利用人脸识别技术实现体育场馆安防监控系统智能化

　　由于体育场人员高度密集、高度集中，各国政要、运动员、观众、及相关服务人员，达十余万人，在如此人员高度密集的重要场所，对入场人员的身份判别就显得特别重要，因此，体育场入场券进行实名制管理，要求入场券持有者提交个人信息和身份照片，目的在于消除潜在的安防漏洞，提高场馆安全防范和科技反恐水平。

　　在实名制票证系统中，如何判定持票者是否为购票人是一个难题。在传统的实名制票证系统中，往往采用了人工目测比对照片来进行判断。人工目测比对的方式极易出现判断错误，且体育馆入场在短时间内人流量巨大，人工目测工作量巨大，显然不可行，这就迫切需要一种先进、稳定、可靠、能适应大规模用户群应用的身份识别手段，来大幅度提高实名制身份查验的准确度和速度。

　　面临的挑战及其解决方案

　　人脸识别受很多外部环境的制约，如光照、表情、年龄、配饰等，其中光照变化是最为关键的因素。传统的人脸识别技术在环境光照发生变化时，识别效果会急剧下降，难以满足实际应用需要。

　　观众入场的下午时段阳光对人脸识别的干扰最大。为了有效抵抗阳光的干扰，采用了双管齐下的办法：一方面从核心算法上进行调整，克服阳光变化对数据采集带来的影响；另一方面对产品的成像结构进行精心设计。使得技术的核心部分提高对光照变化的稳定性，并且具备了傍晚阳光直射进摄像头时仍能有效识别的能力，同时通过对光照的控制以及融合RFID技术，使得人脸识别能够满足大规模用户群在室外环境下的应用需求。

　　此外，针对证件照片有侧面、遮挡、模糊等问题，技术人员调整了算法，以及对图片进行质量评估和处理的技术。

　　整个项目团队历时一年多时间，完成了从研究、设计、开发到实施等一系列过程的跨越，使得人脸识别电子票证系统在大型体育场馆首次成功应用。中国完全自主知识产权的人脸识别系统在体育场馆安全经受了最严格的检验。

　　人脸识别系统应用的前提条件

　　利用人脸识别协助工作人员进行门票实名制身份验证能有效减轻工作人员的工作强度，大幅度提高入场观众的身份查验准确度和速度。

　　由于体育场馆应用的特殊性，对人脸识别系统的性能指标、稳定性和易用性都要求极高，这就使得现有的绝大部分人脸识别系统很难满足体育场馆应用的苛刻要求。

　　在长期人脸识别研究探索的基础上，北京数字奥森科技有限公司技术人员和中科院自动化所生物识别与安全技术研究中心的科技人员研发了高性能的人脸识别技术，并将其与RFID射频卡技术进行有机结合，为体育场馆定制了人脸识别快速身份验证系统，作为体育场馆通关的第一道防线，对所有持票者进行实名制人脸身份验证。

　　该系统事先对入场券持有者提交的人脸身份照片进行扫描，提取人脸特征，并录入信息数据库。在进入现场时利用视频摄像头对入场券持有者进行人脸图像采集，并与数据库中的数据进行对比，从而实现人脸身份识别。对真实票证持有者放行，对冒用者转交相关部门处理。该系统能适应不同环境光照变化，包括傍晚的阳光直射，和不同身高的使用者。

　　人脸识别系统的架构

　　人脸识别系统与RFID门票查验设备有机结合，进行1：1的人脸识别身份验证。

　　由于安保方面原因考虑，整个验票系统要将所有信息上传至总安保服务器，方便安保人员随时查看。传输的信息通常比较大，包含RFID门票的所有相关信息、人脸识别系统在识别过程中抓拍到的图像以及流水号、时间戳等。

　　由于门票查验设备数量较多，如果各个终端直接连总安保服务器，容易导致总安保服务器负担过大，因此设置了中转服务器。每一个入口的各个终端将该入口的信息首先上传至中转服务器，中转服务器再将该入口的所有信息转发给总安保服务器。

　　相应地对于门票信息，首先总安保服务器将门票数据下发至各个中转服务器，然后各个终端再到相应的中转服务器上去同步门票数据。每个终端都有全部的门票数据，保证在脱机情况下，也能够正常查验门票。

　　由于网络有可能因为各种原因而出现暂时通信中断的现象，所有传输信息都要进行缓存，确认收到后，再进行下一条的传输。

　　整个系统架构如图1所示。

　　整个系统在安装实施时，对于中转服务器和安保服务器之间的网络采用了光纤，一方面传输数据量较大，光纤能够保证传输速度；另一方面，由于各个入口的物理位置相距较远，远距离情况下，光纤也是最好的选择。

　　为了保证整个安保网络的安全，所有网线及光纤都不能使用明线方式，同时也要避免使用无线传输。由于绝大部分的客户端位于入口安检处，由于条件限制，可能会出现无空调，环境灰尘大，现场振动大以及使用临时供电等情况。为此，系统硬件应该具有抗高温，抗物理振动，抗电压波动，抗非正常断电等特性。

　　奥森人脸识别系统的技术特点

　　奥森视频监控人脸识别系统融合中科奥森中远距离人脸识别技术，可以实现稳定的人脸检测、跟踪和识别，它是基于可见光下的中远距离人脸识别算法而开发的公共安防智能报警平台，可对多路摄像头监控范围内的多个人脸同时进行自动检测、跟踪和识别，并与数据库中人员(黑名单或VIP等)的面部信息进行高效比对，实时对过往人员身份进行排查，一旦发现黑名单人员或可疑分子，后台会自动报警，并指导安全人员极早采取防范措施。

　　如图2所示为摄像机与被检测人员的位置。如图3所示为人脸识别系统的界面。该视频监控人脸识别系统特点是：

　　识别精确度高

　　基于自主知识产权的人脸搜索引擎，世界领先的ELBP分析算法保证了最出色的辨认识别精度。

　　系统性能稳定

　　中科奥森视频监控人脸识别性能相对相近同类产品表现出了卓越的稳定性，主要体现在：

　　对光线变化的稳定性

　　众所周知，人脸识别技术的最大难度在于光线环境，光线变化对系统性能的影响也是衡量人脸识别系统的关键指标，尤其是应用于室外环境。对于普通的光线变化(过强的逆光侧光造成的面部过度阴暗除外)，以及注册图片和现场图片之间的光线差异，均不会影响系统效果。

　　对姿态角度的稳定性

　　采用连续自适应优化策略保证对人脸姿态和角度的稳定性，正负15度～30度的姿态偏角，以及注册照片和现场照片之间的角度差异，均不影响系统识别效果。

　　对时间跨度的稳定性

　　由于系统中注册的被监控对象的照片很有可能不是近照，所以时间跨度的影响也是非主动式监控识别系统的主要性能指标之一，中科奥森分析算法采取的是面部特征信息进行针对性优化，尽可能的排除了由于时间间隔带来的影响，对于青春发育期之后的数年甚至数十年内(目前案例中最长时间记录为19年)的照片，可以准确无误的进行精确匹配。

　　对化妆乔装及面部变化的稳定性

　　中科奥森分析算法对面部架构信息进行分析匹配，普通的表情变化、发型变化、胡须长短、化妆、服装、肤色变化、面部装饰物、眼镜(遮住眼睛的全黑墨镜会有一定影响)、胖瘦变化等等均不会影响对监控对象的准确身份。

 
　　动态多姿态多人脸实时检测定位

　　人脸检测采集和预处理是人脸识别技术中工作量最大最耗时的环节，大部分同类产品和技术都需要在用户在镜头前停顿以进行配合，才能顺利的完成人脸检测定位。

　　中科奥森人脸识别系统在用户不主动配合以及人流不受控制的实际布控场合，本项目系统能对每秒钟20～30帧的实时视频流进行快速的人脸检测和预处理，也就是需要在每秒钟连续完成20～30次基于视图的人脸检测定位处理工作。

　　考虑到人流密集，人脸运动，以及画面中同时出现多个人脸时的同时定位带来的工作量和处理难度，系统进行快速动态多姿态人脸检测和定位的核心技术已达到国际领先水平，并超过绝大部分同类技术和产品。

　　搜索对比速度快

　　中科奥森人脸识别系统是目前最快的人脸搜索引擎，在监控人数、每人提交照片数量、视频输入路数、后台服务器配置等参数相同的情况下，VFM的搜索运算速度要比同类产品高出3～50倍不等。

　　对于实时监控的应用，中科奥森人脸识别系统始终保证1～2秒的响应速度，以达到实时要求，并且只需最少的硬件资源即可完成大量人群的实时监控布控。(具体速度与实际人数、视频路数、后台配置等诸多因素相关，无法给出所有情况下的速度参数)

　　硬件资源利用率高

　　相对于同类系统中科奥森人脸识别系统充分体现出了算法的高效和对硬件资源的最佳利用率，将系统对硬件平台配置的要求降到最低，从而大大减少硬件成本。

　　支持远程网络监控

　　中科奥森人脸识别系统除了可以以单机模式运行外，还可以基于网络传输平台构成C/S结构。

　　采集服务器与摄像机用视频线相连，接收模拟视频流，并进行人脸检测、人脸定位、人脸捕捉等前期处理工作。采集服务器通过网络与搜索服务器远程相连，根据通用的TCP/IP协议进行通讯，将捕捉到的人脸图像通过网络传输到服务器进行后续的特征分析和搜索对比处理。从而可以与现有的大部分基于网络的视频监控系统进行无缝集成。

　　实时辨认与静态对比结合

　　中科奥森人脸识别系统在支持实时动态视频监控报警的同时，也可以根据从不同途径获取的数码照片，在布控人脸库中手动进行静态照片搜索对比。

　　系统高度模块化

　　中科奥森人脸识别系统高度模块化的系统体系结构保证了系统运行的稳定性，以及易于扩展的特点，增加视频输入，扩展监控人数，补充或修改监控照片，以及增加搜索服务器同时并行工作以支持大量人群监控，都可以非常简单的实现。

　　灵活直观的记录查询

　　所有报警提示都可以事后按时间、姓名等多种组合条件查询记录，记录包含报警时以及对应的注册照片和现场照片，事后查对非常简单直观。除了记录匹配成功的报警记录外，系统还可以设定对所有被系统捕捉到的人脸图片进行保存，以便事后查询或以其他方式辨认。

　　人脸识别系统的系统集成架构

　　系统服务器保存被采集和识别报警的黑名单人员的面部图像特征信息，完成对比识别和报警的功能，同时可记录相关的业务消息和管理活动。

　　通过管理工具，管理人员可以轻松的定制报警和创建VIP信息表。所有登记信息都保存在数据库中，方便生成定制报表。

　　客户端实时接收来自一个或多个通道摄像头的面部数据，进行人脸检测，并抽取人脸特征信息。

　　客户端摄像头位于视频监控的位置。每个客户端处理器可与4路监控摄像头连接，完成视频中的人脸检测和人脸特征信息提取。

　　如图4所示为视频监控人脸识别系统拓扑图。

　　如图5所示为视频监控人脸识别系统主要模块单元与组成。

　　图像采集设备--将人类真实的面部转换成连续或非连续的图像序列。

　　面部捕捉模块--人面检测与捕捉模块。在每帧视频图像中捕捉面部，生成标准图图像，并发送到建模模块。

　　建模模块--利用面部捕捉模块生成的标准图片，生成面部特征模板，该面部特征模板被发送到比对识别服务器进行面部匹配。

　　流量平衡模块--管理面部捕捉单元，平衡系统负载。管理流量并在建模模块与面部捕捉模块之间平衡数据的负荷，每个视频监控人脸识别系统只需一个逻辑交换控制单元设备。

　　数据库服务器--保存人脸模板数据。

　　人脸识别服务器--比对引擎，监视数据库、用户界面。

　　报警模块--发现与数据库人员相匹配并达到一定阀值的人员后向相关人员报警。

　　视频监控人脸识别系统主要用于固定场所，可以对一台或多台摄象机进行同步监视。

　　视频监控人脸识别系统的组成与规模需要在具体实施时根据需求与人流量进行配置，下图6为两个监视口的配置情况：

　　所有监视比对系统在判定到一个可疑监视对象时，既可以在本地进行报警处理，也可以同时将报警信息发送到报警中心，进行统一报警处理。

 
　　视频监控人脸识别系统监控流程

　　所有面部捕捉单元(BioCaputre)不停地扫描由摄像机采集的视频图像，一旦发现面部，将面部裁剪出来，经过一系列图像分析与处理，将裁剪出的面部图像标准化为固定大小、眼睛坐标固定的标准图片。

　　所有面部捕捉单元生成的标准图片由负载平衡单元(BioLogic)统一调度，分配给空闲的模板创建单元(BioCreate)进行模板创建，创建后的模板送入监视比对服务器/管理工作站，在嫌疑对象数据库中进行搜索比对，如果匹配程度低于预先设定的阈值，则继续分析视频流开始新的循环，否则图像启动报警处理并在界面中通知，处理完成后继续分析视频流。

　　报警信息将会伴有声光报警以提示处理，可设定超时自动消警。报警时，自动显示出现场抓拍照片，以及对应的布控对象图像信息。

　　报警处理有三种状态：1、确认报警；2、确认误报，放弃；3、未确认允许立即确认是否误报，也允许先消警再延后判断，数据会自动保存而不丢失；报警记录可以按时间、布控通道组等条件进行查询。

　　后端通信处理模块可以支持多个通道组的前端机，以构成布控网络；允许单台布控管理软件对布控网络进行监控机和通道组的管理，也可以集中进行人脸识别及报警的确认处理；系统具备可伸缩的体系结构，管理机、服务器、前端机等都可以根据系统规模弹性配置。

　　目前，多种方式创建布控对象库，创建布控对象支持两类图片来源：

　　·  本系统内直接检测产生--效果最佳；

　　·   系统之外各种来源的照片。

　　布控对象可输入相关身份信息；允许批量导入多个对象的身份信息批量创建人脸模板，以方便实际操作；允许布控对象同时存在两类人脸模板：系统照片的，外来照片的。

　　统一保存每一次匹配报警的记录，或者所有捕捉到的人脸图片，可供事后统计备查，记录包含时间、注册图片、现场图片、用户文字信息等。

　　在后端权限管理上分成两级权限：管理员与操作员；管理员可使用全部功能；操作员则缺省不能进行权限管理、一般参数修改等。

　　人脸识别技术应用的趋势

　　随着政府项目广泛采用人脸识别技术，以及人脸识别在其他大型行业的应用，人脸识别的市场比重正在快速增加，预计未来5年内人脸识别仍将保持高速增长。人脸识别将与指纹识别成为未来两大主流的生物认证技术。

　　随着芯片处理技术的飞速发展，现在的各种小型设备乃至个人数字终端，都具备了很强的计算处理能力和视频采集能力，且多数有鉴别用户身份的需求，这为人脸识别技术的大范围普及创造了很好的平台，人脸识别技术的嵌入式应用和芯片化将成为未来人脸识别技术发展的一个主流方向。

　　迄今为止，还没有哪一个单项的生物特征能达到完美无缺的要求，每种生物特征都有其自身的优点和缺点，有其自身的适用范围。比如，有些人的指纹无法提取特征，患白内障的人虹膜会发生变化等。在对安全有严格要求的应用领域中，人们往往需要融合多种生物特征来实现高精度的识别系统。数据融合是一种通过集成多知识源的信息和不同专家的意见以产生一个决策的方法，将数据融合方法用于身份鉴别，结合多种生理和行为特征进行身份鉴别，提高鉴别系统的精度和可靠性，这无疑是身份鉴别领域发展的必然趋势。

　　由于人脸识别的可视化特性以及非常高的自然度，在多生物特征融合的时候，人脸识别必将成为一种基本的技术配置，成为多生物特征融合的基础技术。总而言之，人脸识别大规模应用的技术门槛已经突破，即将进入市场快速发展阶段。

　　目前，中国的人脸识别市场现阶段正处于技术应用和产业发展的一个极佳时期，中国人脸生物特征识别标准正由 SAC/TC100/SC2 工作组负责，由中科院自动化所、公安部一所、和北京数字奥森为主要负责起草单位。

　　目前正在制定的人脸标准有：

　　·   安全防范系统的人脸识别术语

　　·  安全防范系统的人脸图像数据技术要求

　　·  安全防范系统的人脸识别应用系统通用技术要求

　　·  安全防范系统的人脸识别应用系统评测通用技术规范

　　·  安全防范系统的人脸识别应用设备接口规范

　　·  安全防范系统的人脸识别出入口控制系统

　　·  安全防范系统的视频监控人脸识别系统

　　·  安全防范系统的大规模人脸图像数据库查询检索系统

　　因此，可以相信中国体育场馆的安防智能化水平在不久的将来必将迈上一个新水平。