人脸识别系统方案

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
目录
1 人脸识别技术 (3)
2 人脸识别解决方案 (4)
3 第二章. 方案概述 (5)
3.1 项目概况 (5)
—
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、
刑侦立案等工作提供实战上的有效帮助和解决方法。

第二可帮助公安侦
查人员办案时候追查和通缉真正从打变为防能够极大的减少警力资源浪费和事故发生概率。

目前人脸抓拍比对系统主要应用在以下几个方面
公安治安人员黑名单比对实时报警
针对一些人员密集区域如车站、地铁站、机场、社区等的关键出入口、通道等卡口位置布置人员卡口后端对重点关注人员、打防控人员进行黑名单布控通过实时视频流比对布控黑名单现人脸比对识别。

不明身份人员身份确认治安人员在日常巡逻、人员身份验证过程中避免肢体接触和冲突使用前端摄像机或手机进行抓拍后端通过数据库进行人员信息比对分析达到人员身份确认的应用。

治安或刑侦人员对流动性人口中的无合法有效身份证件、无固定住所、无正当职业或合法经济来源的人员进行非接触性身份确认。

重要点位重点人员身份排查针对一些重要管控的区域如大型保障活动政府、公安出入口等布置前端摄像机对现场进行人脸抓拍每日安排公安人员人工进行重点人员筛选排查。

2.3建设目标
本章文字内容可以根据项目具体情况修改
2.3.1重点人员布控
重点人员包括高危人员、特殊人员等。

高危人员包括有全国在逃人员、全国违法犯罪人员特殊人员包括水客、涉恐涉案人员、涉毒人员、重大犯罪前科人员、肇事肇祸精神病人。

本方案可通过手动或自动批量导入手段将高危人员信息导入至人脸注册库中通过摄像机实时视频检测和照片信息检索与人脸注册库内高危人脸进行实时比对识别在出现高危人员时通过平台告警方式通知公安。

公安重点人员根据地区和目的不同划分不同类型包括惯偷惯犯、涉恐、涉案、涉毒、水客等人员。

本方案可通过手动或自动批量导入手段将重点人员信息导入至人脸注册库中通过在超市、大楼、火车站、港口等出入口摄像机实时视频检测和照片信息检索与人脸注册库内高危人脸进行实时比对识别在出现高危人员时通过平台告警方式通知公安。

2.3.2高危人员布控
特殊人员包括有水客、涉恐人员、涉毒人员、有重大犯罪前科人员、肇事肇祸精神病人、重点上访人员等。

人脸识别系统将利用实时视频和身份证信息相结合的手段对出入境人士
进行审查识别。

高危人员包括全国在逃人员、全国违法犯罪人员、重大犯罪前科人员、肇事肇祸精神病人等。

人脸识别系统将利用实时视频和身
份证信息等手段可在火车站、汽车站、港口口岸出入口建设人脸卡口对出入境人士进行审查识别。

2.3.3敏感人群布控
敏感人群包括来自特殊地区、特殊身份、特殊职业等人员如来自新疆地区人群、个别少数民族人群、长期无工作人群、非法上访人群等。

通过在出入境、关键人脸采集卡口对这些人群进行身份信息和人脸信息采集通过人脸识别系统对敏感人群的身份信息、行为轨迹、出没时间等进行管控从而做到敏感人群防控的目的。

2.3.4身份信息检索
在日常巡逻、火车站身份证检查、其他民事应用中可通过单兵、手机、相机对驾驶员进行脸部拍照通过上传照片至后端进行人脸识别确认人员身份信息。

这种方式适用于未携带身份证、驾驶证的驾驶人员身份快速确认。

2.3.5身份信息查重
对全国人口基本信息资源库中人员身份证进行检索比对排查一人多证的问题。

2.4 建设内容*根据具体情况编写
3总体设计
大华人脸识别系统采用具有完全自主知识产权的人脸检测算法、人脸跟踪算法、人脸抓拍算法、人脸质量评分算法及人脸识别算法、并结合配套的前端摄像机机设备和后端智能分析服务器实现了实时人脸抓拍建模、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。

3.1逻辑架构系统业务逻辑包含三块内容
3.1.1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。

3.1.2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。

3.1.3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。

3.1.4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。

3.1.5整体逻辑架构如下图
3.2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。

3.3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
3.3.1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
3.3.2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。

3.3.3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
3.3.4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。

3.3.53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。

3.3.6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。

3.3.6.1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%。

3.3.6.2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100×100实时识别-支持30W的黑名单库可以支持16路以上1080P人脸识别前端相机人脸抓拍/注册库检索性能-最大可支持300W库人脸检索。

4前端设计
4.1前端系统组成人脸识别前端主要分为两类
普通高清IPC-后端需要配合人脸检测服务器进行人脸检测再接入人脸识别服务器人脸抓拍IPC-可以直接接入人脸识别服务器
4.2布点设计
4.2.1通常人员抓拍相机对于安装的场景有比较高的
要求
人脸大小100像素以上(双眼距离大于50像素)角度上下角度在15度以内左右角度在30度以内(眉尖可见)图像质量聚焦清晰光照均匀特别注意避免逆光、侧光必要时进行补光其他情自然尽量避免帽子、围巾、墨镜等遮挡面部信息通常在一些城市中典型的适合人员抓拍的地点和场景有
1.火车站汽车站出入口
2.机场安检处
3.政府机关企事业单位重要场所的走道
4.大型商场出入口上下扶梯处
5.小区、社区出入口非室外环境等等
4.3施工部署要求
采集场景典型案例建设人脸采集场景是为了提高人脸抓拍成功率、人脸识别比对成功率做为人脸识别系统能否满足公安要求最为重要的一环建设一套标准人脸采集系统是人脸系统成功应用的关键人脸采集系统采集场景一般分为专业采集场景和人脸比对场景
其中专业采集场景一般为室内场景确保光线和环境标准化建设完成后可采集标准的人脸图像为后续建设人脸注册库做基础准备。

人脸
比对场景根据公安要求建设用于道路和室外场景对目标人脸进行比对识别。

4.3.1安装指导规范专业采集场景环境要求
采集环境建议在室内高度>=3米长度>=6米宽度>=6米
人员采集点位确定被采集人员点位若环境光低于人脸采集要求则顶部需要安装光源进行补光注意背后不要有强光源。

4.3.1.1摄像机安装
摄像机采取吊顶或者三脚架方式安装安装高度距地面2米-2.5米安装距离距被采集人员点位4-6米。

若采用三相机抓拍中间的相机正对采集点位其它两个相机部署在中间相机的两侧1.5米处。

4.3.1.2摄像机调整
安装人员甲站到采集点位安装人员乙依次对三个相机进行调整。

调整摄像机上下角度与焦距使得人脸位于图像的中心位置双眼距离大于50像素。

对人脸进行对焦调整清晰度到最佳。

安装角度
要求相机与水平线的夹角α最好在-15°度到15°度之间。

安装距离
要求摄像机一般选用百万高清摄像机。

距离和选用的不同镜头的焦距有关系焦点在通道出入口且人脸的宽度像素不小于100*100
像素因此摄像机的型号与监控范围有着密切关系。

人脸大小和姿态要求
人脸距离相机中心左右偏离±30°上下偏离±15°平面偏离±15°以内免冠不戴墨镜、口罩、帽子等遮挡面部的饰物眼镜框、头发不遮挡眼睛
环境光照要求
无逆光面部无明显反光光线均匀且无阴影。

另外为保证抓拍人脸时现场光照足够建议若镜头画面中人脸不够亮时需要相应增加照明设备对人员脸部补一般应达到250~800Lux。

4.3.1.3人脸采集场景
侧视图根据摄像机的安装位置和安装高度要求如下高度建议在2.0~2.5米范围焦距距离摄像机在4~6米处保证相机照射目标人脸呈15度角度。

4.3.1.4人脸采集场景
俯视图通常对人脸进行采集过程中因人员不受控制常常无法采集到正脸图片在后续比对识别过程中非标准的人脸图片将降低人脸识别准确率。

通过部署三台相机每台相机相距1.5米两侧相机距抓拍点呈现30°夹角人员经过采集点可以同时进行人脸抓拍并关联存储入库可以大大缩减因抓拍人脸角度问题引起的识别比对准确率不高的问题。

5存储设计
5.1存储总体设计人脸系统存储内容主要包括三方面
1.人脸注册库存储包括人脸图像和结构化的特征数据是公安人员对重点管控人员等建立的人员库在人脸识别系统中充当标准库供人脸系统查询比对。

2.人脸抓拍库存储包含实时抓拍的现场图像、人脸小图和结构化的特征数据在人脸识别系统中充当实时抓拍下来的人员面部特征库供人脸系统检索比对。

3. 视频录像存储针对系统需要存储实时视频进行视频搜索可通过DSS-C平台挂载存储设备存储前端实时视频录像或在前端路数较多情况下可以通过前端直连NVR进行视频存储减轻平台转发存储负担。

……前端普通高清摄像机……人脸抓拍摄像机
抓拍库图片存储
注册库存储、抓拍库
特征码存储
DSS-C8100平台
视频流
抓拍大图、人脸小图存储
视频存储IPSAN
视频存储NVR
其中前端摄像机抓拍到的现场图片和人脸小图存储在识别服务。