人脸识别系统.docx

人脸识别系统.docx

《人脸识别系统.docx》由会员分享，可在线阅读，更多相关《人脸识别系统.docx（15页珍藏版）》请在冰豆网上搜索。

人脸识别系统

人脸识别系统

人脸识别解决方案

浙江大华技术股份

有限公司

解决方案部大华人脸识别解决方案

—

1人脸识别技术

随着平安城市基础建设的不断完善和加强前端摄像机采集到的数据呈现一种爆炸式的增长。

对于公安行业来说数据总量不断充实的情况下如何从非结构化数据中挖掘结构化信息是平安城市建设的二期目标。

另一方面公安行业对车辆的结构化信息采集已逐渐趋于成熟化、普遍化但对人员信息采集和认证技术一直使用传统技侦方式。

人脸识别技术在以上情况下解决视频录像、图片等非结构化信息到人员照片、身份信息等结构化的转变。

人脸识别技术相对于其他生物识别技术如指纹、指静脉、虹膜等同属于四大生物识别技术具有生物特征唯一性、可测量性、可识别性、终身不变性等特点。

但相较其他识别技术具有本质的区别

1.非强制性用户不需要专门配合人脸采集设备几乎可以在无意识的状态下就可获取人脸图像这样的取样方式没有“强制性”

2.非接触性用户不需要和设备直接接触就能获取人脸图像

3.并发性在实际应用场景下可以进行多个人脸的分拣、判断及识别人脸识别技术流程主要包括四个组成部分分别为人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及人脸特征数据匹配与识别。

人脸图像采集及检测基于人的脸部特征对输入的人脸图像或视频流,首先判断是否存在人脸如果存在人脸则进一步的给出每个脸的位置、大小和各个面部器官的位置信息。

人脸图像预处理对于人脸的图像预处理是基于人脸采集及检测结果通过人脸智能算法对选择出来的人脸图片进行优化和择优选择挑选当前环境下最优人脸并最终服务于特征提取的过程。

其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。

人脸图像特征提取人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。

人脸特征提取的方法归纳起来分为两大类一种是基于知识的表征方法另外一种是基于代数特征或统计学习的表征方法。

基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据其特征分量通常包括特征点间的欧氏距离、曲率和角度等。

人脸由眼睛、鼻子、嘴、下巴等局部构成对这些局部和它们之间结构关系的几何描述可作为识别人脸的重要特征这些特征被称为几何特征。

基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。

1.1人脸识别解决方案

人脸特征比对识别通过采集到的人脸图片形成人脸特征数据与后端人脸库中的人脸特征数据模板进行搜索匹配通过设定一个阙值相似度超过这一阈值则把匹配得到的结果输出。

这一过程又分为两类一类是确认是一对一进行图像比较的过程另一类是辨认是一对多进行图像匹配对比的过程。

2方案概述

2.1项目概况

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。

近年来社会犯罪率呈逐年升高的趋势特别是网络犯罪更加的严重网络逃犯频频发生罪犯的犯罪手法也更加隐蔽和先进给广大公安人员侦破案件增加了难度。

同时恶性事件时有发生使人们对公共生活场所的安全感普遍降低。

同时公安人员在对通缉犯进行人工排查时如大海捞针成功率极低效果也不明显。

主要有如下实际问题首先由于罪犯群体不断扩大要在数以百万计的人员照片库中找出犯罪嫌疑人不仅费时费力还有可能造成遗漏等情况破案的效率大打折扣其次目前公安机关侦察案件大多数仍然依靠事后追查和通缉对已经发生的案件造成的损失很难有效弥补最后如果在案发的同时即能防患于未然就能第一时间将损失控制在最小范围内。

2.2需求分析

采用高效使用的人脸监控和比对系统第一可帮助公安侦查人员快速识别辨别特定人员真实身份把过去难以想象的千万级的海量照片库比对需求变成现实从而有效的为公安视频侦查、治安管理、刑

脸抓拍建模、实时黑名单比对报警、事后静态人脸图片检索等功能。

本方案针对人脸注册库/人脸抓拍库小于300万、黑名单库小于30万的系统。

前端可采用普通高清摄像机也可以采用专用的人脸抓拍相机。

通过人脸检测服务器对实时视频中出现的人脸进行抓拍。

人脸识别服务器可对抓拍的照片进行数据库比对。

根据人流量和抓拍照片数量在针对多路前端相机环境时可部署人脸识别服务器并上传照片。

在方案中采集图片和结构化特征数据保存在人脸识别服务器中。

若存在大容量的采集图片和结构化特征数据保存要求时间长可扩容IPSAN存储设备保证存储容量。

2.3逻辑架构系统业务逻辑包含三块内容

2.3.1人脸采集系统

人脸采集系统包括专业人脸抓拍机和普通高清网络摄像机+人脸检测服务器是将前端采集到的视频图片等非结构化数据进行分析处理定位检测获取人脸图片并结合人员身份信息采集系统获取人员身份信息进行关联管理。

2.3.2人脸比对系统

人脸比对系统是对人脸采集系统传输的数据进行智能分析处理进行人脸图片建模、通过人脸眼睛、鼻子、嘴、下巴等局部构成对这些局部和它们之间结构关系的几何描述进行人脸特征数据提取入库并根据平台业务需求进行实时比对识别和事后人脸检索应用。

2.3.3人脸库

人脸库包括人脸抓拍库、人脸注册库、黑名单库其中抓拍库包括场景图片场景下抠取的人脸小图、人脸特征数据是人脸采集系统采集的人脸图片存储库用于人脸比对系统进行人脸图片比对检索注册库包括标准人脸图片、人员身份信息、人脸特征数据是系统设定前公安批量导入的重点人员库用于人脸比对系统进行人脸图片比对检索黑名单库是注册库中将部分重点人员进行布控组成用于实时比对人脸采集系统传输的人脸图片。

2.3.4业务应用

通过平台进行实时布控、查询检索、配置管理等功能应用。

2.3.5整体逻辑架构如下图

2.4人脸三大业务库

系统数据库应包含三种业务库人脸抓拍库、人脸注册库和黑名单库。

人脸抓拍库-包含抓拍现场图片、人脸小图和结构化的人脸特征数据、抓拍地点、抓拍时间等信息此类库的主要业务应用场景是图片检索比对查询目标人员的人像出没地点、时间等信息

人脸注册库-主要是导入一些大规模的人像图片、结构化的人脸特征数据和身份信息如一个地级市当地的社保人像信息库等导入后主要的应用场景是图片检索比对和身份信息查询确定人员身份黑名单库-包含高危人员、特殊人员的人脸图片、结构化的人脸特征数据和人员身份信息主要的应用场景是在各个人脸卡口进行实时人流的人脸比对预警。

一般来说人脸抓拍库和人脸注册库做为静态库适用于事后查询检索目标、黑名单库作为动态库用于实时比对报警。

一个或多个黑名单也可以进行勾选布控形成具有针对性的人脸布控库与前端实时视频进行人脸比对报警。

其中抓拍库因人流量和随着时间将越来越大需根据项目情况合算存储设备大小。

黑名单库数据由公安或专业人员导入存储大小一般有微调但是不会有数量级上的变化。

2.5系统拓扑

系统由前端摄像机、人脸检测服务器、人脸识别服务器、存储设备、人脸数据库、人脸识别系统平台六类设备

2.5.1前端摄像机

前端摄像机包括普通高清网络摄像机和专业人脸抓拍机。

普通高清网络摄像机主要实现图像采集、编码等功能。

专业人脸抓拍机不仅实现普通高清网络摄像机的所有功能其内置大华自主研发的智能分析算法还能实现对视频中人脸进行自动捕获、跟踪、抓拍等功能。

同时专业人脸抓拍机拥有人脸区域自动曝光优化、人脸小图优化处理等功能更适合于人脸卡口场景下获取最优人脸图片人脸检测服务器人脸检测服务器搭配普通高清网络摄像机对传输的实时视频流进行人脸检测、定位、跟踪、人脸图片选优将人脸图片进行抠取传输到识别服务器进行存储和人脸建模、比对人脸识别服务器利用大华自主研发的人脸识别算法对人脸检测服务器传输的人脸小图进行建模和结构化获取人脸特征数据后为人脸实时比对识别、人脸后检索等功能提供算法支持

2.5.2人脸数据库服务器和人脸图片存储

人脸数据库专门用于存储人脸系统的人脸数据要包括抓拍库人脸特征向量、注册库人脸小图、注册库人脸特征向量、黑名单人脸小图、黑名单人脸特征向量另外抓拍库图片人脸小图和抓拍大图存储在人脸识别服务器中当识别服务器存储容量不足时可外扩IPSAN设备进行存储。

人脸视频存储前端摄像机对实时视频的存储可存储在平台下挂载的IPSAN或专业监控行业存储设备中也可以通过网络硬盘录像机做视频存储。

2.5.3管理平台

人脸识别系统平台主要实现人脸系统相关的设备管理、识别场景规则设置、报警联动等配置和管理并结合客户端实现对图像的预览检索、各种报警信息的查看等操作。

高清IPC

高清IPCIP视频专网高清

IPC高清球

人脸抓拍相机

人脸抓拍相机

人脸抓拍相机

高清IPC

高清球高清球

高清球人脸抓

拍相机人脸检测服务器

人脸检测服务器

人脸识别服务器

DSS-C8100平台

人脸数据库服务器

平台客户端

人脸图片存储IPSAN

实时视频存储

IPSAN/NVR

平台数据库

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

高清

IPC

高清

IPC

高清

IPC

高清球

高清

IPC

高清球

高清球

高清球

人脸检测服务器

人脸检测服务器

人脸识别服务器…人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

人脸抓

拍相机

2.5.4联网设计

人脸识别系统部署在视频专网下前端摄像机直连人脸抓拍服务器或人脸识别服务器识别服务器对接基础平台。

在公安视频专网中部署人脸识别系统对出入口、重点道路等位置安装前端摄像机并通过人脸识别系统平台进行统一管理。

同时数据通过网闸共享到公安专网下公安能够对重大嫌疑目标进行事后目标检索目标轨迹跟踪并根据目标出没时间和地点安排警力部署。

2.5.53人脸识别流程

系统数据流包含人脸实时比对和人脸历史查询。

其中实时比对发生在事前或事中当系统发现有布控人员出现时执勤人员可以迅速作出反应历史查询则是针对事后重点人员排查可通过可疑人员图片查询系统记录的人员信息。

实时视频人脸比对普通高清网络摄像机通过人脸检测服务器或专业人脸抓拍相机分析视频中的人脸提取人脸图片转发给人脸识别服务器人脸识别服务器通过智能算法从抓拍的人脸中提取特征数据与黑名单库中的人脸特征数据库进行遍历检索最后由平台展现人脸比对结果。

图片检索人脸比对通过平台客户端提交需检索的人脸图片人脸识别服务器提取人脸图片特征数据与人脸抓拍库或人脸注册库中的人脸特征数据进行遍历比对现比对结果。

2.5.6性能指标要求

性能指标主要包括人脸抓拍率、建模成功率和识别成功率。

人脸抓拍率:

在符合施工规范人脸距离相机中心左右偏离±30°上下偏离±15°平面偏离±15°以内、光线较好的场景人脸光照亮度250~800Lux下正常人脸的抓拍率可达95%以上。

识别成功率

人脸比对性能与黑名单注册图像质量和黑名单数据库大小密切相关一般情况下识别成功率可达90%以上。

系统可根据实际需要设置不同的人脸相识度阀值来调节识别率。

另外人脸比对性能和黑名单注册图像质量、数据库大小、环境、光线等因素影响很大具体比对性能视实际场景及实际注册图像质量而定。

2.5.6.1单台人脸检测服务器性能

支持4路1080P的视频接入检测1080P分辨率下检测所需最小人脸像素大小60*60同时可以对画面中最多20个的人脸进行检测抓拍检测准确率95%。

2.5.6.2单台识别服务器性能

人脸特征向量大小在2KB左右人脸识别像素大小支持100