(gè)身份對應(yīng)的特征進(jìn)行逐個(gè)比對，找出“一個(gè)”與輸入特征相似度較高的特征。將這個(gè)較高相似度值和預(yù)設(shè)的閾值相比較，如果大于閾值，則返回該特征對應(yīng)的身份，否則返回“不在庫中”。
   8、人臉檢索
   人臉檢索是查找和輸入人臉相似的人臉序列的算法。人臉檢索通過將輸入的人臉和一個(gè)集合中的說有人臉進(jìn)行比對，根據(jù)比對后的相似度對集合中的人臉進(jìn)行排序。根據(jù)相似度從高到低排序的人臉序列即使人臉檢索的結(jié)果。
   9、人臉聚類
   人臉聚類是將一個(gè)集合內(nèi)的人臉根據(jù)身份進(jìn)行分組的算法。人臉聚類也通過將集合內(nèi)所有的人臉兩兩之間做人臉比對，再根據(jù)這些相似度值進(jìn)行分析，將屬于同一個(gè)身份的人劃分到一個(gè)組里。
   10、人臉活體
   人臉活體是判斷人臉圖像是來自真人還是來自攻擊假體(照片、視頻等)的方法。和前面所提到的人臉技術(shù)相比，人臉活體不是一個(gè)單純算法，而是一個(gè)問題的解法。這個(gè)解法將用戶交互和算法緊密結(jié)合，不同的交互方式對應(yīng)于完全不同的算法。
   二、設(shè)備系統(tǒng)組成
   人臉布控系統(tǒng)是基于人臉識別核心算法的智能系統(tǒng)，通過在人員密集及重點(diǎn)人員管控等場所的進(jìn)口通道，布置人臉圖像采集攝像頭，系統(tǒng)將搜索采集到的人臉圖像與人臉圖像庫進(jìn)行比對，比對成功后迅速鎖定嫌疑人員，并輔以人工研判，并將預(yù)警信息發(fā)送至管控責(zé)任單位或責(zé)任人終端，由相關(guān)人員開展處置工作。該系統(tǒng)能快速準(zhǔn)確無誤識別重點(diǎn)管控人員，是安防的重要手段，應(yīng)用廣泛。
   系統(tǒng)設(shè)備：
   人臉圖像采集終端：
   1、人臉抓拍攝像機(jī)
  通過攝像頭進(jìn)行人臉捕捉抓拍后，攝像頭自動(dòng)將所抓拍到的人臉圖像進(jìn)行人臉去重、人臉質(zhì)量評判等流程作業(yè)，最后將合格的人臉照片圖像傳到后臺與重點(diǎn)人員人臉庫再進(jìn)行識別比對、核驗(yàn)。
  2、普通網(wǎng)絡(luò)攝像機(jī)
  通過網(wǎng)絡(luò)攝像頭監(jiān)控區(qū)域，攝像頭自動(dòng)獲取視頻流送至人臉檢測服務(wù)器，由人臉檢測服務(wù)器對視頻流進(jìn)行人臉檢測、人臉去重、人臉質(zhì)量評判等流程作業(yè)，最后將合格的人臉照片圖像傳到后臺與重點(diǎn)人員人臉庫進(jìn)行識別比對、核驗(yàn)。
  應(yīng)用領(lǐng)域：火車站、汽車站、地鐵站、公交車站、機(jī)場等，人員密集場所、大型會(huì)議安保、重點(diǎn)人員臨時(shí)布控。