動(dòng)態(tài)人臉識(shí)別在偵查工作中的應(yīng)用

欒潤生 劉國防 王超強(qiáng)

（1 安徽公安職業(yè)學(xué)院偵查系 安徽 合肥 230031；2 合肥市公安局視頻偵查支隊(duì) 安徽 合肥 230000）

1 前言

隨著技術(shù)的進(jìn)步和社會(huì)需求的發(fā)展，行業(yè)化、商業(yè)化推動(dòng)了人臉識(shí)別的高速發(fā)展。隨著公安系統(tǒng)、小區(qū)門禁、智能門鎖、智能考勤、智能汽車、智能手機(jī)等一系列行業(yè)應(yīng)用和智能家居、設(shè)備的普及、催生，越來越多的應(yīng)用都將人臉識(shí)別這一固有的生物識(shí)別技術(shù)普及、應(yīng)用、發(fā)展提高。在公安工作中，從我國刑事犯罪的發(fā)展與偵查治理來看，當(dāng)前我國仍處于刑事犯罪的高發(fā)時(shí)期，刑事案件仍舊高位運(yùn)行，刑事犯罪正在從“網(wǎng)下”傳統(tǒng)接觸式走向“網(wǎng)上”非接觸式。諸如黑惡勢(shì)力“網(wǎng)絡(luò)化”、網(wǎng)絡(luò)暴力、電信網(wǎng)絡(luò)新型違法犯罪、網(wǎng)絡(luò)販槍和傳統(tǒng)盜搶騙的有組織化、網(wǎng)絡(luò)化、動(dòng)態(tài)化等，正在形成新時(shí)代下刑事犯罪新形態(tài)[1]。而云取證、互聯(lián)網(wǎng)+、物聯(lián)網(wǎng)、大數(shù)據(jù)+、人工智能、智能家居、智能汽車、無人機(jī)等一批智能前沿設(shè)備的發(fā)展應(yīng)用并逐漸成為主流的這一特征，使得人臉識(shí)別向自動(dòng)化、智能化方向發(fā)展是必然的趨勢(shì)。

人臉識(shí)別技術(shù)的應(yīng)用始于20世紀(jì)60年代，國外對(duì)人臉識(shí)別技術(shù)的相關(guān)研究，限于當(dāng)時(shí)的技術(shù)水平和應(yīng)用領(lǐng)域，僅僅是在一般模式識(shí)別領(lǐng)域和人臉幾何特征算法方面的研究[2]，主要是從認(rèn)知、感知和心理學(xué)方向進(jìn)行探索[3]，從面部輪廓曲線、基于面部的幾何結(jié)構(gòu)中提取特征。到20世紀(jì)90年代初期，人臉識(shí)別技術(shù)開始從人臉的面部彈性圖特征匹配、灰度圖像、形狀分離及人臉模型可變等方面進(jìn)行研究[4]，這一階段的人臉識(shí)別較初期有了長足的發(fā)展，無論是在識(shí)別率上還是識(shí)別條件都有巨大改進(jìn)和豐碩成果。隨著計(jì)算機(jī)技術(shù)、信息網(wǎng)絡(luò)、芯片工藝、光學(xué)成像等技術(shù)的發(fā)展成熟，到20世紀(jì)90年代后期，人們開始了人臉識(shí)別的主要行業(yè)落地應(yīng)用，并建立了一些商業(yè)人臉識(shí)別系統(tǒng)，這一時(shí)期不僅在技術(shù)層面上有了很大的提升，諸如多維特征矢量法、局部特征分析法、彈性圖標(biāo)匹配技術(shù)等，而且隨著人工智能的深入應(yīng)用，人臉識(shí)別逐漸能夠達(dá)到主動(dòng)學(xué)習(xí)、自動(dòng)識(shí)別的效果[5]。21世紀(jì)以來，人們不斷探索，從硬件性能提升到軟件算法改進(jìn)，諸如人臉空間建模、人臉3D識(shí)別法、基于各種外部因素的人臉識(shí)別方法①各種外部因素算法包括：基于光照、拍攝角度、幾何特征、人臉特征、地域特征、模板匹配、神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型、貝葉斯理論、支持向量機(jī)等。、深度學(xué)習(xí)、大數(shù)據(jù)、人工智能等理論，使得當(dāng)前人臉識(shí)別達(dá)到空前熱度和成熟度，基本達(dá)到快速、精準(zhǔn)、誤差的魯棒性能等特征。一些關(guān)于人臉識(shí)別的技術(shù)綜述有詳細(xì)的闡述。

科學(xué)技術(shù)的突飛猛進(jìn)使人臉識(shí)別得到了長足的發(fā)展，現(xiàn)在的網(wǎng)絡(luò)信息化、大數(shù)據(jù)、高清視頻的迅猛發(fā)展催生了大量對(duì)人臉識(shí)別的課題研究、論文發(fā)表、應(yīng)用方向，很多知名理工大學(xué)、IT行業(yè)產(chǎn)業(yè)都有專門的研究組對(duì)這一領(lǐng)域進(jìn)行大量深入的研究、探索，當(dāng)前對(duì)人臉識(shí)別的研究應(yīng)用幾乎達(dá)到了“泛濫”的程度[6]。

縱觀人臉識(shí)別的發(fā)展，其核心要素包括硬件設(shè)備，如芯片、處理器的運(yùn)算能力和前端采集設(shè)備、線路端的圖像傳輸設(shè)備，以及系統(tǒng)后端的數(shù)據(jù)存儲(chǔ)、分析、控制、輸出和顯示設(shè)備等一系列硬件的集合；軟件環(huán)境，如高報(bào)警準(zhǔn)確率②報(bào)警準(zhǔn)確率=報(bào)警正確數(shù)/報(bào)警數(shù)。的內(nèi)核引擎、高響應(yīng)度的應(yīng)用系統(tǒng)和核心算法的優(yōu)化升級(jí)等；基礎(chǔ)數(shù)據(jù)，如數(shù)據(jù)的采集設(shè)施③數(shù)據(jù)采集設(shè)施包括可以產(chǎn)生人臉圖片、視頻數(shù)據(jù)的人臉抓拍機(jī)、高清網(wǎng)絡(luò)攝像機(jī)、視頻門禁、警務(wù)通、執(zhí)法記錄儀、認(rèn)證采集儀、人臉閘機(jī)和卡口電警等。、一定量級(jí)和有價(jià)值的比對(duì)數(shù)據(jù)庫等。只有同時(shí)優(yōu)化提高這3方面的技術(shù)指標(biāo)，才能保證人臉識(shí)別應(yīng)用的準(zhǔn)確性、高效性、實(shí)用性。因此，“人臉識(shí)別系統(tǒng)”集成了數(shù)據(jù)采集、機(jī)器識(shí)別、機(jī)器學(xué)習(xí)、模型理論、專家系統(tǒng)、圖像處理、大數(shù)據(jù)分析、云計(jì)算與存儲(chǔ)和人工智能等。并結(jié)合中間值處理理論與實(shí)現(xiàn)機(jī)制，可以說，它是當(dāng)今生物特征識(shí)別技術(shù)應(yīng)用領(lǐng)域的又一里程碑式的新突破。借助于高度集成與迅猛發(fā)展的信息化科學(xué)技術(shù)、立足于大數(shù)據(jù)采集分析、借助于5G網(wǎng)絡(luò)高帶寬傳輸，將共識(shí)算法、身份認(rèn)證、智能合約、云計(jì)算、區(qū)塊鏈等多類技術(shù)不斷優(yōu)化升級(jí)，定會(huì)推動(dòng)并加快人臉識(shí)別應(yīng)用由弱人工智能向中強(qiáng)人工智能深度應(yīng)用時(shí)代邁進(jìn)的步伐。

2 背景

隨著國民經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加快，從20世紀(jì)80年代初到2015年，全國各地的城市人口大量涌現(xiàn)，中國的流動(dòng)人口總數(shù)呈增長趨勢(shì)。統(tǒng)計(jì)顯示：2017年全國流動(dòng)人口總量為2.445億④根據(jù)國家衛(wèi)生健康委員會(huì)發(fā)布的《中國流動(dòng)人口發(fā)展報(bào)告2018》。。由于流動(dòng)人口的規(guī)模導(dǎo)致了區(qū)域人員構(gòu)成相對(duì)復(fù)雜，這對(duì)城市公共安全領(lǐng)域的人員安全防范與管控等方面提出了巨大挑戰(zhàn)。按照原有的工作模式——僅憑傳統(tǒng)的人工查看視頻的方式，試圖從海量非結(jié)構(gòu)化視頻數(shù)據(jù)中檢索分析、逐一排查進(jìn)行業(yè)務(wù)處理和案件辦理，猶如大海撈針，費(fèi)時(shí)費(fèi)力、收效甚微，不論是從工作效率上還是對(duì)一線警情壓力上，與當(dāng)前社會(huì)的大數(shù)據(jù)理念和快節(jié)奏的生活、工作方式都是不匹配的。因此，亟需創(chuàng)新工作模式、改進(jìn)傳統(tǒng)工作方法，借力于當(dāng)前科技發(fā)展和信息網(wǎng)絡(luò)力量。一套成熟度高、可靠性好的人臉識(shí)別系統(tǒng)可以實(shí)現(xiàn)對(duì)人臉大數(shù)據(jù)的快速采集檢索、秒級(jí)分析、聯(lián)動(dòng)研判、精準(zhǔn)落地等高效應(yīng)用，可以解決傳統(tǒng)警務(wù)工作模式中的低效、延時(shí)問題，突破人員管控的瓶頸難題。2014年底，公安部下發(fā)的《關(guān)于做好公安“十三五”規(guī)劃編制工作的補(bǔ)充通知》中明確提出：“十三五”期間，人員數(shù)據(jù)智能數(shù)據(jù)采集系統(tǒng)（簡稱“雄關(guān)計(jì)劃”）的建設(shè)將在縣級(jí)以上城市進(jìn)行。在重點(diǎn)城市，重點(diǎn)關(guān)注重點(diǎn)區(qū)域和重要出入口，通過人員卡口、電子圍欄、視頻監(jiān)控、移動(dòng)卡口等前端設(shè)備建立多模式高通量人員特征信息采集與識(shí)別系統(tǒng)。加強(qiáng)預(yù)測(cè)和警告關(guān)鍵人員異常行為的能力。這指出了國家公安機(jī)關(guān)開展面對(duì)大數(shù)據(jù)建設(shè)的方向和要求?！扒岸酥悄懿杉?云端解析應(yīng)用”人臉大數(shù)據(jù)研究與判斷系統(tǒng)的建設(shè)必將把視頻監(jiān)控系統(tǒng)推向一個(gè)新的高度。

3 動(dòng)態(tài)人臉識(shí)別的概念、特點(diǎn)和架構(gòu)

根據(jù)公安服務(wù)的實(shí)際應(yīng)用需求，動(dòng)態(tài)人臉識(shí)別是一種利用人臉識(shí)別、深度學(xué)習(xí)、大數(shù)據(jù)和云計(jì)算的技術(shù)。設(shè)計(jì)了動(dòng)態(tài)人臉大數(shù)據(jù)分析應(yīng)用系統(tǒng)、結(jié)合實(shí)戰(zhàn)經(jīng)驗(yàn)、犯罪心理學(xué)、犯罪行為學(xué)等實(shí)踐經(jīng)驗(yàn)和理論研究。通過建立科學(xué)合理的數(shù)據(jù)分析模型，提供相應(yīng)的數(shù)據(jù)或事件檢索、關(guān)聯(lián)、分析、比較、標(biāo)簽、存儲(chǔ)等服務(wù)，發(fā)現(xiàn)隱藏在數(shù)據(jù)和事件之間的高價(jià)值數(shù)據(jù)或線索，并升級(jí)傳統(tǒng)的“從案例到汽車，從汽車到人”檢測(cè)模式，創(chuàng)新擴(kuò)展到一種新的運(yùn)作模式——“從案到人，從人到人，從人到身份，從身份到人”。

3.1 動(dòng)態(tài)人臉識(shí)別的概念

按照人類對(duì)事物的認(rèn)識(shí)規(guī)律，識(shí)別，即是人類通過感官系統(tǒng)（比如眼睛、耳朵等）對(duì)外界事物的信息接收與獲取，然后將信息傳遞給大腦進(jìn)行分析、識(shí)別、判斷，最終決定采取相應(yīng)響應(yīng)動(dòng)作的一個(gè)過程。動(dòng)態(tài)人臉識(shí)別（DynamicFaceRecognition），就是把照相機(jī)、攝像機(jī)和圖形圖像采集等儀器設(shè)備作為我們的眼睛和耳朵，獲取和接收人臉圖像信息，通過傳輸，存儲(chǔ)到后臺(tái)服務(wù)器來執(zhí)行實(shí)時(shí)特征提取和特征點(diǎn)比對(duì)分析。通過與既有數(shù)據(jù)庫原型數(shù)據(jù)進(jìn)行相似度識(shí)別判斷，得出相似度數(shù)值并輸出的過程。

動(dòng)態(tài)人臉識(shí)別系統(tǒng)主要包括人臉檢測(cè)、跟蹤、特征值提取、識(shí)別等模塊[7]。所謂動(dòng)態(tài)，是相對(duì)于靜態(tài)而言，它是在實(shí)時(shí)檢測(cè)、采集到人臉數(shù)據(jù)的同時(shí)運(yùn)行數(shù)據(jù)處理分析模塊，采用深度學(xué)習(xí)算法和圖形處理器（CPU）功能，一種面部結(jié)構(gòu)數(shù)據(jù)系統(tǒng)，用于從諸如由前端設(shè)備收集的視頻和圖像的非結(jié)構(gòu)化數(shù)據(jù)中提取面部屬性和構(gòu)建視頻圖像，通過實(shí)時(shí)和深度挖掘技術(shù)提取特征和構(gòu)建模型，以形成可由機(jī)器快速識(shí)別的分析數(shù)據(jù)。并在各種、各級(jí)、各類已建在建資源庫數(shù)據(jù)中進(jìn)行檢索比對(duì)實(shí)時(shí)預(yù)警的過程。動(dòng)態(tài)人臉識(shí)別是建立在初期人臉識(shí)別概念、中期自動(dòng)人臉識(shí)別研究和現(xiàn)階段大數(shù)據(jù)實(shí)時(shí)采集、分析、處理、輸出的一個(gè)系統(tǒng)，突出“動(dòng)態(tài)”特性。

3.2 動(dòng)態(tài)人臉識(shí)別的特點(diǎn)及技術(shù)實(shí)現(xiàn)

3.2.1 深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要分支，是傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的重要延伸。作為一個(gè)多層次的非線性神經(jīng)網(wǎng)絡(luò)模型，它具有強(qiáng)大的學(xué)習(xí)能力，結(jié)合大數(shù)據(jù)，云計(jì)算和GPU并行計(jì)算。它已廣泛應(yīng)用于圖形圖像處理、視覺、語音和生物識(shí)別等領(lǐng)域和專門行業(yè)[8]。自2007年以來，人臉數(shù)據(jù)庫LFW（LabeledFacesintheWild）[9]作為權(quán)威人臉識(shí)別測(cè)試數(shù)據(jù)庫，大量基于深度學(xué)習(xí)的人臉識(shí)別方法在LFW數(shù)據(jù)集上獲得了突破性的結(jié)果。Face++提出的MegviiFaceRecognitionSystem[10]采用常規(guī)的深度卷積網(wǎng)絡(luò)模型，訓(xùn)練數(shù)據(jù)是通過網(wǎng)絡(luò)搜集的500萬張人臉圖像，訓(xùn)練后的模型在LFW人臉數(shù)據(jù)集上準(zhǔn)確率達(dá)到了驚人的0.9950，超過了人眼0.9427～0.9920的識(shí)別精度。DeepFace通過額外的3d模型重構(gòu)正臉頭像，在LFW人臉數(shù)據(jù)集上達(dá)到了0.9735的精度[11]。百度的方法結(jié)合了util-patchdeepCNN和deepmetriclearning來提取人臉特征，訓(xùn)練數(shù)據(jù)為1.8萬人的120萬人臉圖像，在人臉數(shù)據(jù)集LFW上達(dá)到了0.9977的超高精度[12]。

3.2.2 大數(shù)據(jù)技術(shù)

如今全球數(shù)據(jù)化時(shí)代，數(shù)據(jù)的產(chǎn)生和存儲(chǔ)量在逐年增加。根據(jù)國際數(shù)據(jù)公司（IDC）跟蹤分析顯示：2012年全球產(chǎn)生的數(shù)據(jù)總量已達(dá)到1.8ZB①數(shù)據(jù)基本單位換算：1ZB=1024EB;1EB=1024PB;1PB=1024TB;1TB=1024GB;1GB=1024MB;1MB=1024KB;1KB=1024B;1B=8b(bit位).，預(yù)計(jì)到2020年將達(dá)到35ZB，其中約22%將來自中國[13]。借助大數(shù)據(jù)4V功能②大數(shù)據(jù)有4個(gè)特點(diǎn)，為別為：Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價(jià)值），一般我們稱之為4V。EB/OL-大數(shù)據(jù)是什么？大數(shù)據(jù)時(shí)代4個(gè)特點(diǎn)。https://baijiahao.baidu.com/s?id=1601445047342656382&wfr=spider&for=pcz.，結(jié)合公安管控業(yè)務(wù)的實(shí)際需求，基于分布式計(jì)算、全文搜索引擎等技術(shù)，解決并提供系統(tǒng)內(nèi)海量數(shù)據(jù)的結(jié)構(gòu)化、半結(jié)構(gòu)化類型的存儲(chǔ)、快速檢索、分析統(tǒng)計(jì)等應(yīng)用。通過大數(shù)據(jù)的深度學(xué)習(xí)、關(guān)聯(lián)分析、聚類融合等技術(shù)手段，對(duì)事件（務(wù)）的發(fā)展趨勢(shì)做出研判、預(yù)測(cè)并給予客觀科學(xué)、可靠性決策建議。

3.2.3 高性能計(jì)算技術(shù)

對(duì)于傳統(tǒng)的計(jì)算密集型應(yīng)用程序，它通常適用于使用傳統(tǒng)刀片集群的大規(guī)模多節(jié)點(diǎn)并行性。對(duì)于無法執(zhí)行多節(jié)點(diǎn)跨節(jié)點(diǎn)并行性的多線程應(yīng)用程序，內(nèi)存、I/O（輸入和輸出）要求很高，即使具有特殊附加卡要求的應(yīng)用程序也需要更高的單節(jié)點(diǎn)處理性能，更高的內(nèi)存和I/O（輸入和輸出）可擴(kuò)展性要求及附加卡可擴(kuò)展性要求。通常，SMP胖節(jié)點(diǎn)配置為滿足應(yīng)用程序要求。同時(shí)，在圖形領(lǐng)域，GPU可以提供更高的性能和更好的能效比，并配置大量的高密度GPU節(jié)點(diǎn)，以滿足圖形計(jì)算的需求（如圖1）。

3.3 動(dòng)態(tài)人臉識(shí)別系統(tǒng)架構(gòu)

3.3.1 物理架構(gòu)

圖1 GPU加速工作原理和GPU+CPU組成模塊并行計(jì)算架構(gòu)

動(dòng)態(tài)人像應(yīng)用系統(tǒng)由視圖接入系統(tǒng)、視圖解析引擎、比對(duì)引擎、大數(shù)據(jù)分析引擎、應(yīng)用系統(tǒng)、圖片存儲(chǔ)等部分組成。主要完成人臉抓拍機(jī)、網(wǎng)絡(luò)攝像機(jī)、視頻平臺(tái)或者圖片平臺(tái)的接入和協(xié)議適配；解碼、取景、面部追蹤和視頻的臉部捕捉；根據(jù)人臉?biāo)谖恢谩⑷四槾笮?、人臉偏轉(zhuǎn)情況及光線環(huán)境等情況自動(dòng)對(duì)人臉圖片質(zhì)量進(jìn)行判斷，屏幕并標(biāo)記最佳質(zhì)量的圖像，用于特征提取，面部建模和數(shù)據(jù)結(jié)構(gòu)化。搜索要實(shí)時(shí)比較的面部特征值流對(duì)并在單個(gè)目標(biāo)庫中搜索目標(biāo)，為布控功能提供基礎(chǔ)計(jì)算能力支持。

3.3.2 邏輯架構(gòu)

動(dòng)態(tài)人像應(yīng)用系統(tǒng)及其周邊系統(tǒng)從邏輯上由基礎(chǔ)設(shè)施層（Iaas）、智能視頻服務(wù)層（Paas）、智能視頻應(yīng)用層（Saas）、用戶場景層組成。包括數(shù)據(jù)采集基礎(chǔ)設(shè)施、網(wǎng)絡(luò)傳輸基礎(chǔ)設(shè)施、數(shù)據(jù)中心基礎(chǔ)設(shè)施；人臉抓拍機(jī)、高清網(wǎng)絡(luò)攝像機(jī)、視頻門禁、警務(wù)通、執(zhí)法記錄儀、人證采集設(shè)備、人臉閘機(jī)、卡口電警；數(shù)據(jù)接入服務(wù)、基礎(chǔ)服務(wù)，數(shù)據(jù)接入服務(wù)處理原始視圖數(shù)據(jù)的接入、編解碼、流媒體轉(zhuǎn)發(fā)以及異構(gòu)網(wǎng)絡(luò)的擺渡服務(wù)等。視圖解析引擎、大數(shù)據(jù)分析引擎、深度學(xué)習(xí)訓(xùn)練引擎、比對(duì)引擎四大引擎及一套視圖分布式存儲(chǔ)系統(tǒng)。通過對(duì)下層服務(wù)的抽象和封裝、結(jié)合業(yè)務(wù)流程，對(duì)外提供包括基本的注冊(cè)認(rèn)證權(quán)限功能，以及人員軌跡研判、人員身份研判、重點(diǎn)人員布控、大數(shù)據(jù)技戰(zhàn)法功能、數(shù)據(jù)統(tǒng)計(jì)功能等。支持通過SDK等方式與公安常見的業(yè)務(wù)系統(tǒng)，比如八大庫、PGIS等進(jìn)行交互，實(shí)現(xiàn)技戰(zhàn)法的綜合應(yīng)用。

4 抓捕機(jī)制與實(shí)戰(zhàn)效果

H市公安局視頻偵查支隊(duì)在人臉識(shí)別領(lǐng)域開拓創(chuàng)新，通過人臉識(shí)別技術(shù)，已經(jīng)實(shí)現(xiàn)抓捕人數(shù)的大幅度增長，其中包含全國在逃人員（包括在逃10年以上）、本地三車人員、扒竊人員、吸毒人員等。在實(shí)際工作中，有許多實(shí)戰(zhàn)經(jīng)驗(yàn)輸出，包括夜晚低分值預(yù)警研判追蹤、歷史預(yù)警追蹤、戴口罩犯罪嫌疑人的研判抓捕、戴墨鏡的犯罪嫌疑人的研判抓捕、模糊圖片的人臉識(shí)別研判等經(jīng)驗(yàn)總結(jié)，對(duì)開展人臉識(shí)別和犯罪嫌疑人抓捕工作具有重大突破。

4.1 H市視頻偵查人臉識(shí)別抓捕機(jī)制

與傳統(tǒng)歷史預(yù)警，即通過對(duì)過去的視頻數(shù)據(jù)進(jìn)行分析研判，確定人員的同一性，再進(jìn)一步研判、分析、跟蹤，直到實(shí)施抓捕不同的是，實(shí)時(shí)預(yù)警是動(dòng)態(tài)人像識(shí)別，實(shí)時(shí)判斷目標(biāo)動(dòng)態(tài)人像相似度，利用系統(tǒng)比對(duì)加上人工適時(shí)干預(yù)，判斷身份信息同一性并進(jìn)行實(shí)時(shí)視頻追蹤，結(jié)合回溯相關(guān)歷史視頻數(shù)據(jù)進(jìn)行梳理歷史視頻軌跡進(jìn)行警力調(diào)配，實(shí)施抓捕的過程。

4.1.1 歷史預(yù)警

針對(duì)歷史預(yù)警信息，可以通過分析研判，判斷預(yù)警信息是否為同一人，如果是同一人，可以通過圖2流程圖所示的信息進(jìn)一步研判、分析、跟蹤，直到實(shí)施抓捕。

圖2 歷史預(yù)警模型

4.1.2 實(shí)時(shí)預(yù)警

實(shí)時(shí)預(yù)警部分屬于動(dòng)態(tài)人像識(shí)別部分，是目前人臉識(shí)別技術(shù)應(yīng)用最為廣泛、直觀的部分，對(duì)于打擊犯罪、實(shí)時(shí)人員管控起到最為直接的效能。H市視偵在現(xiàn)有的人像識(shí)別技術(shù)中不斷探索，深挖行業(yè)能力，通過實(shí)時(shí)預(yù)警實(shí)時(shí)抓捕犯罪數(shù)起，對(duì)打擊犯罪、維護(hù)社會(huì)治安起到良好的作用。圖3所示為H市視偵在貼合實(shí)戰(zhàn)使用中不斷探索的實(shí)時(shí)預(yù)警出警機(jī)制，通過一整套的系統(tǒng)融合、加上人工干預(yù)，充分發(fā)揮了人臉識(shí)別系統(tǒng)的強(qiáng)大功能。

4.1.3 戴口罩、戴墨鏡、模糊圖像研判分析

圖3 實(shí)時(shí)預(yù)警模型

在實(shí)際案件中，犯罪嫌疑人反偵查意識(shí)能力越來越強(qiáng)，犯罪嫌疑人通常采用多種方式實(shí)施遮擋，包括戴帽子、戴口罩、低頭等多種方式遮擋，導(dǎo)致人臉識(shí)別系統(tǒng)無法直接抓拍到人臉特征信息，針對(duì)這類人員，可利用衣著、體型、步態(tài)等特征進(jìn)行“以圖搜圖”等方式，通過綜合研判核實(shí)人員身份信息。目前，H市視偵在經(jīng)過大量數(shù)據(jù)的整合、人像大數(shù)據(jù)的應(yīng)用，目前針對(duì)戴口罩、戴帽子等遮擋面部人員已經(jīng)可以實(shí)施有效打擊，一年來針對(duì)這部分人實(shí)施抓捕多人，給社會(huì)治安作出重大貢獻(xiàn)。遮擋、模糊圖像的研判模型如圖4所示。

圖4 遮擋、模糊圖像研判模型

4.2 實(shí)戰(zhàn)效果及案例

4.2.1 預(yù)警追逃

在實(shí)時(shí)視頻圖像中捕獲面部信息，并且與布控庫內(nèi)的面部數(shù)據(jù)進(jìn)行比對(duì)，執(zhí)行碰撞指令，并且相似性達(dá)到設(shè)定的預(yù)警閾值。

案例1：動(dòng)態(tài)人像快速鎖定潛逃5年命案逃犯

2018年6月某日下午14時(shí)50分許，人卡預(yù)警：疑似2013年5月某日因涉嫌故意傷害致人死亡被上海警方上網(wǎng)追逃的在逃人員周某某在某超市門口出現(xiàn)。綜合多家科技公司人卡系統(tǒng)交叉比對(duì)和人工干預(yù)研判，均傾向于命案逃犯周某某，隨同步推送至行動(dòng)隊(duì)對(duì)其進(jìn)行現(xiàn)場盤查，隨后結(jié)合其他認(rèn)證比對(duì)信息，確認(rèn)了其身份。

4.2.2 臨時(shí)布控

針對(duì)轄區(qū)電瓶車、系列車內(nèi)物品盜竊案件在時(shí)效性、破案追贓等方面困難重重。利用動(dòng)態(tài)人像識(shí)別系統(tǒng)進(jìn)行臨時(shí)布控，各警種部門根據(jù)工作需求，申請(qǐng)視頻臨時(shí)布控。相對(duì)于其他技術(shù)手段，門檻低、時(shí)效性強(qiáng)，收效好。目前臨時(shí)布控庫共布控212人次，抓獲180人次。

案例2：系列盜竊車內(nèi)物品案

經(jīng)對(duì)圖偵庫多起案件梳理串并，鎖定兩名犯罪嫌疑人。其駕乘車輛、衣著體型、鞋子高度相似，傾向于同一伙人。遂進(jìn)行動(dòng)態(tài)人像臨時(shí)布控預(yù)警，視頻偵查員立即開展視頻追蹤工作。一路追蹤近3個(gè)小時(shí)，調(diào)閱上百個(gè)探頭，截取上百張有效截圖畫面，于下午18時(shí)30分許，犯罪嫌疑人在某交叉路口伺機(jī)作案時(shí)，被早已在視頻可視化指揮下的偵查員和附近特警巡控人員當(dāng)場抓獲。

4.2.3 智能管控

針對(duì)特定治安復(fù)雜區(qū)域、重大活動(dòng)安保現(xiàn)場，建立連線劃片，閉環(huán)人像觸發(fā)網(wǎng)絡(luò)，達(dá)到人像虛擬圍欄的效果，是進(jìn)行區(qū)域智能管控的有效手段。位于老城區(qū)內(nèi)的二手車（三車）交易市場，道路錯(cuò)綜復(fù)雜，治安狀況較為惡劣情況，在架設(shè)探頭基礎(chǔ)上，增設(shè)專用智能人臉相機(jī)，形成人像虛擬圍欄。做到三車前科人員進(jìn)入該區(qū)域即觸發(fā)報(bào)警，并及時(shí)對(duì)特定人員活動(dòng)軌跡實(shí)施特定管控。同時(shí)，實(shí)現(xiàn)了基于人像識(shí)別的全市扒竊前科人員預(yù)警、抓捕、盤查和重點(diǎn)人員管控。動(dòng)態(tài)人像識(shí)別能及時(shí)發(fā)現(xiàn)、掌握其活動(dòng)軌跡，推送街面行動(dòng)力量，由事后打擊向事前預(yù)警轉(zhuǎn)變。

4.2.4 同行伴隨，揪出“隱形人”

對(duì)于一些有前科劣跡人員再次作案時(shí)，他們的反偵查意識(shí)不斷增強(qiáng)，已經(jīng)不僅僅是針對(duì)在攝像頭下的簡單遮擋了，他們作案后反而會(huì)“堂而皇之”“從容不迫”地出現(xiàn)在監(jiān)控之下，而公安工作中卻無法對(duì)其劃定軌跡、定位落腳點(diǎn)。這一類犯罪嫌疑人稱之為“隱形人”，而對(duì)于這樣的“隱形人”，僅僅依靠視頻檢索分析、追蹤定位是不夠的，還需要使用其他方法來破解難題。而對(duì)他的同行人進(jìn)行伴隨分析，便能很好地關(guān)聯(lián)出這個(gè)“隱形人”，如果繼續(xù)深挖的話還能起到打擊窩點(diǎn)、團(tuán)伙的良好效果。這種“同行伴隨法”針對(duì)多人、流竄作案的打擊效果尤為明顯。

案例4：動(dòng)態(tài)分析同行人伴隨出流竄慣犯

2019年5月上旬，家住黃山市某小區(qū)的葉女士報(bào)警稱其被人實(shí)施了傳統(tǒng)的“丟包詐騙”，犯罪嫌疑人為兩人，均為男性，年長者年齡在50歲左右。民警遂通過受害人提供的線索及周邊監(jiān)控，通過循線追蹤及受害人指認(rèn)等方式獲取了一張犯罪嫌疑人的監(jiān)控照片（如圖5）。但是該照片只有年長者犯罪嫌疑人且圖形模糊，不具備比對(duì)條件。后通過動(dòng)態(tài)檢索獲取了一張清晰照片（如圖6），但對(duì)年長者進(jìn)行查詢沒有任何軌跡信息，工作一度進(jìn)入僵局。后通過對(duì)同行年輕者（白色長袖T恤者）進(jìn)行多次動(dòng)態(tài)檢索，獲取其清晰正面照片后并落地身份（如圖7），經(jīng)研判發(fā)現(xiàn)了該年輕人的活動(dòng)軌跡信息，隨進(jìn)行伴隨落地，并在該小伙登記住宿點(diǎn)將兩人同時(shí)抓獲。

圖5 犯罪嫌疑人1

圖6 犯罪嫌疑人1/2

圖7 犯罪嫌疑人2

5.2.5 快破大案、多破小案

人臉識(shí)別系統(tǒng)除抓拍人臉外，還抓拍全身及全景圖片，逐漸形成了視頻大數(shù)據(jù)。通過對(duì)人臉數(shù)據(jù)、人體特征及伴隨圖像進(jìn)行檢索分析，實(shí)現(xiàn)了對(duì)犯罪嫌疑人員活動(dòng)軌跡的掌控，為大要案偵破中情報(bào)研判和案件串并提供支撐。同時(shí)，視頻大數(shù)據(jù)對(duì)盜竊三車犯罪嫌疑人員，可通過分析一人多次騎不同車輛（如圖8），有效實(shí)現(xiàn)案件研判串并的破小案奇效。

案例5：動(dòng)態(tài)分析快破偽裝入室搶劫案

圖8 同一人不同時(shí)間段頻繁騎行不同型號(hào)電瓶車

2017年12月某日15時(shí)許，110接警中心接市民熊某報(bào)警稱其遭入室搶劫。經(jīng)過現(xiàn)場勘查等偵查措施在推動(dòng)案件偵破過程中遇到瓶頸時(shí)，根據(jù)天網(wǎng)截圖，展開視頻大數(shù)據(jù)搜索分析研判。動(dòng)態(tài)人臉卡口系統(tǒng)發(fā)現(xiàn)當(dāng)日下午16時(shí)在步行街1名男子的衣著體貌特征與犯罪嫌疑人的特征極為相似。搜索分析，發(fā)現(xiàn)案發(fā)3天前18時(shí)許的視頻顯示，犯罪嫌疑人在徽州大道附近的圖像，此時(shí)的犯罪嫌疑人是板寸頭。從而推斷其作案時(shí)佩戴的是假發(fā)。通過視頻大數(shù)據(jù)分析，還原了犯罪嫌疑人作案前后的行為生活軌跡。獲取了犯罪嫌疑人清晰的人臉截圖，經(jīng)工作得到兩名犯罪嫌疑人的身份信息，并在相關(guān)部門的大力協(xié)助下，于1周內(nèi)，分別在石家莊、H市將兩人成功抓獲。

案例6：盜竊電動(dòng)車案

2017年12月某日，接受害人孟某報(bào)警稱，昨晚將電動(dòng)車停放在小區(qū)邊，早上上班時(shí)發(fā)現(xiàn)電動(dòng)車被盜。通過調(diào)取監(jiān)控視頻后，發(fā)現(xiàn)并鎖定犯罪嫌疑人。犯罪嫌疑人戴口罩，連帽外套，通過視頻大數(shù)據(jù)分析，對(duì)進(jìn)出區(qū)域周邊所有盜竊三車前科人員進(jìn)行梳理。發(fā)現(xiàn)三車前科人員韋某某經(jīng)常出現(xiàn)在受害人居住小區(qū)附近區(qū)域，且衣著特征明顯。視頻大數(shù)據(jù)分析進(jìn)一步發(fā)現(xiàn)，韋某某曾在一周內(nèi)連續(xù)駕騎7輛不同顏色、型號(hào)的電動(dòng)車出現(xiàn)在二手車交易區(qū)域。經(jīng)推送巡特警盤問和其他證據(jù)證實(shí)了韋某某的系列盜竊電瓶車事實(shí)。

5 存在的問題及發(fā)展方向

5.1 存在問題

當(dāng)前的動(dòng)態(tài)人臉識(shí)別系統(tǒng)，在案件預(yù)警、實(shí)時(shí)追蹤、歷史回溯等事前、事中、事后方面已經(jīng)有了長足的進(jìn)步和提升，但是在系統(tǒng)建設(shè)、應(yīng)用管理、統(tǒng)籌任務(wù)等方面仍存在一些不足，有待提高。一是在系統(tǒng)權(quán)限管理、賬戶分配、保密推送上要逐漸精細(xì)化。當(dāng)前階段，視頻圖像分析軟件、企業(yè)如雨后春筍般發(fā)展，如何整合利用好各家優(yōu)勢(shì)，系統(tǒng)在預(yù)警推送上努力達(dá)到精準(zhǔn)、精細(xì)化；將使用權(quán)限嚴(yán)格管理，避免濫用；將大要案件的視頻預(yù)警推送信息密級(jí)提升、按規(guī)合規(guī)。二是視頻圖像存儲(chǔ)時(shí)間短，識(shí)別算法參差不齊?，F(xiàn)在的系統(tǒng)視頻數(shù)據(jù)的存儲(chǔ)時(shí)間30天左右就將覆蓋刪除，而有些案件偵辦需要更長時(shí)間視頻數(shù)據(jù)支撐。在實(shí)戰(zhàn)應(yīng)用中多家科技公司對(duì)同一張圖片進(jìn)行識(shí)別分析時(shí)會(huì)有不同的結(jié)果，有的還相差甚遠(yuǎn)，加入大量的人工干預(yù)進(jìn)行輔助分析，所以應(yīng)在光照、姿態(tài)、遮擋等方面進(jìn)行算法突破，提高預(yù)警準(zhǔn)確率，降低誤判率。三是多數(shù)據(jù)交叉智能化碰撞分析能力需提升。當(dāng)前視頻偵查僅在人臉圖片的碰撞比對(duì)，而對(duì)于其他數(shù)據(jù)的交叉碰撞缺乏探索與融合。

5.2 發(fā)展方向

未來發(fā)展，結(jié)合各要素、多系統(tǒng)、互關(guān)聯(lián)數(shù)據(jù)建立視頻動(dòng)態(tài)立體防控網(wǎng)的理念尤為重要。一是設(shè)計(jì)鋪設(shè)一定量級(jí)的普通攝像機(jī)，組成“綜合治理防控網(wǎng)”，實(shí)現(xiàn)對(duì)區(qū)域面積的治安防控全覆蓋；二是根據(jù)城市區(qū)域環(huán)線構(gòu)建多重防控圈的實(shí)體卡口、微卡口的“車輛特征捕獲網(wǎng)”，實(shí)現(xiàn)對(duì)進(jìn)出城市區(qū)域車輛信息的采集、比對(duì)無遺漏；三是架設(shè)多路重點(diǎn)點(diǎn)位的人像識(shí)別攝像機(jī)和后端人臉處理機(jī)的“人員特征采集網(wǎng)”，實(shí)現(xiàn)對(duì)人臉采集、識(shí)別的精準(zhǔn)化和快速反應(yīng)；四是架設(shè)高空攝像點(diǎn)位機(jī)和警用無人機(jī)的機(jī)動(dòng)空中監(jiān)控點(diǎn)位的“高空立體防控網(wǎng)”，實(shí)現(xiàn)高低搭配的立體防控；五是架設(shè)一定數(shù)量的WiFi信息采集點(diǎn)的“WiFi信息采集網(wǎng)”，實(shí)現(xiàn)網(wǎng)絡(luò)信息與視頻等資源的關(guān)聯(lián)聯(lián)動(dòng)；六是充分利用內(nèi)外網(wǎng)、專網(wǎng)等信息資源，整合視頻圖像、基礎(chǔ)信息、虛擬信息（網(wǎng)絡(luò)空間信息）的“大偵查綜合研判網(wǎng)”，實(shí)現(xiàn)大數(shù)據(jù)的碰撞、聚合的全方位綜合治理新格局。

當(dāng)前，一個(gè)人的身份存在很多結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化形態(tài)，比如人臉數(shù)據(jù)、網(wǎng)絡(luò)電子數(shù)據(jù)、WiFi數(shù)據(jù)等等，若能將這些形式多樣、結(jié)構(gòu)復(fù)雜的數(shù)據(jù)打通、融合、篩選、提取，才會(huì)向智能化偵查邁出一大步。隨著物聯(lián)網(wǎng)、云計(jì)算、移動(dòng)互聯(lián)、大數(shù)據(jù)和人工智能的深入推進(jìn)，利用大數(shù)據(jù)技術(shù)，推動(dòng)“智慧公安”、轉(zhuǎn)型升級(jí)偵查治理手段，必將成為新時(shí)代推動(dòng)公安事業(yè)發(fā)展的必由之路[14]。