业界 I I n d u s b y 大数据安防下人脸识别技术应用研究 大数据环境下 ， 人脸识别技术面临着很多挑战 ， 同时也有很大的发展与创新。 ：王海斌 文 r I 2 0 0 4 公安 邮开始 实施 “ 玄城 市建 设 ” 令 ， 教 匕 羊 I 】 络化的智能 频I 体 系 日箍完善 。 从这 发防 控体系获取 了海 的 见 频 、图像信 息 ， 如f l f 从扶取 的海 安防数捌 f 挖掘提 取行意 义的 情报詹 I 1 ， 址人数据友防领域例 f 究的 一个准点。 人岭 圳技 术是一 种 彳 丁 效的 份 识 别技 术 ， 从 像成 I l 1 人的脸部特征 信息提取 l仃效 的用 1 判圳的 ,1 - 6 1 ， 达到 身份识别的功能 。 随符深度学 习 沦的 发 ， a -： l人脸 识别准确牢 经超过 9 9 ， 比 l奏 l lI 蜓J J l j 准 。人睑 识别技术n 勺 成熟 发展 ， 给相关技 术的 J - 川 水 r I 大的推动作 I f J 。 人数 芡 u l 代 的来临 ， 给 人脸 以别披 术 的 H 骷 求 r 极他 的环境和机遇 。人数 安防 i ， 以面部 信 息 为代 犬的海 数掂信 息 f 断 产生 。 人 脸识 别 彳 川 I 十 要触 、f 仪扰 、友好 、r I： 观 、 快 速 、 简便 、 叮扩 J H - 优 点 ， 通过 人脸 圳技 术的 应川 ，可以 做 、 准确地提取信息、 ， 解放 r 醚的人 力物 力 ， 址 人数 领 域的 一次 革新 。通过 人脸识 圳技 术平 l 】 火数 挖 、 分析处理技术 ，为破案 、 安防提供柯效 的技 术 是持 。 大数据时代的挑战 I ， 如f l】 I 提高安防 系统的 钾能化 平 I 】 信息化 ，是人数 t , 1 - I 景 1 安防 _ T ： 作 的 个 西嘤 题 。 5 0 信 息化建设 2 0 1 7 9 大数据安 防下人脸识别应用面临的技术 挑战 脸数据库容量日益增大 随 着 发城 I i 地 的发 腮 ，广 ， 收I ： 、f 入境 、 机场 、1毛 机场 、 地铁 站等公 J 场合计能 频l ： 箭 的 断投入 ， *嘤个 个安防体 系I 联动 ，坫 J 此 的 人喻 I 引 支术 = ， 处 的数 库容 t 人。 f I lI 埘这 海 数据l 效地仃储 、 检索 、p E 配 ， 以肢X l l f ll f 肢l i 1 响应 各个单f 、 邴 】 的小同 奄询请求 仆 ， ， ， 址 人数 安防 系统的 父键。 视频数据的 日益主导地位 随 着全 l li I 数 ： 化 网络化 的 能 频 体 系 一 = 、一 毫 ， 至 。 n - 的日益完善， 以视频为代表的流式数据占据了安防数 据的核心 ， 提高面向视频数据的人脸识别技术 ， 实现 高效的识别和反馈， 是提高大数据安防效率的一条重 要途径 。 然 而 ，由于光线 不足 、角度不好 、 影响物 遮 挡等一系列因素， 无法从监控视频中提取出有效的人 脸特征信息 ， 导致人脸识别技术的效率很低 ， 给相关 技术的发展带来了 巨大的阻碍 。 人脸图像来源缺乏统标准 依托于 “ 金盾 工程 ” 的发展 ， 公安部已经 成功建立 了八大工程信息库 ， 为 人睑识 别技术在大数据下的安 防应用提供了基础。 然而 ，由于各个信息库的建设标 准不统一 ， 人脸数据的质量差异较大 ， 如何从不同资 源库中提取出有效的信息， 实现跨平台 、 跨模态的数 据处理 ， 是大数据安防下的人脸识别研究的关键内容。 J 别技术自身的缺陷 人脸识别技术容易受到光照 、 姿态、装饰 、 年龄 等的影响 ， 也容易受到一些假体攻击 ， 这些问题是人 脸识别技术发展仍需解决的难题 。 如何研究更好的人 睑识别技术 ， 抑或研究更好的数据采集策略避开这些 缺陷 ， 是大数据安防下人脸识别技术的一大挑战。 大数据安防下的人脸识别技术应用 人脸识别系统是由人脸图像采集 、 图像预处理 、 人 脸特征提取 、 数据库匹配识别这几项组成。 大数据时代 结合云计算平台， 部署多种智能算法 ， 提升了人脸识别 算法的性能， 加速了安防工作的高效运行。 人脸识别技 术在安防领域的发展和应用主要包括以下几部分： 1 w l 身份确认 l v s l 身份确认是验证采集 的个人 图像信息和存储 的个人图像信息或证件进行比对， 判断是否为同一个人。 随着移动互联 网 、网络 支付技 术的飞速发展 ， 人 脸识别在个人支付安全上有 了新的应用。2 0 1 5年 3 月 1 7日， 在 德国汉诺 成 电子展的开 幕仪式 上 ， 马云 展示支付宝的人脸识别技术 “ S mi l e t o P a y ” ， 刷脸 支付 从此拉开序幕。刷脸支付的核心是 l v s l的人脸识别， I n d u s t r y I业界 - _ 一 通过提前将人脸的数据存放在移动设备中 ， 支付时通 过人脸识别的匹配 ， 达到安全的刷脸支付。 在一些需要核实身份证或有效证件是否为同一 人的场景 ， 比如： 火车站 、 银行 、 宾馆 、 一些事业单位、 个人安全设备等 ， 需要对个人身份进行确认 ， 这些人 脸识别的应用很广泛。 1 v s N静态库检索 l v s N静态库检索身份是验证采集的个人图像信 息和数据库样本的图像信息进 行对 比 ， 判断 是否在数 据库中。 这类应用核心是数据库样本的人脸数据的预先 建立 ， 比如全国普通公民身份证的图像数据库 ， 城市 中常住人口、 暂住人口的图像数据库 ， 学籍、 军籍的 图像数据库等 ， 人脸数据库采集的质量对整个人脸识 别过程的精确度有着很大的影响。 在图像数据库建成之后 ， 通过输入采集的人脸图 片 ， 判断是否在数据库中， 检索出相似的个体， 进而 获取其他关联信息。 1 v s N动态库检索 l v s N动态库检索身份是验证特定的个人图像信 gi n 视频为代表的检测库中的图像信息进行对比 ， 判 断是否在检测库中。 这类应用核心是从检测库中图像信息的提取 ， 通 过对特定场景中数据的实时采集 ， 获取抓拍的图片、 视频库 ， 输入待验证的个人图像 ， 检测是否出现 ， 并 给出出现的时间范围和对应 的地点信息 ， 结 合模式识 别 、 地理分析 、 预测等技术， 实时地给出特定目标的 信息和预测。 随着人脸识别技术的发展 ， 大数据的安防工作面 临着新的机遇与挑战。 人脸识别技术提升了社区、 金融、 交通等领域的安防工作， 但人脸识别技术在实际应用 中仍存在很 多问题 ， 面临着很 多约 束。 如何更好地在 各种实际安防场景中使用人脸识别技术 ， 研究更好的 人脸识别系统 ， 是大数据安防领域的研究热点。 ( 作 者单位 ： 浙江省宁渡市公安局 江北分局 )