目前, 在我国部分城市的公共场所、金融机构、医院、社区、区域出入路口等都安装有视频监控系统, 利用上述视频监控所获得的人面部信息可与公安在逃人员数据库中的嫌疑人面部特征进行比对（如图1所示）。在有些城市中, 甚至可以实现人脸特征的自动比对和自动报警。

图 1

Fig.1

	Figure Option ViewDownloadNew Window
	图 1 基于人脸识别公安布控追逃系统运转图Fig.1 Operation of pursuit system by the public security to dispatch forces baed on forces based on face recognition

在追逃过程中常用的人脸识别技术方法, 主要有几何特征分析法、基于投影图和特征描述相匹配法、基于等测地区域的3D面貌相似度评价法。其中, 几何特征分析法在常态的正面人脸识别中较为常用, 基于投影图和特征描述相匹配的方法对于经过“ 面部手术” 和变形人脸的犯罪嫌疑人识别较为有效。针对侧面人脸、面部遮挡的情况, 可用对称还原处理技术, 通过3D面貌相似度评价法进行处理。

人脸识别技术是一种智能化的比对方式, 其尽可能地除去人为因素的干扰, 而以所谓的环境智能（Ambient Intelligence, AmI）运转。但是, 不同系统采取的标准模型与排序算法不尽相同, 这又增加了一定的不可控性, 如国内外目前通行的GFA^[2]、PCA^[3]、AFM^[4]算法, 以及Ycbcr^[5]、单一影像^[6]、UR3D-s^[7]、HMM^[8]等。在追逃过程中, 可运用的人脸识别技术有限, 分析如下：

第一, 几何特征分析法（Geometry Feature Analysis）。这种方法系目前国内外在追逃过程中普遍采用的一种方法, 其基本原理是计算出面部五官的特征（距离、位置等）, 并与在逃人员数据库中犯罪嫌疑人的原有照片比对, 从而确定犯罪嫌疑人。这种方法对于常态的人面部识别, 准确率有一定保障, 但对于变形人脸、遮挡人脸和模糊人脸则存在适用性局限。

第二, 基于投影图和特征描述相匹配的方法（GFA算法的一种）。这种方法可有效解决变形人脸的特征识别。其基本原理是：根据人脸图像的灰度特性用投影图和特征描述相匹配的算法初步确定人脸各部分的位置, 然后利用投影法和模板匹配法准确地确定瞳孔的位置及其它面部特征。投影图和特征描述相匹配的算法具有匹配准确、通用性强的特点, 能够较好地识别变形的人脸, 可广泛应用于出入境场所的人员识别中。当然, 该方法也有一定的不足, 如模型建立、特征提取、标准化处理等对模型匹配的准确性有较大影响。此外, 对于多样本的处理比较费时, 主观性大。所以, 需要对多个样本进行前处理, 方可事半功倍。另一方面, 该法要求图像不能出现旋转, 否则识别率将大大下降^[9]。

第三, 隐马尔可夫模型（Hidden Markov Model, 即HMM）处理法。该方法并不是孤立地利用各个器官的数值特征, 而是把这些特征和某个状态模型联系起来, 采用2D-DCT、Gabor小波变换、KLT等方法提取特征。这种处理法识别率高, 且复杂程度低, 对图像的部分遮挡具有更大的容忍度, 易于应用。这一点应用在模式识别研究中, 大大提高了识别系统的强壮度。但该法存在特征提取所需计算量较大、效率偏低的问题^[10]。

第四, 基于等测地区域的3D面貌相似度评价法。该方法本为颅面复原所用, 但其被证明可以应用于人脸识别, 且能够最大限度地排除人脸表情的干扰。该法的关键在于将面貌模型简化为一系列的测地区域, 并用空间分布关系组成矩阵, 从而计算矩阵之间的相似性进而衡量人脸的相似度。技术人员对人脸进行预处理（包括消除噪声、灰度归一化、几何校正、滤波变换）, 采用基于鼻尖点半径为90 mm的球去切扫描数据, 采用鼻尖点重叠以及主成分分析法（Principal Components Analysis, 特征脸方法）和迭代最近点法（Iterative Closest Point, ICP）以实现姿势标准化, 削弱表情对人脸识别的影响, 从分布的矩阵来计算两个面貌之间的相似性, 最终确定个体身份。

3D面貌相似度评价法应用于人脸识别是近5年才兴起的, 其优点是在某种程度上能克服人脸表情的多样性以及外在成像过程中光照、图像尺寸、旋转、姿态变化等因素的影响, 能够适应多种环境。通常情况下, 人脸图像的获取受到成像角度、光照条件等因素影响, 即使相同的人脸成像后也会有较大的差别, 而不同的人脸, 在一定的角度下, 有时却有较大的相似度, 这两种因素导致了人脸识别复杂性较高、识别难度大, 给人脸识别造成困难。而3D面貌相似度评价法通过PCA与ICP等方法消除平移、旋转因素的影响, 基于面貌特征点、面貌曲线、面貌等测地带、几何属性误差等方法来进行特征提取, 最终可得到定性与定量的相似度评价结果^[11], 可信度高。其不足之处是, 所需数据量大, 速度慢, 需要改进才能大范围推广。

多年前, 某公司董事长谢某涉嫌金融诈骗携款潜逃。当时, 警方以涉嫌金融诈骗罪对谢某立案侦查, 并采取了网上追逃措施, 但无果。2015年3月, 警方获得线索, 一名为“ 张某某” 的澳大利亚籍华裔于近期入境, 虽然“ 张某某” 改变了身份与容貌, 但是警方启用人脸识别系统与大数据比对分析, 并基于投影图和特征描述相匹配的方法最终确认此人就是潜逃境外18年之久的谢某某。

2015年4月的一天, 某区公安分局接到报警称一女青年被犯罪嫌疑人强奸未遂后抢劫。专案组通过对受害人的询问, 调取案发地及周边视频监控。根据受害人对犯罪嫌疑人的衣帽及形象特征描述, 比对锁定了犯罪嫌疑人宋某某（有前科）。随后, 侦查人员调取并核查各路口监控探头录像, 发现在一辆出租车内, 副驾驶上有一名男子与犯罪嫌疑人宋某某相似, 但由于脸的半边被其他物品挡住, 无法确认。技术人员利用面部对称处理还原法（facial symmetry）作人脸识别, 还原了出租车内该名男子的整个面部, 并与在逃人员数据库比对, 结果吻合, 确定了该名男子为在逃犯罪嫌疑人宋某某。

2015年5月的一天, 受害人余某某被自称台湾商人的犯罪嫌疑人以在A市发生了车祸, 急需用银行卡打款为由, 骗取受害人银行卡内余额12300元。专案组民警通过串并案件到银联查询了受害人银行卡取款记录, 调取了取款银行网点犯罪嫌疑人视频资料, 但由于犯罪嫌疑人谨慎, 将面部全部包裹, 无法识别。侦查人员顺藤摸瓜, 通过视频追踪, 发现犯罪嫌疑人已经逃往B市某商务宾馆, 该犯罪嫌疑人进入商务宾馆后, 摘下遮脸的围巾, 与人交谈, 带有微笑、大笑等表情。技术人员截取带有表情的图像后, 采取基于等测地区域的3D面貌相似度评价法进行人脸识别, 确定该名人员为本案犯罪嫌疑人。

此外, 人脸识别技术在实践中还能应用于查证漂白身份、使用假身份证的犯罪嫌疑人。某些情况下, 肉眼识别不出与身份证照片不符的现实中的人, 而通过人脸识别可区分出不同的个体特征, 有一批逃犯正因此而被查中。

如前所述, 对于常态正面人脸的自动识别, 其准确率和效率要远高于传统的人工比对识别。但对于侧面、变形和模糊人脸, 人面自动识别相对于传统的人工比对优势并不明显, 尤其是模糊人脸, 其自动识别效果甚至不如人工识别。这使得人脸自动识别系统面临推广难题。

追逃实践中遇到的难题有：一是不能有效地对动态视频中的人像进行识别, 不能支持多种视频格式和分辨率。一般系统对人脸的要求为双眼距离不小于60像素; 图像类型仅支持JPG、JPEG、BMP、PGN、GIF、TIF编码格式。二是不能对多种类型的静态图片进行识别, 仅支持证件照, 对生活照, 远景照片, 黑白照片的质量要求高。图像中人脸图像需较清晰, 不因镜头焦散或运动而模糊; 被拍摄者的人脸必须为正面头像, 人脸上、下、左、右的倾斜角度不得超过 +/-15 度; 图像文件大小介于30~350K之间等。这样严格的比对条件使许多案件现场无法调取有效人像截图做比对。三是互联网上的人像图片的识别和采集难度大, 较难转入内网系统。四是缺乏对海量人像图片和图像特征的有效管理, 不能支持对人像的快速检索。五是系统自身没有对人像的处理和建模功能, 无法对人像的五官定位、去除遮挡, 实现对人像的校正、增强和重建。

人面部特征虽系认定人员身份的重要特征来源, 但同时也易于伪装, 较之于声音、动作习惯、物品、人身特殊标记等征状, 其稳定性差。人面自动识别对技术要求较高, 故投入很大, 但迄今其准确率却尚未表现出较大的优势, 造成其在主动布控和追逃实际应用中受阻。

同样, 不同的人脸自动识别算法, 其各有适用局限性, 若人员能力不能满足相应的使用要求, 就会导致方法效能得不到充分发挥, 此系目前实践中面临的一大难题。

当前随着公安信息化工作的不断深入, 我国各地视频监控系统基础设施建设明显改观, 但人面资源库建设则处于起始端, 公安信息统一、规范的数据资源共享机制尚未形成, 与大数据的时代背景不相适应, 不能提供有效服务。

克服人脸识别技术应用过程中的制约因素, 需从硬件和软件两方面入手。

硬件方面, 需要加大对基础设施的投入力度, 包括视频监控网的建设与比对资源库的构建。如, 可根据实战需要, 在党政机关周边、医院、二手店等重点防控单位加装高像素（如500万）且具备自动识别抓拍人脸功能的高清摄像机（高清球机、高清枪机及高清网络摄像机等）, 实现对重点防控单位的人脸识别比对及预警。尽快引进视频结构化描述、枪球联动人脸识别比对、高清数字综合防控摄像等系统, 用好视频监控网, 与街面巡控、卡口系统的有效连接、相互补充。

加强数据库建设, 将前科人员、在逃人员、公安部七类人员全部入库, 并对基础照片库进行合理分类。制定《重点防控单位人脸识别预警系统建设规范》, 逐步建立高危地区人员数据库, 需按照情报研判确定相关地区, 合理实施建立。目标是：将人脸识别布控与监控无缝衔接集成, 报警处理的同时获得现场视频, 事后处理时可回放录像审查; 体系架构弹性, 适应网络化、远程化、任意规模的布控系统; 多元化的布控照片来源应采用不同的处理技术, 克服动态人脸识别中识别率不高的技术难点; 多级布控设定, 解决不同关注等级的布控管理问题; 从视频中逐帧提取人脸进行布控人员设定, 提高系统的报警准确率; 事后采用人脸比对技术进行往来人员检索, 省去人工调阅录像回放费时繁复的劳动。

软件方面, 可依托相关单位开发新技术, 提升人脸识别技术水平, 这些技术中应包含一些新算法。如隐马尔科夫模型估价模型与前向算法、解码问题与Viterbi算法的升级开发等, 利用动态人脸图像序列中人脸图像的相关性, 在获得观察对象的初始概率分布后, 对观察序列中的概率进行调整, 提高识别率。

人脸识别由于受光线、环境、人群密集等很多不可控因素影响, 相比其他产业级生物识别技术有更严苛的要求。未来人脸识别技术用于追逃工作, 要解决的核心问题是监控视频源的结构化与数据化, 让视频监控可用于事中警务, 解决目前视频人脸信息只能用于事后查证的状况。目前前端数据结构化、智能化产品正处于大规模开发前期, 而MegEye C1和“ 天眼” 系统, 作为搭载的GPU计算芯片的IPC已经具备了服务器级别的数据结构化能力。某展会现场演示的以MegEye C1为前端的“ 天眼” 系统, 不仅可以把全景超过20张人脸的视频流迅速存储为人脸信息, 并能以小于1 s的速度对人流中已经存储的人脸进行快速实时识别。对于追逃工作, 这套系统除了可以应对卡口级场景, 更可以其视频的结构化、数据化, 适用于人流密集的场所如车站大厅、广场、地铁站台等重点区域。无锡等地市已经开始该套系统的试点。

公安部在《全国公安机关刑事技术视频侦查装备项目建设任务书》中提出, “ 所有省、市、80 %县级公安机关刑事技术部门建成标准化视频侦查工作室, 配备相应的视频侦查装备, 初步建立视频侦查实战应用平台” 。新成立的视频侦查工作室将能很好地解决视频检索、视频采集、模糊图像处理、案件库管理中存在的问题。针对抖动、光照不足、噪声过大、雾天等各种原因引起的模糊图像, 进行模糊图像处理, 还原清晰世界。有些设备如千视通VAS3500含有模糊图像处理技术, 可在一定程度上将图像、视频清晰化, 有助于人脸识别。不仅在人脸识别领域, 相关技术还可以扩展至其他领域, 其工作流程如图2。

图 2

Fig.2

	Figure Option ViewDownloadNew Window
	图 2 视频工作室工作流程Fig.2 Workflow of video studio

将传统的被动监控模式转变为主动监测模式, 可大大提高图像监控系统的应用效率, 节约警力, 提升刑侦工作的主动发现能力, 为案件可视化研判、情报分析和指挥决策提供依据。

公安机关应主动与重点（攻关）实验室联系, 选派专职警察学习, 为人脸识别技术应用储备人才和技术资源。同时, 要出台《人脸比对技术系统操作说明书》、《人脸识别比对岗位职责》, 规范人脸图像采集、传输、入库、比对的标准要求, 有效提升人脸识别比对的准确性; 定期组织图侦、技侦民警座谈交流, 拓展人脸比对技术应用的广度和深度, 着力提高专职民警的业务技能; 明确专职民警岗位职责, 确保日常运作流畅有序。

人脸识别技术属于生物识别技术, 是人工智能的一种, 但相比于指纹、声纹、虹膜、静脉识别等技术, 人脸识别技术的严谨性还需进一步提高, 而其算法近几年的较快发展提高, 也为此提供了前提。但在实际运用中, 囿于光线、低分辨率、运动等因素, 相关视频所记录的人像往往较模糊, 人的面部信息可能无法深入发掘, 致使无法进行人脸自动识别。此时, 应通过其他的人体表特征来实现个体的识别匹配, 提高人身识别准确度。