基于人脸识别的火车站监控解决方案

　1.1概述
　　一般而言，生物识别技术包括采集、预处理、特征提取、特征比对等模块，处理流程如图1所示。  
                图1生物识别技术处理流程图

　　在实现形式上，采集单元往往是作为一个独立的设备存在的。例如，人脸识别技术中，一般通过CCD来采集人脸的图像。而预处理、特征提取、特 征比对一般是以独立模块或存在于计算机中算法模块的形式存在，作为比对系统的一个模块。比对过程是将采集、提取到的生物特征与统一存储在数据库或文件系统 中的所有备选的生物特征进行比较，确定最相似的一个或多个人作为输出。

　　1.2应用指标
　　应用生物识别技术，必须考虑以下几个指标：

　　1.可靠性
　　可靠性是识别技术应用的基础，与识别技术机理有着密不可分的关系。可靠性衡量了识别特征中蕴含的信息，以及这些信息的可分性。一般而言，识别特征蕴含的信息量越丰富，区分能力越强，可靠性就越好。

　　2.稳定性
　　稳定性是指识别特征是否会随着环境和时间的变化而发生变化，是否能够保持同一不变。

　　3.采集安全性
　　采集安全性是目前国际上都非常重视的一个问题，它主要考量的是识别特征的收集是否会对人体造成伤害。一般而言，人脸、声音和虹膜识别这种非接触式的采集方式较之指纹、掌纹、视网膜等直接接触的采集方式要更安全。

　4.便利性
　　便利性是生物识别技术应用中非常重要的一个条件。便利性，一方面是指特征的便于携带、不易丢失、防伪防盗性能好；另一方面也是指识别特征采 集过程中对人的要求。一般而言，直接采集方式的生物识别技术都需要人主动配合，采集时间也较长。这类生物识别技术的便利性较之非接触式的生物识别技术要差。

　　5.响应速度
　　响应速度一般是指单次生物特征识别所需要的时间。一般而言，系统地响应速度与应用架构有着密切关系。例如，在不同库容的指纹、人脸数据库中 进行一次查询，系统地响应时间自然也不相同。为了比较不同的生物识别技术的响应速度，通常我们可以用1：1比对所需要的时间来衡量。

　　6.识别性能
　　生物识别技术的性能一般用误识率和拒识率两个参数来衡量。所谓的误识率是指识别错误的样本占识别总数的比率；而拒识率是指没有被正确识别的样本占总的样本的比率。

　　表1给出了指纹、人脸、声音、虹膜、视网膜等生物识别技术上述指标的比较结果。 
                表1各类生物识别技术比较

　考虑安防系统本身的特点，识别特征采集的安全性、使用的便利性、系统的响应速度是非常关键的。在这些方面，人脸、指纹是有优势的。例如，现 有的基于生物识别技术的门禁系统多采用指纹、人脸作为识别特征。另一方面，在安防系统中部署生物识别系统，必须充分利用现有的安防设备，对现有系统地改造 尽可能的小，成本造价尽可能的低。综合这两方面的因素，我们认为人脸识别技术是现阶段与安防系统成功结合的首选。

    2.人脸识别技术
　　在识别技术上，早期的人脸识别技术采用特征脸、神经网络等方法，需要大量的训练样本进行训练。基于几何特征的人脸识别方法利用人的眼、鼻、 嘴等部件的形状或类型以及它们之间的几何关系来做识别。这种方法识别速度快，但识别率较低，并且，往往需要人工干预，确定眼睛、下巴等位置。

 较之于其它的生物识别技术，人脸识别技术的优势非常明显。首先，作为识别特征，人脸具有稳定、可靠、安全、便利等特点。在一般情况下，人的 面部特征是非常稳定可靠的，“携带”便利。面像也是用于区分人的首要特征。正因为如此，在公安、安全 部门的侦查、在安全保卫、出入控制中，人像得到广泛的 应用。其次，人脸图像的采集非常方便，尤其是基于标准视频的图像采集方式。目前，绝大多数安防系统采用的都是可见光范围内的标准摄像头，完全满足人脸图像 的采集要求，不需要进行任何改造或升级。人脸图像的采集是非接触式的，也不需要人主动配合，最大限度地提高了系统的响应速度。第三，与安防系统结合人脸识 别系统能够最大效能的发挥现有监控系统的优势，真正达到“预防-记录-取证”的目标。我们知道，目前安防系统最关注的还是监控场景中的人，尤其是重点关注 的人及其行为。这种关注通常是“隐性的”，“非介入式”的，不能进行专门的干预。采用人脸检测技术可以快速的分析出场景中人的位置，采集到人的面部图像。 采用人脸识别技术，可以迅速的将这些图像与数据库中的“嫌疑人、“危险人物”等进行比对排查。一旦命中，系统将迅速做出响应。人脸识别系统采集的人脸图像 又可以作为非常重要的监控数据记录下来，存储在监控数据库中，作为事后检索的索引，或者与公安、安全 部门的数据库接驳，进行取证、认定。从这个角度来说， 如果说目前的安防系统有“录”无“防”的话，那么人脸识别系统的应用，将给安防系统一双“慧眼”，检测、识别场景中的人，做到能“防”、能“录”、能 “查”，满足机场、海关、金库等重要场合的安全保障任务。

　　北京海鑫科金信息技术有限公司首席科学家、清华大学电子工程系丁晓青教授领导的研究小组采用基于弹性匹配的方法进行人脸识别。该人脸识别技 术包含了在复杂背景下多人脸实时检测算法、人脸特征的提取及鉴别特征的筛选、以及在特征层次上的统计识别判决，对于光照、姿态、表情变化、年龄、装饰甚至 伪装、场景、图象来源具有极强的适应能力和鲁棒性。图2为人脸识别技术处理流程图。 

                图2人脸识别技术处理流程图

   3．案例分析
　　下面我们以国内某市火车站监控中心系统为例，分析人脸识别系统在城市安全监控中的成功运用。

　　3.1案例背景
　　某市火车站地处重要地理位置，濒临多条繁华商业街区，站内外客流量较大，流动作案分子较多，常有各类刑事案件发生。在进出站行人中藏匿着各类特殊人群。当有需要对这些人员进行辨别、防范时，如何准确、有效地发现他们就成为车站公安、安保部门迫切希望解决的问题。

　　根据目前国内多数火车站进出站管理流程的模式来看，火车站的进站口、出站口、售票口都是有人值守的位置，而且是旅客必经之地。另外在这类地 区旅客的流动速度会放慢，因为每个旅客都会在这段时间被摄像头拍摄。当有特殊人群的查找任务出现时，上述地点将会成为公安、安保部门最为关注的地点。通 常，相关部门会在进出站口和售票处安装录像监控设备，利用这些地点的特殊性来布置和实施信息网络，搜集旅客的面部信息进行辨认识别。但人工查找和比对有很 大的局限性，例如：人的记忆力有限，通常不能清楚地记住短时间接触的对象的面部特征；不能同时辨认多个对象；不能长时间保持注意力和辨认力等等。因此现有 的安防系统在这类应用中的作用非常有限，且相关部门迫切需要引入人脸识别技术，来提高安全防范的效率和效果。

　　3.2方案设计与特点
　　结合前文介绍的各类生物识别技术的比较和案例背景需求的分析，我们选择人脸作为识别特征。其原因主要在于：

　•直观、自然。在本案例中，安保工作人员人工辨