云计算技术研究与应用 ｄｏｉ：ｌＯ３９６９／］ｉｓｓｎ １０００－１２４７２０１７０６０１５ 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、司法、军队、公安、边检、政府、航 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统和高性能硬件处理平台，系 统调度效率高，代码网化在Ｆｌａｓｈ中，体积小，具有较高稳定 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ＡＰＩ、ＳＤＫ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￣ＦＤＤＢ（Ｆａｃｅ Ｄｅｔｅｃｔｉｏｎ Ｄａｔａ Ｓｅｔ ａｎｄ 性和可靠性。采用ＲＯＩ、ＳＶＣ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。 Ｂｅｎｃｈｍａｒｋ，全世界最具权威的人脸识别评测）、ＦＲＶＴ （Ｆａｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｖｅｎｄｏｒ Ｔｅｓｔ，美困国家标准技术局ＮＩＳＴ 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、 人脸识别云服务器具有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； Ｅｍｏｔｉｂｏｔ、大视、美图、中科奥森、颜鉴、飞搜、云从、佳 部、雨度、ＬＩＮＫＦＡＣＥ、字泛智能、ＦＡＣＥ＋＋（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ＮＥＣ、日本东芝等。 目基于云平台的人脸识别系统 ２．１人脸识别系统组成 人脸识５ｊｌＪ云平台系统主要…人脸抓丰自机、人脸识别云服 ・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Ｗｅｂ客户端，实现黑名单报警信 白、管理、 务器、销 理 台等设备组成。 （１）人脸抓拍机 人脸抓｛ｆ１机内 智能分析算法，实现对进出人员的人脸 国巨 ＴＥＬＥＣｏＭＭＵＮＩＣＡ１］ｏＮＳ ＴＥＣＨＮｏｌ ０Ｇ、ｒ，／２Ｏ１ ７・ 电信技 抓拍图片的检索等。 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 ２．２人脸识别系统流程 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； （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。 ・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。 （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 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。 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 （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。 受识别环境取样的影响，识别对象、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； （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。 ・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 目人脸识别技术现状 ３．１人脸识别技术分析 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 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。 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 像比较的过程；另一类是辨认，是一对多进行图像匹配对比 的过程。 ３．２基于云平台人脸识别算法引擎功能现状 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。 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、年龄的人脸都有较好的适应性。对 ｗｗｗ．ｔｔｍ．ｃ０ｍ．ｃｎ 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 数据内容包括年龄、性别。同时人脸比对功能可分析该顾客 ｎ，Ｏ￣－Ｊｌ访频次（回头客）。 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， 采集的位置为门店出入口、收银台等区域。 采集的数据包括年龄数据、性别数据、到访频次数据、 ＶＩＰ、黑名单、粉丝、员工、同一天的返店率分析等。 场景四：智能巡控方案 以区域内监控设备为基础，通过人脸识别技术，大数据 分析手段．快速识别重点监控人员，并通过发现预警、黑白 名单、ＧＩＳ轨迹等各项功能，为相关部门提供重点人员行为 动向，提高工作效率。 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 应用行业有公安、综冶、街道管理、社区等。 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。 团结束语 随着视频结构化分类技术进步．￣Ｉ３ＧＰＵ专用设备的普及，新 的人睑识别智能视频隘腔系统支持基于分布式云存储，实现海量 视频数据的存储。随着标准的逐步完善和平台建设内容的丰富， 当前建没视频监控应用的重点从图像资源整合向视频图像信息数 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，￣ＨＩＤ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 据的深度业务应用转变，以数据为核心，运用云存储大数据技术 向深度与广度发展，在视频专用分布式云存储节点服务器加载人 脸识别分析模块．为大数据分析提供支持。构建基于云平台的人 脸识别智慧安防系统，将更加广泛地应用于公安、平安城市、平 安乡镇、综治、街道社区、智慧商铺等场景。 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。 人民邮电出版社．２００９ 参考文献 ［１］梁笃国，张艳霞，郑泽民，等．网络视频监控技术及应用［Ｍ］．北京： ［２］梁茑国，张艳霞 曾宁，等．网络视频监控技术－ｂ智能应用［Ｍ］北 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 京：人民邮电出版杜，２ｏ１ ３Ｉ蚯 如对本文内容有任何观点或评论．请发Ｅ—ｍａｉｌ￣Ｅｔｔｍ＠ｂｊｘｉｎｔｏｎｇ ｃｏｍ ｏｎ 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 张园 安保箭理打造出错怂的数据采集、信息识别手段。 硕士，现就职于中闰电信股份有限公司上海研究院物联网 场景二：人证合‘ 部，主要研究方向为视频监控技术和应用。 张琳姝 通过云服务的方式， 现身份证信启、读取和现场照片比 对．实现持证人与证件现场匹配的验证，协助相关流程的办 理．提Ｉ高工竹！效牢。 硕士，现就职于中阳电信股份有限公司上海研宄院物联网 部，主要研究方向为视频监控技术和应用。 陈捷 应用行业：电信、银行、保险等营业厅业务受理，实名 认证；机场、海关等需要实名验证身份证件的场所；教育考 试防替考； 店、 吧，等需要实名登记的场所。 硕士，现就职于中同电信股份有限公司上海分公司总 室， 主要研究方向为物耳关网技术。 冯明 场景二：商铺顾客属性分析 顾客属性数据采集是利用人脸识别技术来实现，采集的 硕士，现就职于中同电信集团技术部，主要研究方向为物联 网技术。 ＩＮＩＣＡＴＩＯＮＳＴＥＣＨＮｏＩ ｏ（、、ｒ／２Ｏ１ ７・ 囝
