可疑人員識別系統解決方案

第 一 章 背景及需求

1.1 應用背景

十三五智慧城市建設提出要加快云計算、物聯網、大數據等一些公共支撐型應用平臺建設。近兩年來云計算、物聯網、大數據等領域技術逐漸成熟，在各行業中應用越來越廣，技術應用的社會認可度和接受度越來越高，經濟和社會效益日漸凸顯。

在金融行業，由于銀行財富集中的特點，很容易成為犯罪分子的目標。如果是一些分行級的銀行大樓內，很多時候也會成為上訪人員的目標，特別是發生一些理財不當的事件后，很多客戶會選擇分行大樓，該營業網點進行鬧事，給安保工作提出了更高的要求。

同時依據相關政策法規及國家和行業標準，公安機關要求全市范圍內涉及公共安全的社會視頻資源進行有效整合，將其統一納入公安機關管理，解決視頻資源碎片化、孤島化問題，從而盤活全市社會視頻資源，構建起網絡架構合理、基礎數據共享、行業管理獨立、公共平臺統一、信息應用安全可信可控的開放式社會公共視頻資源管理系統，為反恐維穩、治安防控、應急處突、服務群眾提供強有力的可視化信息支撐。充分發揮社會視頻資源的重要作用，實現信息資源共享和應用效益最大化。

在完成社會資源接入后，公安機關需要接收各個社會單位的視頻信息，對視頻信息的解析提出了較高的要求，那如果銀行直接自行完成視頻或者圖片的解析，直接給出相應的結果，可以從很大程度上減輕公安機關的負擔，同時也能夠更好協助公安機關破案，提高銀行在安全評估方面的等級。

1.2 需求分析

銀行急需針對黑名單的客戶進行準確的識別，以便安保人員能夠采取相應的措施，例如對前期有上訪，鬧事的人員進行高度關注，針對公安機關通緝的人員，需要及時通知公安機關等等。

第 二 章 系統總體設計

2.1 總體目標

可疑人員識別系統，通過對經過營業網點門口或者辦公大樓的人員進行人臉抓拍，經過人臉比對分析，智能識別在網點門口出現的黑名單人員，及時報警至監控中心，監控中心人員復核確認，同時消息可推送給現場的安保人員，進行重點關注，甚至如果確認是公安通緝人員的話，直接報警至公安系統，讓公安機關及時出警。

2.2 總體架構

圖1. 系統架構

2.3 系統組成

可疑人員識別系統包括：

n 前端攝像機：抓取網點門口進出人員的人臉�？刹捎酶咔宓娜四樧ヅ臋C或者17年最新推出的深眸雙目人臉識別設備。

n 臉譜服務器：臉譜服務器包括微視云存儲系統，大數據服務器以及臉譜服務器。其中微視云存儲系統可將前端抓拍到的人臉圖片進行存儲，建立人臉抓拍庫。臉譜服務器可將人臉圖片進行建模，大數據服務器可進行人臉圖片的比對以及結構化數據的存儲。對抓拍到的人臉圖片與黑名單庫進行比對，輸出比對結果。

n 可疑人員識別系統平臺：對人臉圖片進行管理，建立人臉信息數據庫，可按姓名、性別、相識度閾值等條件檢索。在系統中建立黑名單庫，黑名單庫可以按照不同的類型進行分類，例如按照公安通緝人員，銀行不良記錄人員，上訪事件的人員等。如果匹配，平臺產生報警，提醒網點安保人員或者監控中心人員及時處理。

2.4 系統功能

2.4.1 人臉抓拍

在重點場所的出入口位置部署的人臉抓拍機對過往的人員進行人臉抓拍，支持按樹形目標選擇抓拍通道，并同時查看一路或多路實時人臉圖片抓拍。

支持查看抓拍大圖,鼠標滾輪操作可進行縮放展示人臉的結構化信息，并支持對背景圖及小圖的下載。

在系統中導入與金融犯罪相關的人員信息：人臉、姓名以及犯罪的類型等信息，建立金融犯罪人員黑名單。

并把人臉照片、抓拍地點、抓拍時間等信息上傳到人臉管理平臺進行統一存儲，建立重點場所的人員信息數據庫，以方便后期的檢索與查詢。

圖2. 抓拍圖片

圖3. 抓拍大圖

2.4.2 黑名單管理

對名單庫及庫內名單進行管理。支持用戶新增、修改、刪除名單庫，也可以對庫內名單進行新增、修改、刪除等動作。

圖4. 黑名單管理

2.4.3 人臉布控

支持添加、編輯、撤銷布控任務�？商砑右粭l含布控名稱、布控對象、布控范圍（可地圖選點）、分時段閾值、布控原因的布控任務，并可通過輸入關鍵字對人臉布控進行檢索。

圖5. 人臉布控

圖6. 布控信息編輯

2.4.4 人臉預警

支持抓拍圖片與黑名單庫的實時比對。

支持預警接收的設置，在預警設置里,可選擇預警接收的布控任務和布控范圍。

在最小化模式下或者切換到其他標簽，在右下角會有報警提示框顯示，并且有報警聲音。

圖7. 黑名單比對

支持報警詳細信息的查看，包括抓拍圖片信息和黑名單圖像信息。點擊視頻回放可彈出播放器回放該人臉經過抓拍機時的錄像。

圖8. 比對詳情

2.4.5 人臉檢索

1) 人臉庫檢索

在系統中輸入待查詢的人臉照片，系統自動檢測出照片中的人臉信息并截取人臉，設置姓名、性別、相似度閾值和時間段等參數后在對應的人員信息庫內開始檢索，可得到按照相似度從高到低排列的黑名單圖片，并在系統界面上顯示出來，供使用者對人員信息進行快速確認。

若有多個人臉需要比對，則可靈活選擇需要比對的人臉，按照上述姓名、相似度等條件進行檢索。

2) 抓拍庫檢索

檢索查詢抓拍庫中的抓拍圖片信息，便于查找與黑名單庫中的黑名單相似度高的抓拍圖片。

支持對動態抓拍庫、靜態名單庫的人臉查詢。

支持按屬性檢索，如按時段、結構化信息（年齡段、性別、戴眼鏡、微笑、高危人群）、抓拍范圍等條件，在抓拍庫中快速檢索出相似的人臉圖片。。

支持地圖選點查詢。

查詢照片支持原圖查看，詳細信息查看，前后視頻預覽。人臉圖像及相關結構化信息可導出成excel文件。

圖9. 人臉庫檢索

2.4.6 以臉搜臉

用戶可以選擇某張人像圖片，在抓拍庫或者靜態名單庫中尋找相似度高的人像圖片。系統根據相似度高低來排序。

待比對的圖片可以本地上傳，也可以是抓拍圖片或者是靜態圖片。

支持同時采用同一人員的多張照片作為檢索條件，在以圖搜圖的結果中還可以一鍵快捷選擇檢索結果中的圖片作為以臉搜臉的檢索條件。

圖10. 以臉搜臉

2.4.1 1V1比對

用戶可以選取兩張本地圖片做對比，系統返回相似度。

圖11. 1V1比對

2.4.2 人臉查重

軟件平臺可支持針對單個人員庫或兩個人員庫（人臉庫，非抓拍庫）之間的重復人員查詢，并返回查重結果。在查重任務進行過程中，可查看任務狀態、相關信息等，并對已完成的查重任務進行查看、刪除等操作。

注：需要軟件平臺支持，目前金融行業平臺還未支持。

圖12. 新建查重

圖13. 查重比對

第 三 章 系統特點

3.1 關鍵技術說明

3.1.1 深度學習技術

深度學習是指機器通過模擬人腦建立的深度神經網絡，模仿人腦機制來進行學習、判斷、決策的技術，目前已被廣泛應用于人臉識別、語音識別、筆記識別等領域。深度學習的原理如下圖所示：

圖14. 深度學習原理示意圖

通過深層神經網絡訓練出來的人臉識別算法能極大地提高識別精度。簡而言之，就是讓已經在網絡結構中預設了人臉識別先驗知識的神經網絡，大量“閱讀”很多人在各種環境（例如光照，視角，表情）下被拍攝到的不同人臉圖片，自動學習并提取人臉各個部位和尺度的低、中、高層特征，在大量學習之后，機器便能根據所提供的樣板信息區分不同的人員。

3.1.2 人臉識別技術

人臉識別技術是基于生物特征的識別方式，所謂生物特征識別，就是利用人類自身擁有的、并且能夠唯一標識其身份的生理特征或者行為特征進行身份驗證的技術，一般包含人臉圖像采集、人臉圖像檢測、人臉圖像預處理、人臉圖像特征提取、人臉圖像匹配識別五部分：

1) 人臉圖像采集：基于人員的臉部特征，通過前端攝像機采集含有人臉的視頻或圖像；

2) 人臉圖像檢測：人臉圖像包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結構特征及Haar特征等，人臉圖像檢測就是利用這些特征信息，對輸入的視頻或圖像中的人臉進行檢測，準確標定出人臉的位置和大��；

3) 人臉圖像預處理：基于人臉檢測結果，通過智能算法，對選出的人臉圖像進行灰度校正、噪聲過濾等優化，形成最優的人臉圖像并服務于特征提取的過程。人臉圖像預處理過程主要包括光線補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波等；

4) 人臉圖像特征提�。喝四樧R別可使用的特征通常分為視覺特征、像素統計特征、人臉圖像變換系數特征、人臉圖像代數特征等。人臉圖像特征提取就是針對人臉的某些特征進行的，一般采用基于知識的表征方法實現�；�于知識的表征方法主要是根據人臉器官的形狀描述以及他們之間的距離特性來獲得有助于人臉分類的特征數據，其特征分量通常包括特征點間的歐氏距離、曲率和角度等。人臉由眼睛、鼻子、嘴、下巴等局部構成，對這些局部和它們之間結構關系的幾何描述，可作為識別人臉的重要特征；

5) 人臉圖像匹配識別：人臉圖像匹配是指提取的人臉圖像特征數據與數據庫中存儲的特征模板進行搜索匹配，通過設定一個閾值，當相似度超過這一閾值，則把匹配得到的結果輸出；人臉圖像識別就是將待識別的人臉特征與得到的人臉特征模板進行比較，根據相似度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是確認，是一對一進行圖像比較的過程，另一類是辨認，是一對多進行圖像匹配對比的過程。

人臉識別技術如下圖所示：

圖15. 人臉識別技術示意圖

如上圖所示，人臉識別過程的第一步是通過前端采集設備獲取源圖像，通過人臉檢測方法得到有人臉的圖像并對該圖像進行一定的預處理，如歸一化、小波分解等，濾去外界的部分干擾因素，如光照、飾物等，保留人臉最本質、對特征提取最有利的部分；然后選定一種特征提取算法對該預處理過的圖像進行特征提取，最后根據與測試圖像的比對來獲得匹配的結果。

人臉與人體的其他生物特征（例如指紋、虹膜等）一樣與生俱來，它的唯一性和不易被復制的良好特性能為身份鑒別提供必要的前提，與其它類型的生物識別技術比較，人臉識別技術具有如下特點：

1) 非強制性：采集對象不需要專門配合人臉采集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”；

2) 非接觸性：采集對象不需要和設備直接接觸就能獲取人臉圖像；

3) 并發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別。

3.2 產品介紹

Ø 臉譜服務器

圖16. 4U臉譜純分析版

專業可靠

Ø  專業化：專業嵌入式硬件設計，基于深度學習的人臉分析算法；

Ø  智能化：支持人臉識別建模、特征提取等智能分析；

Ø  集群化：支持集群部署，滿足負載均衡、動態擴容、故障轉移；

超高性能

Ø  單臺最大支持每秒200張人臉圖片分析處理；

Ø  支持30萬超大黑名單庫；

Ø  單臺最高支持80對圖片同時進行1V1比對；

Ø  支持3000萬張人臉圖片存儲，可擴展云存儲、微視云；

Ø  支持5億人臉數據；

智能功能

Ø  人臉建模：對圖片中的人臉進行建模，可實現以臉搜臉功能；

Ø  人臉特征識別：支持性別、年齡段、是否戴眼鏡等特征識別；

Ø  黑名單功能：支持黑名單人臉布控報警；

Ø  1V1比對功能：支持兩張人臉圖片快速精準比對；

Ø 高清人臉抓拍機

圖17. 高清人臉抓拍機

l  200萬像素 1/1.8" 逐行掃描CMOS

l  超低照度,彩色0.001Lux@(F1.2,AGC ON)黑白0.0001Lux @(F1.2,AGC ON)

l  采用H.264 High Profile編碼,最大可輸出Full HD 1920*1080@25fps實時圖像,超低延時,超低碼率

l  支持雙碼流,采用先進的視頻壓縮技術H.264編碼,壓縮比高,且處理非常靈活,同時支持MJPEG編碼,抓拍圖片采用JPEG編碼,圖片質量可設

l  采用ROI視頻壓縮技術,壓縮比高,處理靈活

l  支持SD/SDHC本地圖片存儲、自動覆蓋、自動上傳

l  支持人臉抓拍及其相關功能

l  支持人臉抓拍功能，可對經過設定區域的行人進行人臉檢測和人臉跟蹤，當檢測到人臉后，可抓拍人臉圖片，抓拍圖片數量可設。

l  支持人臉區域自動曝光功能，可根據外部場景和光照變化自動調節曝光參數。

l  支持人員特征顯示功能，可在客戶端軟件中顯示監視區域內人員性別，年齡段和是否帶眼鏡。

l  支持人員統計功能，可在web頁面中，按照性別、年齡，時間段的查詢，通過餅圖、柱狀圖，折線圖的方式展顯人員統計類別結果。

l  視頻和抓拍圖片獨立配置字符疊加功能

l  本地模擬輸出,方便安裝調節

l  支持寬動態功能

l  超強的網絡功能，支持多種圖片上傳方式（云存儲、FTP、�？�SDK布防等）

l  支持硬件看門狗

l  支持配置文件導入導出

Ø 深眸雙目

圖18. 深眸雙目

專業智能

l  深眸雙目人臉攝像機由雙目攝像機與高性能GPU模塊組成，內嵌深度學習算法。

l  支持人臉抓拍功能，可同時對30張人臉進行檢測、跟蹤及抓拍。

l  支持人臉名單布控，輸出實時比對結果。

l  支持對性別、年齡、是否戴眼鏡等特征的識別。

Smart功能

l  Smart偵測：音頻陡升/陡降偵測、虛焦偵測

l  Smart錄像：支持斷網續傳功能保證錄像不丟失，配合Smart NVR/SD卡實現事件錄像的智能后檢索、分析和濃縮播放

l  Smart編碼：支持低碼率、低延時、ROI感興趣區域增強編碼、SVC自適應編碼技術

圖像相關

l  支持HD1080p@30fps實時幀率，圖像更流暢

l  碼流平滑設置，適應不同場景下對圖像質量、流暢性的不同要求

l  支持H.265/H.264/MJPEG視頻壓縮算法，支持多級別視頻質量配置、H.264編碼復雜度Baseline/Main/High Profile

l  支持GBK字庫，支持更多漢字及生僻字疊加，支持OSD顏色自選

系統功能

l  支持ONVIF(profile S/profile G)、CGI、PSIA、ISAPI、GB/T28181和E家協議接入

l  支持防雷、防浪涌、防靜電

接口功能

l  支持標準的128G 及以下Micro SD/SDHC/SDXC卡存儲

l  支持10M/100M自適應網口

安全服務

l  支持三級用戶權限管理，支持授權的用戶和密碼，支持IP地址過濾，支持匿名訪問

l  支持HTTPS,SSH等安全認證，支持創建證書

l  初始設備開機修改密碼，保障密碼安全