隨著人工智能技術的深入發展與突破，在當前社會各領域的運行當中，人工智能正廣泛的觸及人們生活、工作乃至安防等領域的眾多場景。目前，在人工智能領域中最火熱的人臉識別技術正以其高安全性、非接觸性、識別速度快等屬性，為各行各業帶來更多極致體驗。人臉識別技術也在人工智能領域脫穎而出，成為開啟未來時代的排頭兵。

 

　　人臉識別在公安實戰應用凸顯

 

　　人工智能在安防領域的應用，必須回歸安防的本質：用技防手段，降低對人的依賴，也就是提升業務效率、減少人工需求。只有解決客戶的“痛點”需求，智能化的安防解決方案才能真正落地。人臉識別之所以能在現今的社會應用如此廣泛，其主要原因是它能深度結合金融、地產、零售、安防等眾多行業，設身處地的為行業解決現階段發展中的難題。尤其是在安防行業，公共安全和社會維穩形勢日趨嚴峻，現有的傳統非智能安防設備及工作模式已經不能滿足公安實際業務中的需求，而無論是公共安全還是社會維穩，安防重點的關注對象是人，那么這就為以人臉識別為代表的智能技術打開了一個很好的切入口。

 

　　這幾年，人臉識別作為圖偵技術的重要組成部分得到了快速發展，在警務實戰方面逐漸有了規模化應用的趨勢和潛力。從近兩年的公開招投標的人臉識別系統需求來看，來自公安系統的招投標密集，公安系統內對動態人臉識別系統的需求正在加速釋放。這其中的主要原因是因為公安刑偵部門需要比對大量的視頻、圖像，從海量視頻監控數據中精準、快速地找到犯罪目標，效率和效能就是他們的痛點需求。人工監控和查找存在容易疲勞、不精確、信息搜索效率低下等等多方面問題，因此人臉識別技術具有快速擴展的商業因素。

 

　　以人臉識別為核心的智能安防產品在警務實戰運用的優秀表現，使國家對于AI+安防的這種結合引起高度重視。曠視(Face++)以人臉識別技術為核心的智能安防解決方案，在2016年被公安部引入“2016年度公安部科技局科技成果推廣目錄”。且在今年7月國務院發布的《新一代人工智能發展規劃》也對人工智能在安防領域中的具體部署中提到，要“圍繞社會綜合治理、新型犯罪偵查、反恐等迫切需求，研發集成多種探測傳感技術、視頻圖像信息分析識別技術、生物特征識別技術的智能安防與警用產品”。人臉識別作為現階段在安防工作中應用效果最好的生物特征技術，其與安防的結合已被上升為國家戰略。未來，公安的人臉應用將會逐步向超大規模人臉庫、全國聯網庫、自助人證驗證、實時人臉布控等多個領域發展。科技進步對公安業務的推動將會從有限輔助手段逐步向主力科技手段發展。對公安行業應用來說，未來更需要做好人臉識別的頂層設計、人臉評測與標準體系、先導試點與特定行業應用相結合的普及以及全面發展，最終向人臉大聯網、大數據系統演進，為公安業務在人的管理方面發揮基礎科技支撐作用。

 

　　技術突破引領應用變革

 

　　人臉識別技術其實早在90年代時期就已經初步應用，并以美國、德國和日本的技術實現為主，相比較現如今的人臉識別技術，早期的人臉識別技術主要是基于可見光圖像的人臉識別，但這種方式有著難以克服的缺陷，尤其在環境光照發生變化時，識別效果會急劇下降，無法滿足實際系統的需要。人臉識別技術近年來逐漸走向實用化的突破在于其升級為基于主動近紅外圖像的多光源人臉識別技術，這種升級有效克服了識別可見光圖像的種種缺陷。而除此之外，真正使人臉識別技術具備重大變革力的核心在于深度學習技術的成熟。

 

　　人臉識別技術是人工智能技術的一種典型應用。從人工智能的發展過程來看，其分別經歷了三個不同的發展過程：模式識別、機器學習和深度學習。人臉識別領域在2013年以后利用深度學習實現了明顯進展，特別是在2014年和2015年人臉識別算法達到超過人類識別能力的水平。深度學習算法基于海量的圖像和視頻訓練數據，構建包含數萬乃至數億可學習參數的多層人工神經網絡模型進行訓練，從而使得訓練好的模型可以應用于圖像和視頻分類，圖像和視頻中的物體檢測和識別等多種智能任務。相比于上一代機器學習和人工智能技術，深度學習構建的模型大大強化了模型復雜度，包含參數規模十分龐大，神經網絡的層數也大大增加，甚至可以達到上百乃至上千層神經網絡，從而使得模型的學習能力大大提高，能夠從事更加復雜的圖像和視頻認知和分析任務。

 

　　利用基于深度學習算法訓練出來的人臉識別技術、圖像識別技術與視頻結構化技術，將可以很好地實現在區域治防控、邊檢、監獄等不同業務場景，對目標人員的高并發高精度識別及高速建模入庫，對海量視頻監控數據、圖像數據進行實時結構化處理，迅速檢索人員和車輛信息等，高效提升實戰應用價值。

 

　　“動靜結合”應用拓展新領域

 

　　防解決方案的實際應用中，人臉識別技術可廣泛應用于視頻監控、入侵報警、出入口控制、門禁、電子巡更、聯網告警等主要安防領域，有效解決公安、海關、機場、鐵路等政府安全相關機構對于可疑人員身份確認、實名制認證、人臉電子圍欄、重點人員布控告警等實戰訴求。通過靜態識別與動態追蹤兩種模式，保障警務部門在社會治安管控的事前、事中、事后工作過程實現流暢運行及實時快速的精準打擊。

 

　　人臉靜態識別

 

　　人臉識別靜態系統由靜態系統服務器以及客戶端構成。通過將人臉識別靜態系統嵌入公安、邊防、海關等國家政府機關單位的全國在逃人員信息資源庫、全國違法犯罪人員信息資源庫、協同辦案人員庫、出入境人員庫、旅店人員庫、違法犯罪人員庫等人員信息庫，建立超大規模人臉圖片結構化比對的系統。警務人員只需在應用時導入一張包含人臉的照片，該系統可對海量圖片進行人臉特征提取，并能通過人臉與信息庫中對應的人員姓名、年齡、性別、證件號等各種屬性進行比對，實現1：1身份驗證以及1：N人臉搜索。幫助工作人員在實際業務中快速確定人員身份、實時實現嫌疑人員布控，有效提升工作效率。

 

　　可以說計算機視覺的1.0版本，是對靜態識別圖像的識別；2.0版本，則主要是動態視頻內容的理解和學習。從目前的發展來看，靜態的人臉識別發展比較成熟，識別率也很高。以曠視為例， 目前曠視的人臉識別靜態系統最高可支持在十億級別人像靜態庫中妙級響應提取對應人員照片及信息，在千萬級規模下，第一位命中率超過95%，前十位命中率超過99%。

 

　　立體化動態識別

 

　　動態模式的人臉識別技術是目前比較實用而且發展較為快速的模式識別技術，也是現階段公安部門最為迫切的需求之一，一方面因為在我國城市化進程中，因城市人口日趨密集，人口流動性增大，而導致違法犯罪行為、恐怖事件頻發的治安形勢；另一方面，在我國平安城市建設已基本使各城市覆蓋了成千上萬的公共監控攝像頭的情況下，形成的龐大視頻監控數據無法及時有效的被警務部門檢索分析，而使安防設備的效力大大折扣。

 

　　目前市場上的動態人臉識別技術的相關產品不斷增多，但在實際應用中仍存在一些短板，針對這些問題，目前基于人工智能2.0的人臉動態識別與分析有較大突破。通過基于深度學習的動態人臉識別技術及視頻結構化技術與城市視頻監控系統對接，可以有效盤活視頻監控數據利用率，使公安機關對城市中人流集中的園區、廣場、路口、汽車站、火車站、地鐵站、機場等重點場所的管控做到及時預警出警，并能夠針對具體事件、具體人員實現追蹤分析的立體化處置。

 

　　曠視結合治安、刑偵、交通、情報等各警種的業務痛點，推出的動態人臉識別系統能夠對出現的視頻監控中的目標人員進行實時識別，并對視頻監控系統進行結構化處理，返回目標人員發型、衣著、是否佩戴眼鏡、是否背包等相關屬性，并能對目標人員的行為軌跡進行分析，反饋主要活動區域、活動路線、落腳點等辦案關鍵信息。在實際應用中，曠視的動態人臉識別系統具備快、準、靈等特點。

 

　　可以說，人臉識別既可主動采集也可被動采集，所以能滿足自動采集和非自動采集全部的要求和需要。此外，非自動采集和自動采集還對應了另外兩個概念：強制采集和隱蔽采集。兩類采集若能兼而有之，系統的應用領域將大大拓展。