人脸识别结合大数据处理技术在社会治安监控的应用分析
时间：2021-01-05 12:00:32 来源：雅意学习网 本文已影响 人 
摘 要 在安防技术飞速发展的今天，基于视频人脸采集的人脸识别技术已在公安、政府、教育、医疗、金融、军队、司法及众多企业事业单位等领域得到广泛的应用。
关键词 人脸识别 大数据检索 治安应用
作者简介：康健博，苏州市公安局吴中分局科员，研究方向：公安科技信息化应用。
中图分类号：D631 文献标识码：A DOI：10.19387/j.cnki.1009-0592.2017.02.091
笔者通过大量的文章调研，结合警务工作实际经验，将在本篇文章中对人脸识别技术及其在社会治安管理方面的应用做一些简要的论述。
一、人脸识别的定义
（一）概述
人脸识别实际上一种对身份鉴别的计算机科学技术，它的实现基于对采集的人脸图像信息进行视觉特征结构化，对比与核验。
从广义上来讲，人脸识别技术系统实际上是一个宏观概念，可以细分为一系列相关技术，包括人脸信息的前端采集、人脸特征结构化、人脸信息的定位预处理、针对性的对比检索、结构化数据的原始模型匹配等；狭义上来看，人脸识别系统可以特指通过前端人脸采集的信息进行人员身份辅助验证查找定位的技术系统。
人脸识别目前已成为一项炙手可热的研究领域，它从本质属性上来讲实际上一种生物特征识别技术，是对生物体（一般指人类）自身的生物属性特征来辨别具体生物个体。生物特征识别技术中所研究的特征可以概括为研究对象生物的外观轮廓、虹膜、掌纹、指纹、音色、行为习惯等。
（二）人脸识别的优势
在众多识别技术当中，人脸识别技术因其具有被动图像采集不易被察觉性和自然性有着得天独厚的优势。
被动图像采集的不被察觉性特点对于一种识别技术非常重要，使用人脸识别技术不易令人产生反感，而且不会使人觉得容易受到欺骗而引起注意。人脸识别技术的图像采集条件相对宽松，完全可以通过可见光数字成像获取被检测对象的相关人脸信息，这点不同于虹膜识别和指纹识别。后者需要使用红外线虹膜采集图像或者使用电子压力传感器采集指纹。
（三）人脸识别技术的困难
人脸识别概念自上世纪60年代被提出以来，以其有着很多其他识别技术无法比拟的优势，一直备受各行各业的科学工作者青睐，但从技术角度来看，人脸识别技术的发展本身也有很多难题。一度以来，基于人脸识别的生物特征识别技术被人们认为是人工智能及机器视觉领域最难研究的课题之一。
人脸识别技术的困难来源主要在于生物特征识别中基于人脸作为基本特征的特点造成的。对于视觉上来讲人脸的特点是：
一是人脸的结构性具有普遍性，可以说每一张人脸都是由相同的器官构成并且结构非常相似，人脸结构的普遍性对于机器视觉来说有利于在千变万化的图形世界中快速定位人脸图像，但细化到利用人脸区别每个生物个体就有一定的技术难度。
二是人脸的形态可变性，总所周知，人类面部的表情变化十分丰富，面部结构各器官之间的形态多种多样，而人脸又是非单纯的二维平面图形，是三维立体的形式存在，可能因环境光照、抓拍角度、面部遮挡（如眼镜、口罩、帽子、发型、胡须等）而造成影响，这些对于机器视觉对人脸的结构化就造成了很大的困难。
二、人脸识别应用技术细节
人脸识别技术系统从组成上可以分为四个部分，分别为：人脸信息的采集、人脸特征结构化、人脸信息的定位预处理、结构化数据的原始模型匹配检索等。
（一）人脸信息采集
主要采用网络摄像机抓拍的方式采集人脸的信息，因为人脸信息的自然性特征，在不同环境，不同形态下都可以利用摄像机进行人脸信息的采集，而目前针对人脸信息的采集最主要的方式就是通过摄像机进行的，除此之外我們还可以通过静态照片导入的方式对人脸信息进行采集。目前安防行业针对人脸信息的前端采集，已有较为成熟的两种抓拍应用方式，第一种方式为网络摄像机直接抓取人脸图像信息，第二种方式为在后端录像存储系统中读取视频码流，再通过人脸建模智能软件，将视频录像码流中的人脸进行截图提取。两种人脸信息的采集方式各有其优势，第一种方式，在于人脸提取的算法要前置在网络摄像机中，对于网络摄像机有着一定的局限性。而第二种方式，通过录像的方式提取人脸信息，则可以针对任何前端监控点位进行，具有一定的普遍性。
（二）人脸特征结构化
人脸信息采集完成后需要对所采集的人脸图像信息进行结构化处理，即将图像信息转换为可对比、挖掘、分析的数据信息。一般来讲首先要对图像进行预处理，标定图像中人脸的具体位置，标定出各器官所在的位置，计算人脸各器官标定点位之间的比例图，然后对人脸进行建模分析，通过模板特征、比例直方图、颜色特征和结构特征等。人脸特征结构化完成后便可以对人脸信息进行一系列检索分析应用。
人脸结构化检测过程中，使用Adaboost算法优先挑选出一些具有人脸特征代表性的矩阵信息（弱分类器），在此基础上进行深度学习加权积分投票的方式，将该矩阵扩充成鲁棒性更强的矩阵（强分类器），再进一步通过深度学习训练将多个强分类器串联叠加形成一个级联结构的高层叠分类器，这样可以指数级增加人脸特征匹配的准确度。
（三）人脸信息的定位预处理
人脸信息的定位预处理：对于人脸信息的定位预处理基于人脸信息结构化的结果，本质上是对图像进行处理后，在从处理结果中提取特征或结论的过程。
人脸的信息预处理通常基于人脸结构化检测结果。按上文所述，一般来讲系统获取的人脸原始图像由于各种外界条件干扰限制，直接使用往往会有一定困难，须在早期阶段对图像进行一系列的噪声过滤、灰度矫正等图像处理。针对人脸图像信息而言，其预处理过程主要包括灰度变换、直方图均衡化、图像光线补偿、图像几何校正、滤波以及锐化等。
（四）结构化数据的原始模型匹配检索
