人脸识别产品在公共安全领域的应用现状与发展趋势_王武.pdf

公 共 安 全 视 频 应 用PUBLIC SAFETY&VIDEO APPLICATIONS82022.11 文/王武成云飞刘月霞公安部第三研究所人脸识别产品在公共安全领域的应用现状与发展趋势近年来，随着深度学习技术的发展，人脸识别技术已成为人工智能技术发展产业化最成功的案例。人脸识别产品目前应用范围已经覆盖政府应用如司法、刑侦、社保、医保、安全防范等，商业验证如金融、电信、电力等以及民用范畴如智能手机、考勤机、笔记本电脑等领域。在公共安全领域，人脸由于其普遍性、唯一性、可靠性和易采集性的生理特征已在身份识别认证中发挥着举足轻重的作用，受到行业的极大重视。一、公共安全领域人脸识别产业链现状人脸识别是为了进行身份识别而采用自动识别技术，通常会涉及摄像头采集数据、数据传输到后端或云端服务器、服务器对数据进行特征提取和存储、并将特征同数据库中已有模板数据进行比对等环节。从安防领域产业链来看，人脸识别企业已经覆盖了基础层的基础器件、基础硬件、图 1 公共安全领域人脸识别产业链示意图公 共 安 全 视 频 应 用PUBLIC SAFETY&VIDEO APPLICATIONS92022.11基础软件到技术层的算法和识别系统研发，再到应用层的识别产品和解决方案研制等方面。其中，基础层包括基础器件包括 CMOS 传感器、GPU、CPU、FPGA、ASIC、DSP 等，基础硬件包括前端采集、智能终端、存储以及服务器等，基础软件包括学习框架、开发工具、系统软件等。技术层包括识别模组、算法层以及识别系统等。应用层包括识别终端产品、识别系统和行业解决方案等。据不完全统计，我国人脸识别市场规模从2017 年的 21.91 亿元增长到 2020 年 42.8 亿元。随着移动互联网、物联网时代应用的不断发展，学科交叉融合加速，以及整个社会对公共安全和信息安全的要求越来越高，人脸识别产业仍具有巨大的发展空间。二、公共安全领域人脸识别产品现状随着芯片、多传感器融合及深度学习技术的发展，公共安全领域的人脸识别产品趋向于前端多传感器、智能边缘化及后端大数据化发展趋势。目前，涉及公共安全领域的人脸产品主要包括终端产品和系统两大类。1.人脸识别产品形态现状安防领域人脸识别终端产品类主要产品形态包括人脸抓拍机、人脸识别摄像机、门禁控制机、人脸识别闸机（含闸机伴侣）、人证核验终端、人脸识别分析盒等。该类产品是通过前端内置智能芯片将智能识别算法边缘化从而实现前端小批量人脸识别。其中人脸抓拍机内置人脸检测算法，人脸识别闸机（含闸机伴侣）、人证核验终端内置人脸检测及1:1人证核验算法，人脸识别摄像机、门禁控制机、人脸识别分析盒内置存储芯片可实现小规模人脸库注册，从而实现小规模的人脸识别，其识别规模和识别精度受限于存储芯片、处理芯片和现场环境的制约。另一种安防领域人脸识别系统类产品主要是通过普通摄像机、人脸抓拍机、门禁系统等前端采集设备获取的实时视频流或抓拍人脸图片，通过网络传输至后端或云端服务器，后端或云端服务器对获取的视频进行人脸检出，并对检出的人脸或抓拍机获取的人脸进行特征提取与存储服务器内的人脸底库特征进行比对，实现人脸识别。一般人脸识别系统包含人脸采集子系统、特征提取子系统、数据存储子系统、比对子系统和决策子系统，从而完成人脸特征识别的注册、验证和识别。2.人脸识别产品检测认证方法现状目前，人脸识别产品评测根据产品形态和行业应用需求主要包括产品功能评价、性能评价和安全评价三个方面。（1）功能评测终端产品的功能评价一般与其应用关联，包括人脸检出功能、人脸识别功能、人脸结构化属性提取功能，如年龄、性别、是否戴眼镜、是否戴口罩、是否大胡子、是否戴帽子、头发类型等以及活体检测功能。配合传统终端所需的用户管理、日志管理、安全设置等功能，以满足实际应用场景和需求。系统产品在终端产品的基础上增加人脸注册、人脸库公 共 安 全 视 频 应 用PUBLIC SAFETY&VIDEO APPLICATIONS102022.11管理、权限管理、告警与报警设置以及配合应用场景的大数据分析功能。（2）性能评测性能评价主要涵盖三个方面，系统响应速度、识别精度和低质量图片处理能力。其中，系统响应速度体现为人脸注册时间、人脸检出时间、识别时间、算力以及多任务并发处理性能。识别精度根据评测要求包括注册成功率、1:1 人脸验证识别率、1:N 人脸识别前N位命中率以及人脸报警类的报警识别率、漏报率、误报率，人脸结构化类识别准确率、漏报率，数据分析类的人脸归档率、召回率等。另外人脸识别系统评测也可采用错误接收率、错误拒绝率等进行评价。低质量图片处理能力是通过构建遮挡人脸、环境光照影响人脸等非正常情况下的人脸数据，评测系统的注册成功率、人脸识别准确率等性能。（3）安全评测人脸识别安全评测主要包括信息安全评测和物理安全评测两个方面。信息安全评测主要包括用户数据隐私安全和系统安全。物理安全是对硬件产品的电磁兼容、辐射骚扰等的安全评测。虽然人脸识别产品在公共安全领域发展迅猛，但在人脸识别产品检测认证方法方面存在着较大的挑战。随着人脸识别系统规模的不断增大，性能评测数据不断增多，传统采用人工方式评价系统性能方式相形见绌，已经不能满足大规模人脸数据时代下的性能评测，主要表现在：一是标准数据集缺失。人脸识别产品的检测需要根据标准规范采用标准数据集来评测产品性能，但随着技术的发展，该类产品需评测大规模人脸底库下的识别准确率、漏报率和误报率等性能。然而，一般检测机构没有足够的标准数据集来支撑大规模级别的人脸识别产品评测。公开数据集中，如Large-scale CelebFaces Attributes(CelebA)Dataset（香港中文大学大型人脸识别数据集）、LFW（非限制环境下的标注人脸）等，这类数据集主要用于供科研机构学术研究。由于数据集对外开放，各企业可直接获取数据用于训练模型。全部使用该类数据进行检测，不能有效反映该类产品在真实环境下的性能水平，将导致检测结果不具有客观性。另外，公开人脸数据集大部分来自于国外网站，所涉及的人脸也大部分为外国人脸，对亚洲人脸的评测具有一定的局限性。近年来，考虑到人脸数据集涉及到伦理、个人隐私以及技术安全问题，部分科研机构开始删除人脸数据集，如微软删除了最大的公开人脸识别数据集MS Celeb（微软名人数据集）等，标志着人脸公开数据集的数据量开始逐渐缩减。目前主流的测试数据集是由企业来提供，该类数据集往往是经过数据挑选，不仅导致检测结果不具有客观性和说服力，也造成检测结果数据的恶性攀比，扰乱了市场秩序，使业务单位在采购该类产品时可能“踩雷”。而对于真实监控下采集的人脸数据往往涉及到个人隐私问题。另一方面，标准数据集需要通过标注结构化信息来进行检测，而通过人工进行标注的方式将耗费大量人力物力。因此，建立适用于安防行业的标准数据集需求和难度共存。二是标准评测接口缺失。由于各厂商之间的业公 共 安 全 视 频 应 用PUBLIC SAFETY&VIDEO APPLICATIONS112022.11务壁垒、技术积累经验不同、行业应用不同以及对核心技术保护需求等因素影响，各厂商的人脸识别的数据接口均不统一，甚至同一厂商不同产品之间的接口都不互通，给人脸识别类产品性能评测平台的构建带来极大阻力。标准评测方法不统一：虽然部分国标/行标规定了性能指标，如 GB/T 31488-2015安全防范视频监控人脸识别系统技术要求、GA/T 1093-2013出入口控制人脸识别系统技术要求、GA/T 1126-2013近红外人脸识别设备技术要求等安防领域常用人脸识别产品标准规定了非监视名单误报率、监视名单漏报率等性能定义，但随着技术的发展，这些国标/行标的技术规范要求略显落后，已不能满足现阶段性能指标需求。如目前人脸识别产品检测较为常见的以脸搜脸命中率、目标归档率、轨迹分析、落脚点分析、目标检索、误抓率、漏抓率等数据分析性能指标均没有标准定义。另外，若采用企业标准进行检测，各企业为规避产品的缺点，往往自定义有利于自身产品的性能，导致不同检测人员检测尺度不统一，同一指标在不同时间内，因采用企业数据和方法，导致性能出现十倍甚至百倍增长，影响检测结果的公正性，不利于整个行业的发展。三是自动化检测能力低下。新一代人工智能产品的发展依赖海量的数据，传统检测认证方法主要通过人工比对来验证检测结果，测试指标由 2017年的百分之一级到 2020 年的万分之一级，要求测试样例的数量由百张以上增加至万张甚至十万、百万以上，单个指标有时需要消耗检测员大量的时间去进行复核，检测效率低下。另一方面，人不是机器，长时间核验时容易疲劳，往往会出现错误，且部分人脸相似度较高人工复核不易分辨，检测认证的客公 共 安 全 视 频 应 用PUBLIC SAFETY&VIDEO APPLICATIONS122022.11观性存在风险。因此亟需提升人脸识别产品检测的自动化或半自动化进程。三、公共安全领域人脸识别产品发展趋势1.终端产品赋能化前端赋能是人脸识别发展的大趋势之一。随着芯片技术趋向于更精密化、更强算力、更低功耗的发展趋势以及深度学习技术的移动端迁移技术的发展，使前端设备为后端分担更多智能分析压力提供可能性。目前前端产品赋能主要采用的手段包括研制内置智能芯片的新一代人脸功能摄像机；增加小体积分析后端，研制智能化分析共享设备等。另一方面，前端多传感器融合技术是人脸识别另一发展趋势。为克服环境因素的影响，除提升芯片和算法性能外，也可通过增加基础传感器来实现复杂环境下的人脸数据采集，如具有红外摄像头的人脸采集设备和具有多摄像头或结构光技术的 3D人脸采集设备，通过红外成像或 3D 建模解决传统二维摄像机对于黑暗场景、人脸旋转、遮挡、极度相似等鲁棒性较差等问题。2.系统产品数据化人像大数据技术在公共安全行业已有一定的发展，尤其在公安系统中，利用人脸识别系统将海量数据整合利用，可以有效增强公安治安人员黑名单的排查、不明身份人员身份确认等功能，解决传统人工排查效率低下等问题，提升公安信息化水平。通过人脸数据分析可提供多种功能的行业系统应用，并针对业务需求设计不同技战功能，真正实现人脸识别系统产品落地和产业化。3.行业应用标准化行业应用标准化工作应包含人脸识别产品标准化体系建设和人脸识别产品测试标准化建设。由于人脸识别系统涉及范围十分广泛，不同行业对人脸识别产品的需求和侧重点均有所不同。因此，针对公共安全行业需求和应用场景的标准化体系建设迫在眉睫。不断完善标准化建设有利于推动和规范我国人脸识别技术和相关产业的快速有序发展。标准化体系的建设要基于国际标准建设情况以及我国人脸识别技术发展现状，建成独立的、完整的具有生命力的标准体系，充分考虑现有技术的基础上考虑原有标准兼容和对未来标准体系的扩展问题。而人脸识别产品测试标准化建设是对人脸识别产品市场规范化的重要体现，将人脸识别产品的功能、性能和安全测试设定在同一起跑线，有利于人脸识别产品的去伪存真，对人脸识别产品产业健康发展具有深远影响。总结在数智化发展背景下，人脸识别技术的应用将越来越广泛。为促进公共领域的安全防范，增强应对紧急突发事件的能力，必须合理规范人脸识别产品发展和标准化建设进程，形成产业深度应用和健康发展的人脸识别产品建设格局，才能真正实现公共领域安防工作的“防范、预警、处置”的目标，保障生活安全和社会稳定。