近几年来,作为公安视频侦查的重要手段,人像识别在公安实战过程中的应用需求正在加速释放。公安部门需要比对大量的视频、图像,从海量视频监控数据中精准、快速地找到目标人物。智能人脸系统的部署将警务人力极大地解放出来,带来了警务实战效能与效率质的提升。随着人工智能、大数据、云计算等技术的融合应用,人像识别在公安视频侦查中的辅助作用也越来越关键。
M:N模式精准人脸识别应用仍存技术难点
当前,公安视频侦查中人脸识别的应用一般分为两种场景:一种是静态人脸识别比对,从监控录像中采集人脸的截图,然后和目标库(如犯罪分子库、黑名单库、失踪人员库等)做静态比对,缩小目标范围到几人、十几人内,提高身份确认的效率;另一种则是直接在监控视频中做动态比对,实时检测、比对分析、跟踪人脸。
在1:1、1:N静态人脸比对场景中,因为人脸比对的数据量较小,且环境干扰因素较少,人脸识别的准确率普遍能够达到99.5%以上甚至100%。但在复杂的M:N模式下的动态人脸布控过程中,要做到超高精度人脸识别和追踪仍然不太容易。这里涉及到很多因素,包括抓拍距离、光线环境、人脸角度等等,干扰性较大,应用到实战场景中仍然有一些技术难题需要攻破。
智能抓拍引擎,提升动态人脸识别准确率
要提升动态人脸识别的准确率,首先要保障的是人脸图像的抓拍率,这一点在很多技术类文章中鲜少提及,但其实是很关键的因素。在动态人脸抓拍场景下,大量移动目标的重叠、分离、移出区域等都是导致漏拍的关键因素。
华为全新“星像”系列人员结构化智能摄像机中的T-Shot智能抓拍引擎,可以有效解决目标跟踪遗漏、目标重复的问题,可将抓拍有效率提升到96%以上,将重复率控制在8%以下。
同时,内建的图像评价筛选算法可自动选择最优抓拍,剔除重复图片,一方面减少传输图片的数量,降低网络传输和后端计算压力;另一方面筛选出高质量人脸抓拍图片,提升识别的准确率。
多特征算法叠加,获取更精准的识别率
在保障高质量人脸图像抓拍的基础之上,再从算法角度强化人脸特征的检测提取,以获取更精准的识别率。
人脸是一种非常重要的生物特征,具有结构复杂、细节变化多等特点,同时也蕴含了大量的信息,比如性别、年龄、表情等。在动态识别场景中,算法主要是基于面部进行特征点检测分析,单一在人的面部区域做特征提取,仍然会受光线、环境以及非配合条件等因素,影响到最终的识别准确率。
针对这个问题,华为“星像”系列智能摄像机,一方面采用多特征人像识别技术,可实现“人脸&人体”多特征检测、提取、分析以及辅助跟踪,支持人脸、人体、头肩等部位同时抓拍,特征提取点更丰富多维,包含人物性别、年龄、是否带口罩、人物服饰等10余种属性特征,实现最优人脸&人体相关联。从人脸到人体,从单一特征到多特征,随着目标人物细节特征的丰富,基于深度学习的算法,可以在训练过程中让深度神经网络“自动” 从训练的数据中学习最适合的特征撷取方法,自主筛选更精确的信息,多样性人像特征的算法叠加,达到更精准的识别效果。
人脸&人体 多特征检测提取
另一方面,华为“星像”系列智能摄像机,还可通过多摄像机间的协同、端云间的协同进行联合判断,单机比对处理后再多机配合计算确认,从而降低人脸误检率。
AI场景自适应,成像更好满足实战应用
最后,值得一提的是,在安防应用中,摄像机安装的环境千差万别,同一个安装场景会有不同的环境变化,这也给精准人脸识别带来了较大的挑战。
为了解决这个问题,华为“星像”系列智能摄像机,内置实时图像质量检测与评估特性,具备自我感知和场景适应性学习能力,可通过AI算法自动识别场景环境,比如雾天、雨天、低照场景、宽动态场景等等,而后自动调整参数,使图像在不同的场景下呈现最优状态,更好地满足实战应用。