大数据下的人脸识别技术与安全要点.doc

大数据背时代的人脸识别技术与安全研究 耿佳佳 摘要：人脸识别技术由于其非接触性采集的特点和良好的用户接受程度，在公共安全领域得到广泛应用。然而，大数据时代的来临和公安大数据业务的变革给现有公安人脸识别应用带来技术挑战的同时，也从平台、产品和技术等方面推动了该技术的进展，出现了基于云架构的人脸识别平台、结合智能视频监控的人脸识别产品和基于低质量图像重建的人脸识别技术，为人脸识别在公共安全领域下一阶段更广泛的应用奠定了基础。人脸识别 大数据 云计算 智能视频监控 低质量图像重建 引言 人脸识别技术是跨图像处理、模式识别等多学科的技术，通过利用计算机对人脸图像进行处理和分析，获取有效特征信息，进行身份识别。相比其它生物识别技术，人脸识别具有采集的非接触性、非强制性、操作简单、结果直观、隐蔽性好等特点，更为人们所接受。在过去几年里，人脸识别技术取得了长足发展，出现了大量的人脸识别算法和产品，美国NIST举办的FRVT2006（ Face Recognition Vendor Test 2006） 、 MBG（Multiple Biometric Grand Challenge） 和国内公安部第一研究所举办的千万级大规模人脸识别测试 等表明，人脸识别技术的准确性已经取得了极大的提高，可以达到一些实际应用的要求。随着互联网，特别是移动互联网的发展，一个以信息爆炸为特征的大数据时代正在到来，这对公安机关来说既是挑战，更是机遇。现阶段，我国二代证的普及使中国目前逾12亿人的身份信息有了数码照片数据，平安城市联网的数百万台监控摄像机每天也产生着海量的数据信息，种种迹象表明，目前公安已经跨入大数据应用时代。越来越多的公安科技部门发现，基于新的大数据形态，一些传统技术瓶颈逐步显现，响应速度越来越慢，有些应用场景已经完全不能支撑。公安大数据应用背景给人脸识别应用带来了机遇，同时也给人脸识别技术提出了更高的要求。虽然人脸识别技术性能已有较大提高，但它仍是在模式识别和计算机视觉等领域最困难的问题之一。如何利用人脸识别技术将这些海量照片数据利用起来，提升整个公安信息化的管理水平，已经是摆在我们面前的一个重要问题。 目前公安的户政管理、出境刑侦嫌疑犯的身份识别等各类应用，需要基于全国人脸数据进行识别，处理的数据库容量上亿或十亿，处理的比对请求数量大、模式不统一，快速准确地从如此规模数据库中快速识别身份，是一件非常有挑战的任务。，发型，表情等均对对比过程造成困扰。而虽然中国拥有十几亿的人脸数据，但就从个人来说样本太少，基本每个公民拥有一张照片，而且由于当时拍摄设备的差异，使得得到的身份相片分辨率不为乐观，在此种挑战之下，单纯的利用图片比对，误差较大，查找效率较低，而且耗费人力物力巨大。即使提高拍摄质量，仅仅对单张图片具有提高，对于个人样本基数较少，比对过程特征不足，易造成比对错误。在此类条件下，要求精确度，难上加难。于是，人脸识别系统由单纯的图片转向动态视频。 系统输入有单纯的静态图像到动态视频 动态视频较静态图像而言，包含图像信息巨大，即对于个人而言，图像帧数较多，用于获取特征可以更为充足。而且，图像间的时序关系，可以很好的描述视频中的人物关系，可用于推测，预测。这使得人脸识别的结果更为准确。 但是，对于正常拍摄的高清视频来说，即人脸角度正确，没有歪斜，光线充足，视频没有抖动，而且视频中任务动作较少，表情较少。这种情形下，对于识别工作，简直易如反掌。而现实情形是，公共场所没有较为清晰的摄像头，人晃动较大，图像人脸捕捉困难，兼距离较远，得到的视频可辨识度不是很高，这对于人脸的识别工作造成很大影响。 近年来，全国各地公安机关大力开展视频监控系统建设，据不完全统计，全国每年需要存储的数据量高达3.3EB ，结合视频监控和人脸识别，实现犯罪嫌疑人的快速识别和实时布控，是提高视频监控效率的一条重要途径。然而，由于人脸识别的非刚性特征，在视频监控环境下，人脸识别面临光线、角度、姿态、遮挡等一系列因素的影响，导致人脸的类内差距增大、类间差距缩小，给结合视频监控的人脸识别带来了巨大挑战。通过“金盾工程”建设，公安已经成功建设了八大资源库，积累了海量的数据，为人脸识别技术在公共安全领域的广泛应用提供了基础。然而，由于缺乏统一的建设标准，各类业务中人脸数据质量差异大，给人脸识别应用造成了难度 三、大数据背景下的人脸识别技术的发展 为应对公安大数据应用给人脸识别带来的技术挑战，在人脸识别厂商和研究人员的共同努力下，人脸识别技术在平台架构、产品研发等几个方面取得了一定的进展。近年来，出现了专门为公安大数据量身打造的基于云计算的高效人脸识别技术。系统基于云架构设计，充分利用云计算平台的超强计算能力，部署多种算法，实现多算法的混合，同时吸纳各种算法的优点，提高大数据库容量下人脸图像的