“人(rén)員(yuán)結構化”多特征分析 助力人(rén)像識别應用

• 2020/03/27

近幾年(nián)來，作(zuò)為(wèi)公安視(shì)頻(pín)偵查的重要(yào)手段，人(rén)像識别在公安實戰過程中的應用需求正在加速釋放。公安部門需要(yào)比對大量的視(shì)頻(pín)、圖像，從(cóng)海(hǎi)量視(shì)頻(pín)監控數(shù)據中、快(kuài)速地(dì)找到目标人(rén)物(wù)。智能(néng)人(rén)臉系統的部署将警務人(rén)力極大地(dì)解放出來，帶來了(le)警務實戰效能(néng)與效率質的提升。随着人(rén)工(gōng)智能(néng)、大數(shù)據、雲計算等技術(shù)的融合應用，人(rén)像識别在公安視(shì)頻(pín)偵查中的輔助作(zuò)用也越來越關鍵。

M:N模式人(rén)臉識别應用仍存技術(shù)難點

當前，公安視(shì)頻(pín)偵查中人(rén)臉識别的應用一(yī)般分為(wèi)兩種場景：一(yī)種是靜态人(rén)臉識别比對，從(cóng)監控錄像中采集人(rén)臉的截圖，然後和(hé)目标庫(如(rú)犯罪分子庫、黑(hēi)名單庫、失蹤人(rén)員(yuán)庫等)做(zuò)靜态比對，縮小目标範圍到幾人(rén)、十幾人(rén)內(nèi)，提高身份确認的效率;另一(yī)種則是直接在監控視(shì)頻(pín)中做(zuò)動态比對，實時(shí)檢測、比對分析、跟蹤人(rén)臉。

在1:1、1:N靜态人(rén)臉比對場景中，因為(wèi)人(rén)臉比對的數(shù)據量較小，且環境幹擾因素較少(shǎo)，人(rén)臉識别的準确率普遍能(néng)夠達到99.5%以上(shàng)甚至100%。但(dàn)在複雜(zá)的M:N模式下(xià)的動态人(rén)臉布控過程中，要(yào)做(zuò)到超高精度人(rén)臉識别和(hé)追蹤仍然不太容易。這(zhè)裏涉及到很(hěn)多因素，包括抓拍距離、光(guāng)線環境、人(rén)臉角度等等，幹擾性較大，應用到實戰場景中仍然有一(yī)些技術(shù)難題需要(yào)攻破。

智能(néng)抓拍引擎，提升動态人(rén)臉識别準确率

要(yào)提升動态人(rén)臉識别的準确率，首先要(yào)保障的是人(rén)臉圖像的抓拍率，這(zhè)一(yī)點在很(hěn)多技術(shù)類文章(zhāng)中鮮少(shǎo)提及，但(dàn)其實是很(hěn)關鍵的因素。在動态人(rén)臉抓拍場景下(xià)，大量移動目标的重疊、分離、移出區(qū)域等都(dōu)是導緻漏拍的關鍵因素。智能(néng)抓拍引擎，可(kě)以有效解決目标跟蹤遺漏、目标重複的問(wèn)題，可(kě)将抓拍有效率提升到96%以上(shàng)，将重複率控制在8%以下(xià)。同時(shí)，內(nèi)建的圖像評價篩選算法可(kě)自(zì)動選擇優抓拍，剔除重複圖片，一(yī)方面減少(shǎo)傳輸圖片的數(shù)量，降低(dī)網絡傳輸和(hé)後端計算壓力;另一(yī)方面篩選出高質量人(rén)臉抓拍圖片，提升識别的準确率。

多特征算法疊加，獲取更的識别率

在保障高質量人(rén)臉圖像抓拍的基礎之上(shàng)，再從(cóng)算法角度強化人(rén)臉特征的檢測提取，以獲取更的識别率。

人(rén)臉是一(yī)種非常重要(yào)的生物(wù)特征，具有結構複雜(zá)、細節變化多等特點，同時(shí)也蘊含了(le)大量的信息，比如(rú)性别、年(nián)齡、表情等。在動态識别場景中，算法主要(yào)是基于面部進行(xíng)特征點檢測分析，單一(yī)在人(rén)的面部區(qū)域做(zuò)特征提取，仍然會受光(guāng)線、環境以及非配合條件等因素，影響到終的識别準确率。

針對這(zhè)個問(wèn)題，智能(néng)攝像機一(yī)方面采用多特征人(rén)像識别技術(shù)，可(kě)實現“人(rén)臉&人(rén)體”多特征檢測、提取、分析以及輔助跟蹤，支持人(rén)臉、人(rén)體、頭肩等部位同時(shí)抓拍，特征提取點更豐富多維，包含人(rén)物(wù)性别、年(nián)齡、是否帶口罩、人(rén)物(wù)服飾等10餘種屬性特征，實現優人(rén)臉&人(rén)體相關聯。從(cóng)人(rén)臉到人(rén)體，從(cóng)單一(yī)特征到多特征，随着目标人(rén)物(wù)細節特征的豐富，基于深度學習的算法，可(kě)以在訓練過程中讓深度神經網絡“自(zì)動”從(cóng)訓練的數(shù)據中學習适合的特征撷取方法，自(zì)主篩選更的信息，多樣性人(rén)像特征的算法疊加，達到更的識别效果。另一(yī)方面，智能(néng)攝像機還可(kě)通(tōng)過多攝像機間(jiān)的協同、端雲間(jiān)的協同進行(xíng)聯合判斷，單機比對處理後再多機配合計算确認，從(cóng)而降低(dī)人(rén)臉誤檢率。

AI場景自(zì)适應，成像更好滿足實戰應用

最後，值得一(yī)提的是，在安防應用中，攝像機安裝的環境千差萬别，同一(yī)個安裝場景會有不同的環境變化，這(zhè)也給人(rén)臉識别帶來了(le)較大的挑戰。為(wèi)了(le)解決這(zhè)個問(wèn)題，智能(néng)攝像機內(nèi)置實時(shí)圖像質量檢測與評估特性，具備自(zì)我感知和(hé)場景适應性學習能(néng)力，可(kě)通(tōng)過AI算法自(zì)動識别場景環境，比如(rú)霧天、雨天、低(dī)照場景、寬動态場景等等，而後自(zì)動調整參數(shù)，使圖像在不同的場景下(xià)呈現優狀态，更好地(dì)滿足實戰應用。