《基于云平台的人脸识别技术现状及应用》由会员分享,可在线阅读,更多相关《基于云平台的人脸识别技术现状及应用(3页珍藏版)》请在金锄头文库上搜索。
1、云计算技术研究与应用 d o i: l O 3 9 6 9 is s n 1 0 0 0 - 1 2 4 7 2 0 1 7 0 6 0 1 5 基于云平台的人脸识别技术现状及应用 张园张 琳姝陈捷冯明 中国电信股份有限公司上海研究院 口引言 近年来 ,随着 “ 平安城市”、 “ 金安工程”等重点工 程 的开展 ,安防的需 求领域 不断扩大 、产品应用逐步 深化 、 产业链 成熟 完善 ,整个安 防产 业呈蓬勃发展 的态 势。人脸识 别作 为生物 特征识别 的重 要组 成 ,使用隐蔽性强 、涵盖应厢 目标对 象广 ,在各行业都具有 规模 应用的需求和 条件 ,可广 泛应 用于通 信 、金融 、
2、司 法 、军队 、公安 、边检 、政 府 、航 天 、电力、工厂 、教育 、医疗及众多企事业单位等领域 。 目前提 供人脸识 别技术 的公司有很多 ,大致可以分为三 类 :第一 类是专注算 法 ,主要提供AP I 、S DK 接 口;第二 类 足专注业务 系统或软件 ,有针对不 同行 业的解决方案 ;第三 类是专注提供集成人脸识别模块的软硬件 。 根据业界公认F DDB (F a c e De t e c t i o n Da t a S e t a n d Be n c h ma r k,全世 界最具 权威 的人脸 识别评 测 )、F RVT ( F a c e Re c o g n i t
3、 i o n Ve n d o r T e s t ,美 困国 家标准技术 局NI S T 的 人脸 识别 评 测 )等 测 试 结 果 ,闭 内人 脸 识 别 技术 已处 在 闻 际 前 列 ,主 要 的 公 司 有 深 图 、小 米 、腾 讯 、宇视 、 E mo t i b o t 、大视、美图、中科奥森、颜鉴、飞搜、云从、佳 部 、雨度 、L I NKF ACE、字泛智能 、F ACE + + ( 已被 阿里收 购 )、海鑫等。国外主要的人脸识别技术公司分布在 日本 、 德同、美国等,领先的有 日本NE C、日本东芝等。 目 基于云平台的人脸识别系统 2 1 人 脸 识 别 系 统 组
4、 成 人脸识5 j lJ 云平台系统主要 人脸抓丰 自 机 、人脸识别云服 务器 、销 理 台等设备组成。 ( 1 ) 人脸抓 拍机 人脸抓 f 1 机内 智能分析算法 ,实现对进 出人 员的人脸 国巨 TE L ECoMM UNICA1 oNS T E CHN ol 0G、 r , 2O1 7 进行 自动捕获 、跟踪 、抓 拍的功能 ,同时 具备人脸 区域 自动 曝光功能 ,使各个位置在逆光环境下也能捕捉到较为清晰的 人脸抓拍。当前主流厂商带人脸抓拍功能的高清摄像机 入 脸抓拍机可 以支持非机动车道 的人脸检测 、分 类 ( 年龄和性 别 )和捕获,支持人员技术统计。 摄像机采用嵌入式操作系
5、统和高性能硬件处理平台,系 统调度效率高 ,代码 网化在F l a s h 中 ,体积小 ,具有较高稳 定 性和可靠性。采用ROI 、S VC等视频压缩技术 ,压缩比高 , 处理 非常 灵活 。支持 自动 白平衡 、自动 电子 快 门 、 自动光 圈 、强光抑 制 ,适应 不同监控环境 。支持非机动车 道的人脸 检 测 、分类 ( 年 龄和 性别 )和捕获 ,支持 人员计数统计。 ( 2 ) 人 脸识 别云 服务器 人脸识别云服务器对人脸抓拍机传送过来的人脸照片进 行 建模 ,同时 可对 实时和黑 名单数据 库的人员进行 比对 ,支 持抓 拍人脸 图片的查询和检索 。 人脸 识别云服 务器具有
6、人脸建模算法 及人脸 比对算法 , 实现 人脸抓拍 ( 按抓 拍机 、时间段 、年 龄 、性别 、是否戴眼 镜 等属性 )查询 、实时黑 名单比对报警等功能 。 主流 厂商的人脸 识别云服务器 可实现 以下功能 : 支持接入 多路人脸抓 拍机 ,接入进行实时比对 ; 支持 对接入人脸抓拍机抓 拍图片的性别 、年龄段 、是 否戴眼 镜等属性的查询 ; 支持人脸抓拍 图片查询 、建模 、比对识别功能 ; 支持图片、录像、实时图像等多种方式注册黑名单; 支持查询人脸重复 出现功能 ; 支持 1 对 1 比对和1 对多 比对 。 ( 3 ) 管 理 平 台 提供 用户层面W e b 客户端 ,实现黑
7、名单报警信 白 、 管理 、 电信技 抓拍 图片 的检 索等。 2 2 人 脸 识 别 系统 流 程 ( 1 ) 人脸 采集 系统可 以在合适的光线 、角度情 况下 ,进 行高质量的人 脸采集 ,人员走动过程 中就可 以完全采 集 ,系统会 自动选 耿 质量最好的一张 图像进行记录 ,以便后续 的比对查询 使用。 ( 2 ) 人脸 布控 系统可以根据需要把要布控人 员的信 息 ( 包含姓 名 、性 别 、身份证 号 、家庭住址 、人脸照片 等信息 )加入到黑 名单 数据库 ;然后按 照时间 、地点 、布控 等级 、相识度报警 阈值 等信息 ,对人 员进行 布防。系统对在特定重 点场所的卡 口位
8、 置抓拍的人员实 时与黑 名单数据库 中的布控人 员进 行实1 ,J - l: l: 对 ,如果人脸的相识度达 到设 定报警阈值 ,系 统可 自动通过 声音等方 式进行预警 ,提 醒监 控管理人员 。监控管理人 员可 以根据双击报警 信息查看抓拍 原图和 录像进行核 实。 ( 3 ) 人脸 比对 系统可以根据用户输入 的人脸照 片到人脸库进行 比对 查 询 ,为用户的研判分析提供数据支撑 。 ( 4 ) 活动轨 迹 活动轨迹即根据用户提供人脸的查 询比对结果 ,进行基 于地图的活动轨迹呈现 ,通过地图 的方 式直 观地展现人员活 动 过 程 。 目 人脸识别技术现状 3 1 人脸识 别技术 分
9、析 完 整的 人脸 识别通 常要 包括 人脸检 测 、面部 特征点 定 位 、人脸建 模 、分 类判别4 个步 骤 ,摄 像机或摄 像头采集 含 有人脸的图像或视频流,通过算法在图像或视频流中检测和 跟踪人脸 ,对检 测到的人脸进行脸部 的生物特征提取 ,将提 取结果与人脸数 据库 中已知身份的人脸 图像体征进行比对 , 根据比对相似度得分来确定待识别人脸的身份。 人脸识 别的关键 是特征提 取和人脸建模 ,也就是采用什 么样 的特征描述人脸 的问题。对于基于光学 图像的人脸 识别 而 言这 些特征必须是可以从图像中获得的。 从识别 分类来看 有两类 :一类 是确认 ,是一对 一进行图 像比较
10、 的过程 ;另一类是辨认 ,是 一对多进行图像 匹配对 比 的过程 。 人脸识别作为新兴学科 ,还缺乏行业标 准 ,在技 术上 仍 有很多难题 尚未攻克 ,如基于动态 的布 控 、目标选择 、跟踪 等,经过多年的发展已形成多种核心算法;基于静态比对的 应用在公安 、银行 等行业有 了一定规模 的实践 ,如 门禁 、考 勤类产品 。 与其他生物识 别相 比 ,人脸 识别技术 的优势在于 : 可 以隐蔽操 作 ,尤其适用于安全监控 ,适于解决重要 的安 全问题 ,如罪犯监控与 网上抓逃 等 ,指纹 、虹膜识别等 不能 比拟 ; 没有侵犯性 ,容 易被 接受 ,不会对用户造成生理上 的 伤害 ,易被
11、大 多数 用户接受 ; 非强制性 ,被识别的人脸图像信息可以主动获取 ; 并 发性 ,即实际应 用场景 下可 以进行 多个 人脸 的分 拣 、判断及识别 。 人脸识别技术的缺点如下。 对 周同的光线环境敏感 ,可 能影 响识别 的准确性 。 人 体面部的头发 、饰物等遮挡物 ,人脸变老 等因素 , 需要进行人工智能补偿。 非接触式识 别时 ,不 管是基于可见光还是红外线 ,基 于特征脸还是全脸的人脸识别 ,都受外 部环境影响极大 ,外 部环境 已成为制约人脸识别技术 发展 的主 要瓶颈。识别必须 进行 比对 ,这就决定 了识别效果不仅受原 图取 样的影响 ,也 受识别环境取样的影响,识别对象、
12、取样设备、算法等诸多 因素共 同决定着识别效果 。 人脸识别技术主要指标包括以下几种 : 误识率 :将其他人误作指定人 员的概率 ; 拒识率 :将指定人 员误作其他人员的概率 ; 识别正确率 :正确识别人次与参与识别人次总数之比 ; 误 报率 :将其他人员误识为指定人员和将指定人 员误 作为其他人员的比例; 通过率 :同一人人像判断正确的比例 ; 识别速度 :进行人脸图像识别的处理 时间。 衡 量一 个人脸 识别算 法需 要综 合考量 ,经 常用 “ 万分 之一 的误识率下的通过率 ”或 “ 干分之 一的误识率下的通过 率”来表明算法的准确性。 3 2 基于 云平 台人脸识 别算 法引擎 功能
13、现 状 人脸识别云算法引擎提供 后端 人脸 识别分析集 中处理 的 解 决方案 ,能够进行公有 云 、私有云方式部署 ,用户仪需通 过HTTP 发送命 令到云服务器人脸识别 引擎 ,即可进行人脸 相关 算法处 理 ,由此解决 了传统意 义上 使用人脸比对技术 的 各种 复杂 问题 。 下面列举综合主流人脸识别厂商人脸识别云算法引擎 对外提供 的人脸 识别相关功能 。包括人脸检 测 、人脸 属性分 析 、人脸 图片桐 似度 比对 、人脸特征建模 、人脸 特征相似度 比对 、人脸分组管理 、人脸识别等。 人脸检测 :指在图片中准确地标定出人脸位置 ,对不同 角度 、光照 、表情 、遮挡 、年龄的人
14、脸都有较好的适应性。对 www t t m c 0m c n 63 云计算技术研究与应用 于任意一幅给定的图像 ,采 用一定的策略对其进行搜索以确定 其 中是否含有人脸 ,如果有 ,则返回所有人脸的位置和大小。 人脸属性分析 :是指对于任意一幅给定 的人脸 图像 ,对 其进行 分析 ,返回人脸 的性 别 、年 龄 、开心度 。人脸 属性分 析 技术采 用 目前较 先进 的深度学 习人脸DNA特征 能够 更 加 准确地对人腧的 各个 属性进行 区分 。人脸属性分 析技术 , 广泛应用于商业领域和 厂 。 告领域 ,包括广告效 果评 估 、人群 分析 、精准 广告投放 等应 丌 。 人脸 质情 评
15、估 :分析 目标图片中人脸 质量 ,返回质量分 数 。人脸质 评估通常 包括对 称性评价 、清晰度评 价 、亮度 评 价 、黑框眼镜检测 、闭日 艮 张嘴判断 、分数融合 等 ,通过实 时算出每一帧图像中的人脸质培分数便于找出最适合进行人 脸 比对 的人脸 几 于进 行人脸比对。 人脸特征提取 :可 以对人脸 进行 特征提取 、特征融合 、 特征相似度比对,实现各种功能场景。 人脸相似度 比对 :可 对两张 人脸 进行 比对 ,得到两张人 脸 的相 似度 ,从而判断是 甭是同一个人 。人脸 比对 技术适用 于 身份识别及相似脸查询等 应用场景 。证券 、银行 等金融行 业 在人脸开 户, H
16、I D确 认上典有开创性 的应 用。 人脸识 别 :就 是将 待 识别的 人脸特 征 与已得 到的 人脸 特征模板进行比较,根据相似程度对人脸的身份信息进行判 断。这是进行图像匹配对比的过程。 口 人脸识别应用场景 下面综 合概括 了当 前人脸 识 别的应 厂 门 场 景 ,包括 公共 安全 ( 海关 、机场 、车站 、码头 )、商业 、金 融 、宾馆 、校 、,1 。 卡 当 写字楼 、钳能化小 、人机交互等。 场景 一 :园 区 人脸 卡 口 同区覆盖 区域 比较厂 ,人员流动 较大 ,在冈区的重点 场所或者主要通道没置人脸卡r 系统,可以有效地采集经过 的人脸对象信息 ,帮助 川户快速进行人脸检索 、定位 、黑 名 布控 ,找 人员的活 动轨迹 ,识别 出嫌疑人 员 ,为 区的 安保箭理打造出错怂的数据采集 、信息 识