《蜻蜓眼人像大平台——基于人工智能的人脸识别技术在视频侦查中的创新和应用》由会员分享,可在线阅读,更多相关《蜻蜓眼人像大平台——基于人工智能的人脸识别技术在视频侦查中的创新和应用(8页珍藏版)》请在金锄头文库上搜索。
1、本 期 专i蜻蜓BSA像大平台人 工 智 能 的 Af l iP s S y 技术 挪频侦查中的创新和应用随着公安视频监控建设的飞速发展,以充分发挥视频图像信息效能为核心的视频警务 模式已悄然兴起。我国警务安防平台已经基本实现了视频监控的联网及共享,但视频图像信 息的处理分析能力还有很大的提升空间。蜻蜓眼人像大平台基于先进人工智能技术,提供视频图像信息预测预曹、实时监控、 轨迹追踪快速检索数据挖掘、人像比对及智能预警等应用集成,具有很强的视频侦查针 对性。随着近几年人像识技术在公安行业的应用,蜻蜓眼人像大平台已经与一线警务实战 应用深度结合,依靠领先的人工智能算法和出众的工程技术在各级公安部门
2、进行实战应用, 成为构建立体化现代化社会治安防控体系的重要支撑之一 叱6 6 1 1 1 1 丨 9 7 2017年 第 4期 57叱6 6 1 1 1 1 丨 9 7 2017年 第 4期 57专 題蜻蜓眼+像f平台创新和应用摘 要 :作为生物特征识别技术中的主要技术之一,人像识别的应用范围十分广泛,安防视频监控则是其应用的 重要一环。自上世纪九十年代开始,到如今深度学习的广泛应用,人像识别技术发展逐渐成熟。蜻蜓眼 人像大平台是结合警务视频侦查需求自主研发的人像识别警务应用平台,通过解读核算法和工程应用 的创新,对人像识别在视频侦查工作中的应用场景进行分析和总结。关键词: 鋼 艮 人 像 大
3、 平 台 人 像 识 别 深 度 学 习 觀 織 应 用 麟一 引 言近年来,我国各大城市都在加强网络监控和应用 的投入和建设,图像侦查技术作为立体化治安防控体 系中的重要组成部分,越来越受到各地公安部门的重 视,成为一股不可忽视的新力量。随着以人像识别为 代表的人工智能技术的兴起,过去靠人力接力的图像 侦查工作峨生了变化,可用24小时不休的智能之眼 辅助人眼侦查。二、人 像 删 技 术 的 錄 背 景人像识是基于人的脸部特征信息进行身份识别 的一种非接触性生物识技术,同时也是人工智能中计 算ta视觉应用最广泛的技术,它包括人脸图像采集、人骤,由于其自然性和不被被测个体察觉的特性, 被广泛 _
4、孩 防 、金 融 魏 域 的 翻 场 景 。( - ) 人像iRSiJSMW额 程自上世纪九+年代开始,随着计算机性能的大幅 提升和模式识别技术的发展,人像识别技术逐渐兴起 并受到人们重视,成为计算机视觉和模式识别领域的 - 项热门技术。1993年 , 美 国 国 防 部 高 级 研 究 项 目 署( Advanced Research Projects Agency ) 和美国陆军 研 究 实 验 室( Army Research Laboratory) 成立了 Feret ( Face Recognition Technology) 项目组,建立 了 FERH人像数据库,用于评价人像识别算
5、法的性 能,该项目极大地促进了人像识别算法的改进以及算 法的实用化;1997年,Belhumeur等人提出了基于线 性判别分析的Fisherface技术。58匿麗58匿麗U3 2017年 第 4期3 2017年 第 4期蜻蜓眼人像大平台目前,主要的人像识别方法可以被分为五大类: 基于面部几何特征的人像识别法、基于特征脸的人像 识别法、弹性图匹配人像识别法隐马尔可夫模型人 像识别法和基于深度学习的神经网络人像识别法。其 中,基于深度学习的人像识别技术被公认为是未来趋 势和方向,它通过大量样本图像的训练获取识别模 型,再通过识别模型进行识别,无需人工选取特征, 通过训练过程中进行学习,具有识别准确
6、率高、识别 速度快、可实现规模数据库雜势。(二 ) 深度学习引发人像识9技术革新相较其他几种人像识别方法,基于深度学习的 算法具有更强的机器自主性。深度学习最早由 Geoffrey Hinton等人在2006年 Sciences上发表的 文章提出,主要通过神经网络来模拟人的大脑的学习 过程,希望借助人脑的多层抽象机制来实现对现实对 象或数据( 图像、语音及文本等) 的抽象表达,并通 过组合低层特征形成更加抽象的高层特征( 或属性类 别 ) 。经过大量训练数据后,深度学习反而比较容易 得到一个不错的模型。如果和云计算的海量数据结 合,深度学习算法将具有很强的学习能力,可以在无 需人工干预的情况下
7、很快提升。2012年前,深度学习在工业领域的应用还基本 上是一片空白。2012年底, “ 深度学习之父” Geoff Hinton的博士生Alex Krizhevsky IlyaSutskever在图片 分类的竞赛ImageNet上战胜强大的谷歌团队,获得第_ 名 。这个事件导致深度学习真正受到工业领域重 视、成为人工智能发展史上的一个里程碑。基于深度学习的人像识M系统为每一张人髓予 一套独一无二的编码,并且可以从任何一张人像中提 取相关代码进行比对。随着硬件性能的提升以及软件 算法的改进,人像识别技术在精确度和量级规模上显 著提升。目前,蜻艇目BA像大平台已做到十万分之一 误识率条件下实现9
8、 8%以上的识别通过率,早已超越 普通人眼识另啲水平,成为警务视频侦查中可信赖的 狱 支 持 。三、人像识技术 在安防领域的需求分析自2003年以来,我国便开始了建设“ 平安城 市”的早期探索,并于2006年制订公共安全行业推荐 标 准 城市监控报警联网系统通用技术要求 (G/VT669-2006), 确立了北京市宣武区、江苏省 苏州市、浙江省杭州市和山东省济南市四种建设模 式。2016年,工信部发布电子行业标准 人像识别设 备通用规范 (SJ/T 11608-2016 ) , 为人像识别技 术的发展提供了标准化与规范化的依据。截止2016 年,全国公安机关也已基本搭建起视频图像信息资源 整合
9、汇聚和共享交换的基础支撑平台,联网可控的摄 像机数量较2015年增长近60%。国家九部委出台的 关于加强公共安全视频监控建设联网应用工作的若 干意见中明确指出:到2020年,安防视频监控要基 本实现全域覆盖、全网共享、全时可用、全程可控, 并运人像识别、数据挖掘等现代技术实现深化视频图 像信息预测预警、实时监控轨迹追踪、快速检索等 应用。因此,从警务创新的角度,人像识别技术落地 警务安防是水到渠成的事情。 丨 1 6 6 1 1 1 1 丨 9 7 2017年 第 4期 59 丨 1 6 6 1 1 1 1 丨 9 7 2017年 第 4期 59( _ ) 提升城市监控网络应用效能人像识别技术
10、为庞大的城市视频监控网络了开启 了 “ 智能之眼”,解放了传统视频监控设备的生产 力。尽管我国各行各业现有摄像头已达2500余万,然 而其规格参数参差不齐,不少早期的监控摄像头达不 到标准的D1分辨率,尚处于CIF分辨率水平,甚至还 有QCIF分辨率,这些设备无法在短时间内全部更换升 级,男吆发掘现它们的潜力是未来公共安全视频监控 建设的重要课题;另一方面,引入人像识别技术之 前 ,视频图像的大规模数据处理和深度挖掘并不理 想,海量视频图像资源被浪费闲置,成为垃圾数据, 严重占用了有限的监控资源,也让有用的信息有被湮 没的风险,因此亟待实现视频图像信息的大规模数据 挖掘与深度应用,提升视频图像
11、信息服务公安工作中 的效能。人 像 獅J技术既能有效解狀像图像超彌率识 别与重建问题,也能帮助解决在海量的视频图像数据 中挖掘有用信息为公安服务的难题,同时使得人像识 另 ! ! 精准度进一步提升,达成双贏的局面。以目前行业 领先技术水平为准,人像识别技术能在更宽泛的分辨 率下进行人像比对,这意味着可使大量早前建设的摄 像头焕发生机,提升视频图像信息和侦查的应用水平 和范围。( 二 )辅助警力及全天候智能执勤 人像识技术可以有效弥补警力不足,实现技术 辅助警力与全天候智能执勤。我国瞥力不足由来已 久 ,警力和人口的比例仅有160人/十万人,距离 260人/十万人的世界平均水平相去甚远;与此同时
12、, 警力资源的配置和运营也不尽科学。虽然公安部门一 直在人力和运营上努力提升,但显然不可能在朝夕之 间实现改变。随着城市化进程的突飞猛进,城市要害部门的来往人流规模急剧提升,单凭一线警力,根本 无法实现有效管理和应对。人像识别则从技术角度提 供了解决方案,借助遍布城市各地的安防监控,引入 自动人像识别技术后,只需要少量精干的高素质警力 就可以达到事半功倍的效果,无论是辅助警力,还是 全 天 候 智 能 执 勤 话 下 。四、蜻蜓眼人像大平台的技术创新随着深度学习在人工智能中的大量应用,人像识 别技术的发展速度和可用性大幅度提升,国内厂商的 技术和应用水平已处于世界前沿。蜻艇目艮人像大平台 是结
13、合先进人像识别技术和警务实战需求的智能安防 平台,目前已经在全国各地公安机关中使用和推广, 在警务实战中取得了明显成效。蜻蜒人像大平台应用级A P II 霣法S D K 实 舰 用 人像篝法分布式计篇和存储播口 I分?B it计 麵 存 储 平 台人像大平台采用自主研发的领先人脸识别技术, 由人像识别算法、高性能分布式计算和存储、大规模 运维等核心、 组件构成。其中人像识别算法支持人像识 别、目标跟踪、同行分析、行为分析等实战应用,而 高性能分布式计算架构则满足超大规模人像库应用需 求,为视频侦查实战提供坚实的运行基础和保障。蜻 蜓目像大平台以计算机视觉为核心,构建了完善的 城市级AI公共安全
14、解决方案,通过城市內机场铁路、 轨道公交、安防监控、酒店网TO特种场所等视频监 控设备为“ 眼 目 “,构建更加智慧的城市警务大脑。人像大平台拥有领先的自主研发人脸识别核心算 法和高性能、可扩展工程应用架构,其创新技术在警 务视频侦查中发挥了有效作用。据介绍,平台目前已 经建立了 2个部级库,18个省级库和131个市级库, 并在2016年协助苏州警方单地破案1080起 ,成为构 建立体化现代化社会治安防控体系的重要助力和技术 突( - ) 自主创新觸先核心算法人像大平台拥有自主创新的杨L、 算法,融合了深60 60 I罾親涿3 2017年 第 4期罾親涿3 2017年 第 4期蜻蜓眼人像大平台
15、度学习和统计学习图模型各自的优势,既可以发挥大 数据训练的力量,又能够保障训练数据有限时的高识 别精确度,在各种复杂条件下完成准确人像识别。1 深度学习人像识别其实主要有两个重要步骤:人像的检 测与定位和人像的识别比对。检测与定位是通过计 算机或者人为地找到人像的位置并分离其与背景图 像 ,最后使用分隔而来的前景图像进行特征提取进 而比对识别。目前常用的人像特征抽取方法有:1. 基于代数特征的方法:将一个由一幅人像图 像或多幅人像图像构成的矩阵进行代数变换,如主元 分析、奇异值分解或者线性投影等以获取特征;2. 基于几何特征的方法:将人像各个重要部件 如嘴巴、鼻子、眼睛、下巴和眉毛等部件和部件
16、之间 的结构关系的几何描述,作为识别的依据;3. 基于弹性模型的方法:将人像网格化后采用 弹性匹配算法进行匹配;4. 基于神经网络的方法:如支撑向量机、卷积 网络等;5. 形变模型方法:如主动形状模型。其中,基于神经网络的深度学习人像识别技术不 需要人工选取特征,能够在样本训练过程中进行学 习,具有识别准确率高、响应快和大规模数据库应用 上的优势。深度学习的概念源于人工神经网络的研究,其 思想就是堆叠多个层,上一层的输出作为下一层的 输入。通过这种方式,可以实现对输入信息进行分 级表达。深度学习是机器学习研究中的一个新的领 域 ,其动机在于建立、模拟人脑进行分析学习的神 经网络,它模仿人脑的机制来解释数据,例如图 像 ,声音和文本。以此为基础的人类视觉识别的原理也是如此:外 部世界中的物体先在视网膜上进行投影,然后大脑的 视皮层对于聚集在视网膜上的投影进行分解处理,最后利用这些分解处理后的信息进行物体识别。因此, 视皮层的功能不是仅