在恐怖势力日渐猖獗的国际社会环境下,奥运会成为了他们头号破坏和打击的目标。2008北京奥运会的成功举办,向世界展示了一次伟大的平安盛会。本文就着重对在北京奥运会上人脸识别技术的应用展开了探讨,并对当前人脸识别技术的应用趋势和存在的误区进行深入分析,仅供读者参考。
1972年9月5日,慕尼黑奥运会出现了举世震惊的一幕:巴勒斯坦恐怖分子持枪袭击运动员村,当场杀害两名以色列运动员,劫持9名人质,比赛全部停止,奥运村一片混乱。最终,被绑人质无一获救,5名恐怖分子和1名德国警察死亡。1996年亚特兰大奥运会,恐怖主义的阴影再次笼罩了这一全人类最隆重的盛会,发生在奥林匹克公园的爆炸案,造成2人死亡,110多人受伤。而最近两届奥运会在开赛前,也面临着极为严峻的安全形势:2000年悉尼奥运会,恐怖组织策划的袭击事件险些上演;2004年雅典奥运会开幕前,希腊先后发生了5起爆炸事件。
可以说,自慕尼黑惨案后,奥运会便有了两个战场——体育与反恐。安保工作成为东道主国越来越头疼的问题,近几届奥运会东道主国投入在安保上的费用直线上升,2004年的雅典奥运会更以15亿美元的安保费用令世人侧目。
自2001年北京申奥成功之日起,政府就已经开始着手进行奥运安保准备工作。“9·11”事件的发生,让政府更加重视奥运安保工作。2001年,奥运会安保筹备工作正式展开,2004年成立了北京奥运安保协调小组。北京奥组委也早在2002年就从奥运场馆的建设着手,提出了五个同步的理念,将安保设施与场馆同步规划、同步设计、同步建设、同步验收、同步投入使用。这些措施使奥运场馆从建设时起,就符合奥运安保要求。2007年党的十七大新闻发布会上,北京市副市长、北京奥组委执行副主席刘敬民在回答国外记者提问时说,“安保工作向来是奥运会筹备工作最为重要的一件事情。在北京奥运会上,政府采取一系列国际上先进的技术措施确保安保。比如,在一些重点场次的票务上,使用了RFID(电子芯片的作用)技术,及时全面地查证入场人的身份,这些都会对奥运会安全提供绝对的保障。”用来和RFID技术结合查证入场人身份的,正是近年来渐趋成熟的人脸识别技术。
生物特征识别与人脸识别
在安全防范领域,生物特征识别技术一直处于金字塔的顶端。对指纹、虹膜、掌纹、人脸、签名、静脉、姿态(手势)和语音等的研究,结合模式识别技术,形成了当前主要的生物特征识别的各个研究方向。
[nextpage]
在应用层面,为了达到安全防范要求,一般生物特征识别技术可分为检测(监视)、认证和检索三大类。因此,一种生物特征识别技术是否在某个细分市场中适用,只需要考察上述三大类问题的影响因素。如图1所示,检测问题又受到输入设备、待识别对象的主动/被动问题、环境和特征稳定性以及检测仪器的建设成本等因素的影响。在认证应用上,则需要考察系统的数据库建设的可行性和成本、认证系统的FAR(False Accept Rate, 错误接受率,也称认假率)和FRR(False Rejection Rate, 错误拒绝率,也称拒真率)。对检索系统而言,除了同样需要考虑数据库建设问题外,还需要考虑前N名(或前n%名)的命中率和检索速度(对于海量数据库而言)。
根据International Biometric Group近期出版的生物识别市场及产业趋势分析报告指出,生物识别市场中传统的指纹识别仍然处于主导地位,而人脸识别技术位居第2,占12.9%。
众多生物特征识别技术,从终端采集的层面可以分成主动配合和被动采集两大类。主动配合的有指纹、虹膜、掌纹、静脉和签名等;被动采集的手势、语音和姿态(手势)等。显然,主动配合方式将需要目标对象有意识地在一定的环境条件和特殊的采集设备下进行信息的采集,这种方式适用于有较强限制条件下的身份认证和识别。由于应用模式本身假定目标对象将会根据要求进行配合,因此受到环境的影响较小,但是采集终端建设成本偏高。被动采集则不需要(或要求很宽松)目标对象对采集终端进行特别的配合。通常适用于监视、检测和未公开的身份认证,如涉及到军队、国家安全、公共安全和重点场所的保安监控,一般都要求被动采集。这种方式对目标对象没有严格的限制,因此受到环境的影响较大,特征的稳定性也较差,但采集终端的建设成本相对较低。
在人脸识别技术发展的早期,由于人们无法较好地消除环境影响以及由姿态、光照、年龄等变化带来的人脸特征的不稳定性,人脸识别技术应用局限于对特定分辨率和特定光照、姿态、表情和年龄约束条件下的试验,国外多个研究机构建立了一些用于测试的数据库(如FERET人脸数据库、MIT数据库、YALE数据库、ORL数据库等),这些数据库无论是从样本数量和变化因素的跨度上而言,都仅仅停留在实验阶段,无法全面描述实用型的人脸识别应用。
近10年来,随着对人脸识别技术的深入研究,研究人员逐渐突破了来自于环境等影响到人脸特征的不稳定因素,人脸识别系统逐步进入到实用阶段。如清华大学联合北京普赛科技有限公司在广州建成了世界上第一套实用的2000万数据库容量的大型检索系统,该系统在命中率和检索速度上均处于世界领先地位。
2008年8月24日,随着北京奥运会闭幕式的结束,人脸识别技术首次正式应用于奥运会安保即取得了巨大的成功。
[nextpage]
人脸识别系统在北京奥运会的应用
需求分析
业务需求:确保重要场馆内的人员身份合法,避免不法分子为达成其某种目的而造成的会场混乱。
需求点1:参会人员(运动员、志愿者、工作人员、观众)采用实名制登记。
需求点2:参会人员从特定的通道进行身份认证后方可入场。
需求点3:建设参会人员数据库和重点嫌疑人员数据库。
用例1:参会人员递交身份信息(含近期照片),系统检查照片信息的适用性,提取照片信息的数字特征,建立数字特征与入场通行证件(如门票)的一一对应关系。
用例2:参会人员持入场通行证件通过特定通道,部署于通道的人脸识别系统获取通行证件的数字ID,调用数据库内数字特征。
用例3:部署于通道的检测设备检测到待通过参会人员,检测出待通过参会人员的人脸图像,提取该人脸图像的数字特征。
用例4:将用例2中的数字特征和用例3中的数字特征进行比对,根据设定的相似度阈值,给出该两组数字特征是否为合法匹配。如合法,则放行;如非法,则给出报警提示。
用例5:建立重点嫌疑人员人脸图像数据库,提取其数据特征备查。
用例6:将用例3中数字特征与用例5中的数字特征中进行检索,如检索到可疑人员则给出报警提示。
建库流程如图2所示,现场认证流程如图3所示。
部署
服务于奥运会的人脸识别系统包括前端的人脸识别认证终端和后台的服务器。人脸识别认证终端用于现场的人脸比对认证,并将认证结果通过中转服务器上传到安保中心的服务器,用于观众入场信息的汇总和统计,便于安保指挥人员实时掌握所有通道的观众流量、通过情况等信息,为指挥决策提供必要的辅助。系统架构如图4所示。
[nextpage]
每一台人脸识别认证终端包括一台用于识别门票RFID信息的刷票设备和一台人脸识别认证设备。当观众刷票时,人脸识别认证识别自动获得由刷票设备发来的信号,启动人脸识别比对功能,随后将比对结果返回给刷票设备,并显示在刷票设备的显示屏上,供志愿者参考。人脸识别认证设备将结果同时上传到中转服务器,由中转服务器上传至安保中心。认证流程如图5所示。
由于整个奥林匹克中心区需要在短短数小时之内快速通过多达10万名观众入场,因此部署了大约100台人脸识别认证终端。在人流量密集时,这些终端设备上传的数据流量较大,为了避免网络拥塞,减少安保中心服务器的负荷,系统通过多级中转服务器转发数据,有效降低了网络压力,提高了系统的稳定性和响应速度。
系统运行情况
在已经成功举行的奥运会开闭幕式上,观众总人数都达到了接近10万人,每个通道的平均人流量达到1000人次,一些人流量比较密集的安检棚通过的人数更多。在整个系统运行期间,所有服务器和终端设备运行良好,未出现一例故障,充分保证了观众的通行速度,并且,利用具有人脸比对功能的票证系统,查处了十几起冒用、持有非法门票的行为,充分保障了奥运会开闭幕式的顺利进行。
清识?人脸识别技术的特点
成功应用于北京奥运会的人脸识别系统具有以下主要特点。
·友好:该人脸识别系统融合了计算机图像处理技术与生物统计学原理,通过提取人像特征点、分析并建立数学模型、进行比对验证等一连串复杂的运算工作。在计算机人脸识别的基础上,提供丰富的人机交互功能,具有良好的可视化效果,易于人们接受;
·隐蔽:利用摄像机自动采集合适的人脸像传输到后台比对,不会引起被检测人的的反感。而在一些场合,更具备隐蔽性,在被检测人不经意间完成人像采集和比对;
·高效:相对于其他生物特征识别,人脸采集要更加快捷方便。该人脸识别系统利用多种专利技术对人脸检测、特征提取和匹配进行了优化加速,使得整个比对识别过程要快捷很多。在理想的系统环境和硬件设备支持下,完成一个比对识别工作所需时间不到1秒;
·安全:人脸采集手段一般为可见光下非接触式的,而且普通摄像头就能完成,相比于其他一些需要特殊采集设备或接触式设备来说,对被检测人的各种身体损害也降到最低;
·准确:该系统结合RFID的数字匹配,FAR和FRR均低于万分之一;
·易于集成:视频监控已经在很多领域广泛应用,一般的摄像设备和其他硬件均能达到人脸识别要求,所以无需投入大量的其他设备,就能在现有硬件基础上进行升级改造至人脸识别系统,大大降低了建设成本。
人脸识别技术的趋势和误区
虽然随着科学技术的发展,人脸识别的准确率有了长足的提高;但不可否认,任何一项识别技术都有其技术的局限性。要获得更高的识别率、更快的速度、更强的适应性,除了要找对研究方向,加大研发投入,还要根据实际的需求,结合多种应用模式来扬长补短。根据分析表明,我国人脸识别技术及其产业逐渐呈现出几个趋势,同时也存在着一些误区,需要研究和应用单位引起注意。 [nextpage]
技术分工的细化
人脸识别技术已经成为生物特征识别市场的一个新的热点和增长点,光是我国就有上百个研究单位在开展着相应的研究,而其中不乏一些创新的思想和方法。自主知识产权的技术已经越来越受到国家和研究机构的重视,而随着研究的深入,对于人脸识别的各个步骤的细化分工也渐趋明朗。
研究和产业化的分离
近年来,人脸识别领域涌现出一批新的企业。相较于若干年前以研究单位为代表的技术推广,逐渐走向了专业分工,即研究单位专心研究算法的提高,而实体企业则致力于产品化和应用推广。
标准化
由于技术分工的细化,各个环节之间的交互显得愈加重要,而对这种交互的接口标准化要求也日益紧迫。同时,产业化也要求各个人脸识别技术提供厂商有一个统一的规范。针对这一现状,我国公安部组织有关单位逐步开始了人脸识别技术的标准化工作,并着手建立中国的人脸识别统一测试平台。
国际测试和识别率误区
正如前文所述,当前国际上已有若干研究单位建立了用于人脸识别研究的人脸数据库,也有国际组织不定期组织全球主要人脸识别研究者和厂商的技术测试;但是,由于人脸识别技术的有效性很大程度上依赖于输入设备、人脸图像的质量、人脸数据库的构成等等不确定因素,因此,针对不同的应用需求不应该拘泥于某一种特定的人脸识别算法,而应该审慎分析实际应用情况,选择最适合的应用模式。某种算法在A测试中是优秀的算法,但是在B应用中或许就是一种糟糕的选择。某种人脸识别技术在测试数据库C中有着很好的识别率,但是在D数据库中或许就并不适用了。
芯片化误区
虽然芯片化有着其独特的优势和诱惑力,但是由于人脸识别技术需要处理大量的图像数据,因此对图像处理速度和内存容量均有着较高的要求。我们认为,利用固化硬件对人脸识别的若干步骤进行优化加速是可行的,但是如果盲目追求识别技术的全盘芯片化,极有可能会得不偿失。