人像态视识别提高安防工作效率 谱写城市“平安曲”

本篇文章5057字，读完约13分钟

HC安全网消息2016年和2017年，国家先后发布了《互联网+人工智能三年实施行动计划》和《新一代人工智能发展规划》。将人工智能提升到国家战略层面，同时加快人工智能在教育、医疗、智能城市、智能家居等领域的拓展。 安全已经成为人工智能着陆场景中的一条重要轨迹，其关键技术如智能视频分析和人脸识别等也受到了研究领域的极大关注。那么，人脸识别在安全领域的难点是什么？人工智能+安全的未来有什么新趋势？ 10月29日，清华大学媒体大数据认知计算研究中心主任王教授在2017年第16届中国国际公安博览会(cpse Expo)政府管理论坛上发表了题为《人像态势识别及其在智能视频监控中的应用》的演讲。他指出，目前，中国的视频监控建设取得了丰硕成果，摄像机数量达到2000多万台。大规模的视频监控已经不能仅靠人工监控来实现，迫切需要人工智能和智能分析技术的有效技术支持。 王教授从三个方面阐述了人脸识别在安防中的应用:1 .新一代人工智能和智能安全的发展；2.人脸识别技术及应用系统；3.以人为本的安全理念与人像视觉识别。 第一，新一代人工智能和智能安全的发展 目前，世界公共安全正面临着严峻的形势，这是一个国际关注的重大问题，信息内容和情报已成为控制形势的关键因素。在大数据背景下，国家公共安全是一个巨大的国家需求。围绕公共安全、安全城市、视频监控和网络安全需求，以安全视频大数据和网络空中的各种视频、图像、声音和网络信息为大数据基础，创新人工智能和机器学习理论，构建公共安全大数据应用技术创新平台，是我们工作的重点。 我们现在面对的主要是两间空客房。 首先，它面临空机房的物理安全:中国安全城市建设中的视频监控前端数量已经超过2000万。目标感知能力不足，大数据给公共安全事件的即时感知、准确分析和快速搜索带来很大困难，迫切需要人工智能技术的支持。 第二，面对空:网络的安全，空网络间富媒体通信的引入带来了新的媒体信息管控问题，国家迫切需要大数据环境下的富媒体内容感知、网络信息安全和网络多媒体内容监控的支撑技术。 十二五期间，全国600个大中城市的视频采集系统建设已初具规模，2009年安装了268，000多个监控系统，2013年安装了2，000多万台摄像机。根据每天每台摄像机7.2gb(0.3g(cif)*24)的数据量，北京(2011年)有40多万台摄像机，每天产生的数据量为2800tb，非常巨大。 数据量如此之大，依靠人工监控，智能化程度低，不可能在大规模视频监控环境中实现前感知、事件间联动、事件后有效处理和智能检索。迫切需要人工智能和智能分析技术，为视频监控提供有效的技术支持。 2017年7月8日，国务院发布了《新一代人工智能发展规划》(国发[2017]35号)。人工智能已经成为国际竞争的新焦点和引领未来的战略技术；人工智能已经成为经济发展的新引擎，成为新一轮产业转型的核心驱动力；人工智能为社会建设带来新的机遇，将深刻改变人类社会生活和世界。抓住人工智能发展的重大战略机遇，打造我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。 根据这一核心，《规划》提出了运用人工智能提升公共安全能力的规划和要求。 一是推进人工智能在公共安全领域的深入应用，推进公共安全智能监控预警系统建设。 二是围绕社会综合管理、新型犯罪侦查和反恐的迫切需求，研发融合多种检测传感技术、视频图像信息分析识别技术和生物特征识别技术的智能安防和警务产品，建立智能监控平台。 三是加强重点公共区域安防设备的智能化改造升级，支持符合条件的社区或城市开展基于人工智能的公共安全区域示范。 在智能视频分析的关键技术中，我简单列举了相关的关键技术: 1。入侵/跨境检测；2.遗留对象的事件检测；3.带走对象事件检测；4.徘徊检测；5.行人/车辆检测和跟踪；6.人脸(肖像)/行人/车牌识别；7.人群密度监测；8.异常行为的检测(奔跑和打斗)；9.视频质量诊断；10.视频集中和汇总；11.视频内容的快速检索；12、图像增强和恢复技术。 在人脸识别技术的应用中，根据实际应用场景，人脸识别可以分为以下三类: 首先，人脸识别与合作。子认证和查询通常用于识别一个人的脸，声明我是A，然后将A的模板人脸图像与现场采集的A的人脸图像进行比较，给出是或否，或者查询大型数据库。通常需要合作。第二，半合作人脸识别。也分为认证和查询。它通常用于受限通道和刺刀，用于黑/白名单比较。这种应用通常具有稳定的照明，并且不需要协作。 第三，不合作的人脸识别。面向查询的黑名单查询，常用于视频监控的动态控制场合。这种应用光照复杂，姿态不确定，难度大。 清华的人脸识别技术——人卡结合的验证通关应用:2005年，公安部出入境管理局主持了清华大学人脸识别技术的集成，世界上首次在中国出入境人数最多、日均出入境人数超过数十万的深圳罗湖口岸开通了“旅客自检通道”。边防检查站开通了近400条自助通道，延伸至深圳、珠海，检查放行近300万人次、上亿人次，通过率达98%，成为世界大规模成功应用人脸识别技术的典范。 其次，人脸识别技术和应用系统 人脸识别技术利用摄像机或摄像机采集包含人脸的图像或视频流，自动检测和跟踪图像中的人脸，然后对检测到的人脸进行一系列与人脸相关的处理技术，通常包括:人脸检测、人脸跟踪、人脸特征定位、人脸归一化。它广泛应用于安全、认证等身份认证领域，被誉为“21世纪影响人类生活的十大革命性技术”。 人脸识别一般分为人脸检测、人脸特征定位、1:1人脸识别、1: n人脸识别和m: n动态控制。人脸检测和人脸特征定位的应用方向:交通统计、视频检索等。智能绘图、智能美容、变脸效果等。: 1:1人脸识别的应用方向是指身份证人脸认证系统和社保人脸识别。 1: n人脸识别的应用方向是指身份证照片和护照照片的重复核对。例如，如果你现在想办护照，你是张三，公安部门会在人口数据库里查一下，看你能不能换一个，也就是一个人有多个证件。 m: n人脸识别的应用方向是动态监控、黑名单监控、贵宾客户管理系统、校园人脸识别系统和智能建筑。近两年来，人脸识别技术发展迅速。就基于机器学习的人脸识别方法而言，人脸识别方法一般可以分为三类: 首先，基于统计的识别方法，主要包括特征脸方法、隐马尔可夫模型方法、子空方法等。；二是基于网络连接机制的识别方法，包括人工神经网络方法和弹性图匹配方法。第三，其他一些综合方法，如几何特征法和三维模型。#hc360分页符# 1。人脸识别的核心问题 人脸识别的过程:假设X是待识别的人脸输入，f(x)是分类器函数，y是关于X的分类标签输出..人脸识别的关键是获得高性能的函数。传统的人脸识别方法(深度学习前):F分类器功能主要是逐步处理和手工设计的。基于统计学习的人脸识别方法得到了广泛的应用。人脸识别遇到的主要困难包括: 人脸结构的相似性；面部姿势改变；面部表情的变化；复杂环境中的照明变化；面块上的装饰物；面部年龄变化的上述问题给面部识别带来了相当大的挑战。随着深入学习的发展，我们的困难已经解决了。 2。深度学习，人工智能新浪潮的关键技术 人工神经网络是一种端到端的机器学习方法(全步骤一次性学习)。端到端学习方法的出现极大地促进了人工智能的发展，它被应用于alphago、图像识别、语音识别、无人驾驶、vr/ar、智能交通、智能视频、智能医疗和智能制造等领域。 3。人脸识别的关键技术 1)人脸检测:确定输入图像中是否有人脸；如果有脸，返回脸的位置。 2)关键点定位:确定人脸眼角、鼻尖、嘴角等关键点的位置，为人脸对齐和归一化做准备。 3)人脸归一化:根据关键点的位置，通过相似性变换将人脸与标准人脸关键点对齐，并切割成均匀的大小。 4)特征提取:利用大量数据训练卷积神经网络；人脸图像被表示为具有高级语义信息的特征向量。 5)特征比较:主要采用度量清除等技术进一步提高识别精度。 4。人脸检测技术 (1)基于acnncascadeforfacedetection框架。共有6个有线电视新闻网和3个检测网用于判断输入区域是否是人。三校正网校正输入的人脸框架，以获得更准确的人脸框架。Nms用于消除检测过程中高度重叠的窗口。 (2)人脸识别网络。根据不同的人脸识别场景，设计了多种网络架构来满足不同场景的要求(速度和精度)。这个数字是我设计的网络。左边的网络具有速度快的特点，只需要5毫秒的cpu时间。lfw的识别准确率为97.28%，主要用于实时性要求高的场景。右边的网络res-facenet包含26个卷积层、5个最大池和1个全连接，lfw上单个模型的识别准确率可达99.22%。 三。以人为本的安全概念与人像视觉识别 基于以人为本的安全概念，提出了人像视觉识别的新概念。安全的焦点是人，关注和获取关键人物的全面信息尤为必要。例如，以下相关信息:有关人员出现在公共场所和交通检查站；他的行为举止是否异常；携带包裹进入公共场所，出门后包包是否消失；他的面部表情和举止如何；你最近有过敏感的接触或过多的言语吗？ 人像视觉识别 人像视觉识别是深度人像识别的新概念，即人的图像状态、形状、表情和意图。 -图像状态包括人脸和行人的表观图像；图像状态和感知有两个维度:1 .准确识别被感知物体要表达的物理特征，如颜色和大小；2.描述这些特征组合的表示，以表达它们是什么，例如车牌、人脸和行人。图像状态包括外观:人脸、指纹、掌纹、虹膜、手指静脉、人群聚集事件等。 形态学包括静止图像和连续图像。形式和感知是两个维度: 1。识别感知对象的静态肢体特征以表达，如运动和姿势； 2。描述感知对象的肢体变化特征，以表达要做什么，如步态、跑步和逆行。形态学包括人体肢体的许多特征:姿势、行为、运动、步态、轨迹等。视频监控中的行人识别系统是根据行人的外貌和步态特征，在不同摄像机下，对视频监控网络中的特定行人进行识别、搜索和跟踪。 包括主动和被动面部图像。态度，对主动和被动维度的感知: 1。识别感知对象的面部表情特征来表达情感，如喜怒哀乐； 2。描述感性对象的面部特征，以表达其内在波动、意识形态和精神状态，这通常不受人类意志的控制。态度主要用来表达人的内心状态:自制、恐慌、恍惚等。 精神状态包括显性信息和隐性信息。根据这一范畴的定义，它构成了人像态势识别、智能安全的新概念，其中人是核心要素。意图与无形信息相关联，这主要体现在信息的逻辑关系上。它有两个维度: 1。认识到感知对象行为的意图、目标和结果的明确特征； 2。认识感知对象行为的意图、目标和后果的隐藏特征，从而表达其行为与其他事件的关联、影响和潜在的可能后果。认识心理状态的显性特征是容易的，但认识心理状态的隐性特征是困难的，但实际事件的预测是非常必要的。例如，同样是买菜刀，如果是家庭主妇，它可能用于家庭厨房用餐；但是如果你有犯罪记录，你需要一个早期预警；——另一个例子是，一个人在某个地方逗留了很长时间，并且精神状态是徘徊的，但是精神状态可能指示可能的事件。 在大数据时代，如何处理从各种数据源收集的信息，如何综合利用不同地点、不同媒体、不同时代、不同智能和不同粒度的信息，包括识别信息的真实性；是从未完成的挑战。显性信息关联主要体现在目标表观信息的关联上，如目标类型、目标属性、目标状态、目标时间空点；隐性信息关联。主要体现在逻辑关系信息的连接——“蝴蝶效应”，亚洲蝴蝶拍打着翅膀，这将使龙卷风在几个月内比美国出现的强风还要糟糕！ 人像视觉识别，它综合构建了对人的形象、形式、表情和意图的深层识别。通过人像视觉识别，可以实现对目标人物的整体信息分析和完美状态描述。1、2状态，着眼于“特殊事物”，原意是考察人；3、4个状态，偏向于“知道”，然后达到完美的认识和理解；人像视觉识别的目标是“认识事物”。综上所述，通过人像视觉识别，可以实现对目标人物的整体信息分析和完美状态描述。人脸识别系统包括人脸识别、年龄估计、性别识别等。新一代智能安全监控技术可以实现人脸检测、识别和分类；人像视觉识别综合构建了对人的形象、形式、表情和意图的深层识别。通过人像视觉识别，可以实现对目标人物的整体信息分析和完美状态描述。 将人像视觉识别与智能视频分析相结合应用于安全领域，无疑将提高公共安全的效率，为安全城市建设和公共安全提供准确有效的信息技术手段，这是大数据背景下国家社会安全的巨大需求。