微表情特征畫像在公安人像識(shí)別系統(tǒng)中的應(yīng)用研究

王扶堯, 鄭坤泉

( 1.中國(guó)刑事警察學(xué)院視頻偵查系， 遼寧沈陽 110854； 2.漳州市公安局巡特警支隊(duì)， 福建漳州 363000)

0 引言

在當(dāng)今大數(shù)據(jù)時(shí)代，視頻攝像頭遍布城市街道各個(gè)角落，這種先進(jìn)的科技手段，讓犯罪無處遁形。而傳統(tǒng)的刑偵模擬畫像，只能作為在沒有視頻、照片、面部遮擋等情況下的輔助破案手段。但這并不意味著模擬畫像這門古老的傳統(tǒng)刑偵技藝過時(shí)或被淘汰，盡管科技手段在不斷地發(fā)展和完善，但制約案件偵破的諸多不利因素依然存在。

比如有硬件的因素，視頻監(jiān)控的像素太低、分布不均勻、出現(xiàn)死角、盲區(qū)等；有天氣的因素，如雷雨天氣、霧霾天氣等。盡管現(xiàn)在已經(jīng)有了模糊圖像處理的相關(guān)軟件，但還無法確保所有的模糊圖像都能處理清晰。同時(shí)，由于犯罪分子具有越來越強(qiáng)的反偵察能力，如戴帽子、口罩、面具等對(duì)面部進(jìn)行遮擋或事先破壞攝像頭等，都會(huì)給案件的偵破帶來極大的困擾。另外，我國(guó)幅員廣闊，無論人口和土地面積，和城市比起來，農(nóng)村都占有絕對(duì)大的比例。不可能每個(gè)村鎮(zhèn)都安有足夠多的攝像頭。所以，在這些情況下，模擬畫像就成為案件偵破中不可或缺的技術(shù)手段。

如1988年至2002年甘肅白銀大案，14年間連續(xù)殺害11名女性。由于當(dāng)時(shí)并沒有像今日這樣，視頻探頭遍布街道角落，最終還是由公安部特邀刑偵畫像專家張欣(已故)，僅憑一張人像素描模擬畫像將隱匿了28年的犯罪嫌疑人被指認(rèn)出來。還有1996年沈陽的3.8大案，也是通過一幅刑偵畫像(中國(guó)刑警學(xué)院趙成文教授的合成人像)，將其抓捕歸案。

本文在人像刑偵模擬畫像的基礎(chǔ)上融入人物表情及面部特征，可使疑犯畫像不再是傳統(tǒng)的呆板的一幅素描頭像，畫像將更加具有辨識(shí)度。同時(shí)，再利用當(dāng)前前沿人像生物識(shí)別技術(shù)原理及算法，將微表情特征畫像導(dǎo)入軟件中，進(jìn)行人像識(shí)別比對(duì)。

1 理論依據(jù)

人類對(duì)人像的研究從未停歇，從我國(guó)春秋時(shí)期的《左傳》，漢代的《漢書·藝文志·相人》中便有關(guān)于相面的記載，再到國(guó)外的查爾斯·貝爾表情的剖析與哲學(xué)、達(dá)奇恩博士人像的機(jī)制研究、達(dá)爾文對(duì)人類和動(dòng)物的表情研究等，直到今天人們開始利用計(jì)算機(jī)對(duì)人像識(shí)別生物工程遞進(jìn)式研究，都在潛移默化的證明著人像的重要性、不可替代性。當(dāng)前大數(shù)據(jù)、5G、智慧城市等前沿技術(shù)的興起，使得安全領(lǐng)域的專家及公安機(jī)關(guān)開啟了對(duì)計(jì)算機(jī)人臉識(shí)別技術(shù)的應(yīng)用研究，它如同指紋、虹膜一樣，具有特定性的生物特征。

目前，計(jì)算機(jī)對(duì)人像面部的識(shí)別和分析主要從兩個(gè)方面進(jìn)行，一是固定的面部特征分析?；谌讼衩娌空w的研究進(jìn)行計(jì)算識(shí)別的方法，主要包括Eigenface方法、SVD分解法、局部二進(jìn)制編碼直方圖、隱馬爾可夫模型(Hidden Markov Model,HMM)方法及神經(jīng)網(wǎng)絡(luò)方法等；二是對(duì)運(yùn)動(dòng)的面部特征進(jìn)行分析。將人像基準(zhǔn)點(diǎn)的相對(duì)比率和其他描述人像面部特征的形狀參數(shù)或類別參數(shù)等一起構(gòu)成識(shí)別特征向量[1]。

目前我國(guó)從事刑偵畫像專家人員極度稀缺，全國(guó)從事刑偵畫像的警員已不足30人。因此，模擬畫像人才培養(yǎng)迫在眉睫。

2 微表情畫像是傳統(tǒng)刑偵畫像的延伸

2.1 融入微表情特征的刑偵模擬畫像

除手繪外，刑偵模擬畫像通常使用的軟件有PHOTOSHOP和PAINTER兩種，由于PHOTOSHOP對(duì)圖像修改十分方便，因此畫像專家會(huì)直接選擇在PHOTOSHOP中畫像。在畫像時(shí)，根據(jù)公安機(jī)關(guān)提供的視頻資料，從中選擇關(guān)鍵幀畫面后，截取疑犯面部進(jìn)行放大并導(dǎo)入PHOTOSHOP中。此時(shí)畫面呈現(xiàn)的是一幅模糊或者呆板的疑犯面部。經(jīng)過模擬畫像專家的精心修改，可以使犯罪嫌疑人的面部一點(diǎn)點(diǎn)清晰起來。但是，僅僅有一個(gè)清晰的面部還不能完全接近犯罪嫌疑人的本來相貌，這就需要在畫像中融入人物的微表情特征，使刑偵模擬畫像更接近犯罪分子的本來面目。

在人們的日常生活中，表情無處不在。不但人們?cè)诿鎸?duì)面時(shí)可以看到和感受到，即便在虛擬世界中，如微博、QQ、微信等，人們也常常在使用表情。

微表情畫像就是如此，它是傳統(tǒng)模擬畫像的拓展和延伸，通過目擊者對(duì)犯罪嫌疑人的描述和公安機(jī)關(guān)提供的模糊不清的錄像資料，將微表情這個(gè)重要元素融入到數(shù)字模擬畫像中去，使犯罪嫌疑人的畫像更接近其本人。

2.2 人像微表情的生物特征

人是由猿進(jìn)化而來的，人的表情有其生物根源。正如英國(guó)生物學(xué)家達(dá)爾文在《人類和動(dòng)物的表情》一書中所指出的那樣，人類的表情和姿勢(shì)是人類祖先表情動(dòng)作的遺跡。所以，人的許多最基本情緒，如：喜、怒、哀、樂等原始表情是具有全人類的共性[6]。

筆者找到一名實(shí)驗(yàn)對(duì)象，通過聊天并對(duì)其面部進(jìn)行采錄，后期通過暫停采集到了實(shí)驗(yàn)對(duì)象(圖1)的4組照片共20張不同的表情。由此可見被實(shí)驗(yàn)者的表情十分豐富，甚至可以感受到被實(shí)驗(yàn)者對(duì)話題的喜愛以及憎惡。如果將這種表情畫成模擬畫像，將會(huì)更加接近人物的犯罪瞬間心理感受，為案件偵破提供更多有價(jià)值的信息，如圖1所示。

圖1 表情示意圖

現(xiàn)代科學(xué)技術(shù)以驚人的速度發(fā)展，尤其是機(jī)器人，已經(jīng)在很多領(lǐng)域取代了人的工作，但是一個(gè)難以突破的瓶頸就是人的表情?，F(xiàn)代醫(yī)學(xué)研究表明，人體肌肉有639塊，面部肌肉有43塊。然而，就是這43塊面部肌肉，便可以組合成10 000多種不同的表情，其中表達(dá)情感的有3 000余種。

醫(yī)學(xué)研究告訴我們，人的面部表情肌可分為5個(gè)部分：口、鼻、眶、耳、顱頂。比如口，口的周圍肌群分為上下兩組，上組分為笑肌、顴肌、上唇方肌、尖牙肌4種；下組分為三角肌、下唇方肌、頦肌 、口輪匝肌 、頰肌5種。所以，我們說的人的面部肌肉之復(fù)雜，僅從口周圍肌群便可略見一斑，如圖2所示。

圖2 面部肌肉示意圖

由此可見，人的相貌并不僅僅是由“耳、眉、眼、鼻、口”這五官?zèng)Q定的，同時(shí)也是由人的面部表情所決定的。

2.3 畫像中微表情的瞬間捕捉

微表情畫像與傳統(tǒng)模擬畫像相比，其難度就在于對(duì)微表情的瞬間捕捉上。意大利著名畫家達(dá)芬奇的名作《蒙娜麗莎》，500年來，那神秘的微笑傾倒了無數(shù)的人。蒙娜麗莎極富個(gè)性的微表情，時(shí)隱時(shí)現(xiàn)，給人一種神秘感。

美國(guó)神經(jīng)科專家瑪格麗特·利文斯通博士認(rèn)為，蒙娜麗莎的微笑之所以時(shí)隱時(shí)現(xiàn)，充滿神秘感，是由于觀看者不斷改變觀看的位置，與畫中人的表情無關(guān)。她認(rèn)為，人們?cè)谟^看一張臉的時(shí)候，主要注視對(duì)方的眼睛。也就是說，當(dāng)人們的中央視覺落在蒙娜麗莎的雙眼時(shí)，外圍視覺便會(huì)落在她的嘴巴上，而外圍視覺常常會(huì)有誤差。而且，人們?cè)谟^看這幅畫像時(shí)，角度和目光也在不斷地移動(dòng)。這樣，蒙娜麗莎的顴骨部位的陰影就會(huì)隨之突出，笑容弧度也會(huì)顯得加大，于是，蒙娜麗莎的笑容便若隱若現(xiàn)了。

利文斯通博士的研究成果告訴我們，移動(dòng)的目光觀看一個(gè)靜止的畫面，畫面會(huì)出現(xiàn)不同的變化[2]。那么，移動(dòng)的狀態(tài)去觀察移動(dòng)的畫面，看到畫面肯定也是有變化的。

犯罪嫌疑人在作案現(xiàn)場(chǎng)不是靜止的，而是動(dòng)態(tài)的。目擊者由于所處角度不同，移動(dòng)速度不同，看到的犯罪嫌疑人的相貌便會(huì)產(chǎn)生差別。這就是為什么面對(duì)同一個(gè)犯罪嫌疑人，不同的目擊者有不同的面孔描述的原因。

2.4 微表情是人心理特征的外部表現(xiàn)

從犯罪嫌疑人角度來說，他的相貌或者說表情，在生活現(xiàn)場(chǎng)和犯罪現(xiàn)場(chǎng)也是有差別的。甚至同是在犯罪現(xiàn)場(chǎng)，比如熟悉的犯罪場(chǎng)地和陌生的犯罪場(chǎng)地、對(duì)陌生人實(shí)施犯罪和對(duì)熟人實(shí)施犯罪、蓄謀已久的犯罪和臨時(shí)起意的犯罪，其面部表情都是會(huì)有差別的。

美國(guó)心理學(xué)家保羅·艾克曼認(rèn)為：人在遇到危險(xiǎn)時(shí)，大腦邊緣系統(tǒng)會(huì)調(diào)整我們的行為，其順序一般是：凍結(jié)、逃跑、戰(zhàn)斗。而只要有邊緣反應(yīng)，就會(huì)有安慰行為，比如觸摸頸部、摸臉、玩頭發(fā)、說個(gè)不停、打哈欠、搓腿、叉手、拉松衣領(lǐng)，這就是微反應(yīng)。這種微反應(yīng)表現(xiàn)在臉部的時(shí)候，比如，犯罪嫌疑人在實(shí)施搶劫時(shí)，就會(huì)出現(xiàn)驚恐的瞬間狀態(tài)，如眉頭緊皺、眉毛上揚(yáng)、口大張等微表情瞬間[8]。

但微表情畫像同樣存在難點(diǎn)，特別是一般目擊者關(guān)注的只是犯罪嫌疑人的輪廓、身高、胖瘦和臉部明顯特征等，很難迅速獲得準(zhǔn)確的犯罪嫌疑人相貌信息。這就需要刑偵模擬畫像專家通過目擊者的多重描述，通過對(duì)視頻資料的細(xì)心分析，結(jié)合犯罪現(xiàn)場(chǎng)情境，運(yùn)用心理學(xué)、醫(yī)學(xué)、藝術(shù)學(xué)、運(yùn)動(dòng)學(xué)等多學(xué)科知識(shí)和辦案經(jīng)驗(yàn)，再運(yùn)用微表情畫像技術(shù)，準(zhǔn)確地描繪出犯罪嫌疑人的相貌特征。

同時(shí)，我們還可以將人類的微表情建立一個(gè)數(shù)據(jù)庫，在繪畫中將人的每一種表情形態(tài)，如眼型、口型、眉型、鼻型、嘴型等與解剖學(xué)、心理學(xué)、藝術(shù)學(xué)等結(jié)合起來，進(jìn)行對(duì)應(yīng)信息分析，使其成為破案的關(guān)鍵要素。

3 微表情畫像在人像識(shí)別中應(yīng)用的實(shí)現(xiàn)

3.1 我國(guó)人像識(shí)別技術(shù)及算法在公安領(lǐng)域的應(yīng)用

人像識(shí)別又稱人臉識(shí)別，早在上世紀(jì)60年代開始，國(guó)外就開始對(duì)人臉識(shí)別技術(shù)進(jìn)行相關(guān)的研究。在研究初期，人像識(shí)別僅僅作為一般性的模式識(shí)別進(jìn)行研究，尚未單獨(dú)作為一個(gè)研究領(lǐng)域，方法大都是針對(duì)人臉幾何特征實(shí)現(xiàn)的算法。到上世紀(jì)90年代，隨著計(jì)算機(jī)處理速度的提高和圖形識(shí)別算法的改進(jìn)，也因?yàn)樯鐣?huì)治安及各領(lǐng)域的需要，人像識(shí)別技術(shù)脫穎而出，成為單獨(dú)的一個(gè)研究領(lǐng)域。從PCA(Principal Component Analysis，主成分分析法)算法的出現(xiàn)，到“隱馬爾可夫”“LBPH”算法；從人臉幾何特征實(shí)現(xiàn)的算法，到精確像素點(diǎn)的結(jié)合，人像識(shí)別系統(tǒng)不斷地精益求精。

如今，人像識(shí)別領(lǐng)域的專家在進(jìn)行跨維度的換代，二維與三維結(jié)合，多種識(shí)別模式結(jié)合使用，逐漸克服姿勢(shì)、表情變化、佩戴首飾等因素的影響。特別是在公共安全領(lǐng)域，人像識(shí)別系統(tǒng)借助遍布城市各個(gè)角落的監(jiān)控探頭進(jìn)行人像采集，在治安保衛(wèi)、刑偵破案、卡口安檢等領(lǐng)域發(fā)揮了重要作用。

3.2 微表情特征畫像在人像識(shí)別技術(shù)中的應(yīng)用

微表情畫像技術(shù)與人像識(shí)別技術(shù)的結(jié)合運(yùn)用，是人像識(shí)別技術(shù)對(duì)拍攝到的照片進(jìn)行識(shí)別比對(duì)，并通過測(cè)算二維圖像人物臉部特征點(diǎn)的距離來實(shí)現(xiàn)的。

目前，人像識(shí)別領(lǐng)域的研究熱點(diǎn)主要集中在人像識(shí)別主流算法方面，如PCA、隱馬爾可夫模型(HMM-Hidden Markov Model)、局部二進(jìn)制編碼直方圖(LBPH-Local Binary Patterns Histograms)及基于深度學(xué)習(xí)算法。

在常規(guī)人像識(shí)別研究領(lǐng)域內(nèi)，PCA算法、隱馬爾可夫模型和局部二進(jìn)制編碼直方圖方法各具優(yōu)勢(shì)，但是在本文研究背景下，由于微表情畫像圖像中高光部分像素值不包含任何像素亮度變化，同時(shí)在組成陰影部分的線條之間包含像素值的突兀過度，這兩方面因素都會(huì)對(duì)LBPH的局部二值化結(jié)果造成影響，并導(dǎo)致人像識(shí)別準(zhǔn)確率下降。在微表情畫像用于人像識(shí)別過程中，目擊者口述信息描述存在信息分布不均勻的特點(diǎn)，受此影響，微表情畫像結(jié)果中人臉各局部所含細(xì)節(jié)特征數(shù)量存在差異，甚至可能某一局部特征完全缺失，因此造成隱馬爾可夫模型隱含變量獲取過程困難，甚至導(dǎo)致人臉識(shí)別結(jié)果錯(cuò)誤。

為提高識(shí)別準(zhǔn)確率，本文選擇PCA作為基于微表情畫像的人像識(shí)別算法，相對(duì)于隱馬爾可夫模型和局部二進(jìn)制編碼直方圖算法而言，PCA在主成分選擇過程中充分考慮人像庫中人像灰度分布情況，以最大化類間差異為原則確立人像識(shí)別過程的主要維度，該主要維度信息不會(huì)受到模擬畫像陰影線條及高光部分影響，也能一定程度避免模擬畫像信息分布不均勻引起的識(shí)別率下降問題，因此PCA方法更適合于本文研究背景。另外，本文所述研究背景是基于小樣本，樣本數(shù)量不足以支撐一個(gè)深度學(xué)習(xí)模型的訓(xùn)練過程。因此，本文沒有采用深度學(xué)習(xí)算法。

3.3 人像識(shí)別的具體流程

從狹義上來講，人像識(shí)別是對(duì)以人臉為主的分析、特征提取和識(shí)別。

圖3 人像識(shí)別流程圖

人像識(shí)別的具體流程可分為：目擊者口述信息、疑犯犯罪心理分析、微表情畫像、視頻采集、人像檢測(cè)、人臉特征提取、數(shù)據(jù)關(guān)聯(lián)等幾個(gè)步驟。

微表情特征畫像的建型準(zhǔn)確是畫像人像的關(guān)鍵。通過引導(dǎo)口述人對(duì)目標(biāo)信息的準(zhǔn)確描述，建立人像輪廓五官特征，對(duì)目標(biāo)人像特征加以犯罪分析，呈現(xiàn)出帶有表情特征的人像畫作后，進(jìn)行人像檢測(cè)。

人像識(shí)別的具體流程可分為數(shù)字繪畫圖像和視頻人像采集兩個(gè)方面：一是數(shù)字繪畫人像，畫像的準(zhǔn)確性是微表情特征畫像建模準(zhǔn)確的關(guān)鍵。通過引導(dǎo)目擊者對(duì)目標(biāo)信息的準(zhǔn)確描述，建立人像輪廓五官特征，對(duì)目標(biāo)人像特征加以分析，呈現(xiàn)出帶有表情特征的人像畫作后，生成數(shù)字圖像，導(dǎo)入人像檢測(cè)系統(tǒng)后提取人臉特征，與人像數(shù)據(jù)庫圖像進(jìn)行比對(duì)。二是視頻人像采集，視頻采集是原始圖像識(shí)別流程的基礎(chǔ)。由于視頻流具有延續(xù)性，鏈接性，所以將視頻的畫面定格在某一幀上進(jìn)行采集，從而獲得較為清晰的圖像。然后對(duì)采集到的圖像進(jìn)行檢測(cè)，通過檢測(cè)，判斷是否有目標(biāo)人臉的存在，對(duì)檢測(cè)到的人臉信息圖片進(jìn)行分析，特征提取，最終與人像數(shù)據(jù)庫中信息進(jìn)行比對(duì)，找出相似的數(shù)字圖像。

3.4 PCA算法在畫像中的應(yīng)用與實(shí)現(xiàn)

素描模擬畫像是二維的平面畫像，而人像識(shí)別技術(shù)對(duì)拍攝到的照片進(jìn)行識(shí)別比對(duì)是通過測(cè)算二維圖像人物臉部特征點(diǎn)的距離來實(shí)現(xiàn)的。因此，以犯罪嫌疑人模擬畫像替代“二維”照片，通過目擊者對(duì)犯罪嫌疑人的描述，刻畫犯罪嫌疑人的顱骨、臉部肌肉的陰影關(guān)系以及特征點(diǎn)、五官等進(jìn)行犯罪嫌疑人模擬畫像，進(jìn)而將模擬畫像導(dǎo)入人像識(shí)別系統(tǒng)，利用人像識(shí)別系統(tǒng)接入的人像資源庫進(jìn)行自動(dòng)識(shí)別比對(duì)，選出與模擬畫像最為相似的人員信息。

以下是PCA算法的原理及步驟：

(1)讀取訓(xùn)練集下指定數(shù)目的圖像，將每張圖像的像素保存到一個(gè)二維矩陣中。然后把這個(gè)矩陣按照列排拉伸成為一個(gè)新的列向量，每一個(gè)列向量表示一張圖像的像素信息，然后將所有代表訓(xùn)練圖像的列向量整合為一個(gè)新的矩陣X，如果有S張人臉圖像，每張圖像尺寸為m×n，則矩陣X為m×n行，S列；

(2)對(duì)X的每一行取得均值，每行的元素減去均值，得到每張人臉與平均人臉的差值，組成新矩陣X′；

(3)計(jì)算X′的協(xié)方差矩陣C，C的維度為m×n；

(4)計(jì)算C的特征值即特征向量，共有m×n個(gè)特征值及特征向量；

(5)選擇主成分，把特征值從大到小排序，選擇前R個(gè)特征值使得R個(gè)特征值占所有特征值的90%以上，隨后將特征向量按行排列，則P=[R,m×n]；

(6)將訓(xùn)練集投影到特征空間，Y=PX′=[R,S]。

(7)將測(cè)試集也投影到特征空間，假如測(cè)試集有K張圖像，那么降維后矩陣為[R,K]。

(8)每一張圖像[R,1]與特征空間[R,S]用歐氏距離法求出與其最相近的一個(gè)圖像，識(shí)別為該類。所有測(cè)試集識(shí)別完后，最后求出識(shí)別率。

識(shí)別結(jié)果以兩種方式呈現(xiàn)：一是從人像庫里面遴選出3張與待檢測(cè)目標(biāo)圖像最相似的圖像；二是顯示出目標(biāo)圖像與樣本圖像相識(shí)度值。

通俗地講，PCA算法是通過測(cè)算出待識(shí)別圖形的特征向量來實(shí)現(xiàn)人像識(shí)別的。而待識(shí)別圖像人臉不同的骨骼形狀及透視比例等特征是特征向量值計(jì)算的主要因素。不同的臉型測(cè)算出來的特征向量值不同。

3.5 人像識(shí)別PCA算法的不足因素

人像識(shí)別作為生物識(shí)別技術(shù)中一種最新的識(shí)別技術(shù)并不是完美的，它的優(yōu)點(diǎn)也決定了它的先天不足。

首先是光線條件影響。筆者認(rèn)為決定一張照片成像質(zhì)量的關(guān)鍵因素在于光照條件。不同光照的成像效果有天壤之別。在光照條件不理想的情況下輸入待處理的圖像，會(huì)導(dǎo)致結(jié)果誤差增大。

其次是受被拍攝者姿態(tài)的影響。人臉的拍攝角度可以影響到各類人臉識(shí)別算法的效果，這是因?yàn)槿四樧R(shí)別的研究基礎(chǔ)是人臉數(shù)據(jù)庫，而這個(gè)數(shù)據(jù)庫中收集的人臉一般都是正面姿態(tài)的人臉，所采集收錄的人像信息都是平面的，所以，對(duì)其他姿態(tài)人臉的容忍度會(huì)比較低。

再一個(gè)就是頭部飾品和臉部遮擋物的影響。如果監(jiān)控設(shè)備采集到的是一個(gè)戴著口罩的人，口罩遮住了臉部的大部分特征，那么人像識(shí)別系統(tǒng)是無法進(jìn)行識(shí)別比對(duì)的。

因此，將模擬畫像與人像識(shí)別結(jié)合起來，取長(zhǎng)補(bǔ)短，在人像識(shí)別系統(tǒng)無法解決問題時(shí)，運(yùn)用傳統(tǒng)的模擬畫像技術(shù)，發(fā)揮出兩項(xiàng)技術(shù)的優(yōu)勢(shì)，更快地鎖定犯罪嫌疑人。

4 微表情特征畫像在人像識(shí)別系統(tǒng)中的實(shí)現(xiàn)

根據(jù)記憶曲線實(shí)驗(yàn)，目擊者的記憶質(zhì)量隨著時(shí)間的推移而下降。美國(guó)FBI曾經(jīng)做過一個(gè)實(shí)驗(yàn)，當(dāng)?shù)谝粋€(gè)人對(duì)目擊者問起目擊情況時(shí)，目擊者能較客觀完整地表述自己的記憶。當(dāng)越來越多的人對(duì)目擊者問起目擊情況后，目擊者心理逐漸對(duì)所目擊的事物產(chǎn)生排斥，會(huì)刻意地對(duì)目擊的事物進(jìn)行“人為加工”。所以，我們?cè)趯?duì)目擊者進(jìn)行犯罪嫌疑人模擬畫像時(shí)，應(yīng)當(dāng)距離目擊時(shí)間越短越好。第一位目擊者對(duì)犯罪嫌疑人的描述：犯罪嫌疑人個(gè)子挺高，180 cm左右，中等身材，25～30歲之間，膚色較黑，頭發(fā)三七偏分，中短卷發(fā)，眼角下垂，橢圓臉型，額頭較寬，福建或廣東一帶口音，重要特征為左邊嘴角向上45°傾斜。

根據(jù)第一位目擊者的描述，對(duì)犯罪嫌疑人的面貌進(jìn)行心理構(gòu)建：

首先將五官位置、距離確定，畫一長(zhǎng)方形為基準(zhǔn)形狀，并將長(zhǎng)方形3等分，在長(zhǎng)方形上面畫個(gè)半圓，構(gòu)成基本的臉型(如圖4a所示)；長(zhǎng)方形3等分后的頂端的第一條線就是作為發(fā)際線的位置；第二條線就是眉線；最下端一條線就作為鼻子下半截的位置(如圖4b所示)。

圖4 長(zhǎng)方形3等分示意圖

長(zhǎng)方形3等分是為了遵循最傳統(tǒng)的“三庭五眼”的標(biāo)準(zhǔn)人臉，不管是什么長(zhǎng)相，只要均衡，大多數(shù)都是好看和順眼的。

固定好大概位置之后，就是對(duì)犯罪嫌疑人顱骨的刻畫。顱骨相當(dāng)于地基，只有打好了地基，才能往上蓋樓。犯罪嫌疑人橢圓形臉、寬額頭，說明犯罪嫌疑人額骨較大，顴骨較為突出，下頜角較大，臉型較長(zhǎng)。在勾勒臉型框架時(shí)，抓住這幾個(gè)特征點(diǎn)，額頭中間部分用筆較輕，左右兩邊用筆可重一些，突出陰影關(guān)系。顴骨處同上，顴骨凸出部分用筆較輕，周圍加重，凸出陰影關(guān)系；下頜均勻過渡，可先用較細(xì)的線條勾勒出基本形狀，再加重筆觸；在畫好額骨、顴骨、下頜骨的基礎(chǔ)上，用細(xì)線條勾畫出犯罪嫌疑人的基本臉型。

犯罪嫌疑人頭發(fā)特征明顯，三七偏分，中短卷發(fā)，在作畫時(shí)著重凸出“三七偏分”，畫頭發(fā)的外緣、鬢角處以及與前額相接時(shí)自然過渡，避免生硬。

畫眉峰時(shí)，注意與犯罪嫌疑人作案時(shí)的眼神結(jié)合，一般作案時(shí)犯罪嫌疑人眼神較為兇狠，順著眉毛的走向，不能呆板。

畫眼時(shí)切忌和周圍環(huán)境分開，眼窩眉弓的凹凸要通過繪畫表現(xiàn)出來。犯罪嫌疑人眼角下垂，所畫的眼瞼線，眼球要把握好朝向，可用較重的筆觸，準(zhǔn)確表達(dá)虛實(shí)關(guān)系、明暗關(guān)系。

在第一位目擊者的描述和不斷地交流下，筆者畫出了嫌犯模擬畫像A(如圖5所示)。

圖5 犯罪嫌疑人模擬畫像A

畫完第一張犯罪嫌疑人模擬畫像后，立即與第二位目擊者交流。

第二位目擊者的描述：犯罪嫌疑人身高在180～185 cm之間，中等身材，看上去長(zhǎng)期從事體力勞動(dòng)，皮膚較黑，頭發(fā)偏分，眉峰較粗重，中短卷發(fā)，大眼睛雙眼皮，眼角下垂，臉型較長(zhǎng)，福建或廣東一帶口音，重點(diǎn)是嘴角向上傾斜，似笑非笑。根據(jù)兩名目擊者的描述，抓住了疑犯的微表情特征，進(jìn)而對(duì)微表情特征刻畫。

這里，兩位目擊者均提到了犯罪嫌疑人“偏分、中短卷發(fā)、皮膚較黑、福建或廣東一帶口音”，尤其是福建或廣東一帶地區(qū)口音及“嘴角傾斜”這一特點(diǎn)，給兩位目擊者留下了深刻的印象，所以筆者做出了一個(gè)假設(shè)：犯罪嫌疑人就是福建或廣東地區(qū)一帶的人，嘴像一邊傾斜。有了這個(gè)假設(shè)之后，依據(jù)漢族人相貌分布情況規(guī)律的知識(shí)，福建或廣東一帶人的相貌特征：較深的眼窩，略高的顴骨，鼻梁比較高，臉型比較長(zhǎng)、額頭比較窄、以及低眼眶、短鼻頭、雙眼皮、大眼睛等特點(diǎn)，再結(jié)合兩位目擊者的描述，在第一張模擬畫像的基礎(chǔ)上，經(jīng)過不斷的修改調(diào)整，著重刻畫犯罪嫌疑人的嘴角傾斜特征及外眼角向下耷拉等特征后，畫出第二張犯罪嫌疑人的模擬畫像B(如圖6所示)。

圖6 犯罪嫌疑人模擬畫像B

為了使模擬畫像在人像識(shí)別軟件上有效地進(jìn)行識(shí)別比對(duì)，筆者在人像識(shí)別軟件對(duì)待識(shí)別圖像臉部的特征點(diǎn)進(jìn)行著重刻畫，筆觸加重，在第二張模擬畫像的基礎(chǔ)上，畫出了犯罪嫌疑人模擬畫像C(如圖7所示)；然后將犯罪嫌疑人模擬畫像C出示給兩位目擊者，均得到了兩位目擊者的一致肯定。

圖7 犯罪嫌疑人模擬畫像C

經(jīng)過對(duì)犯罪嫌疑人進(jìn)行了兩次深入的刻畫，為了將其面部特征有效地進(jìn)行識(shí)別比對(duì)，選用MATLAB軟件作為人像識(shí)別程序，該軟件是基于PCA算法，即測(cè)算二維圖像上特征點(diǎn)距離的測(cè)算來實(shí)現(xiàn)兩張圖像相似度的比較。其識(shí)別原理是將瞳距、眉間距、額寬、眼寬、眼瞼距、眼尾距、鼻寬、鼻長(zhǎng)、嘴寬下嘴唇到下頜端的距離，顴骨的距離等這些特征點(diǎn)(圖8所示)的距離向量化，最后用歐氏距離法從接入的人像資源庫中找出與待識(shí)別圖像特征點(diǎn)距離最相近的一個(gè)圖像，模擬畫像與常用的二維照片在維度上、特征點(diǎn)上具有一致性。

圖8 模擬畫像比對(duì)圖

模擬畫像與常用的二維照片在維度和特征點(diǎn)上具有一致性。所以將刻畫完成犯罪嫌疑人模擬畫像B進(jìn)行翻拍成PGM格式圖像文件，運(yùn)用Photoshop圖像處理軟件轉(zhuǎn)換成灰度圖——將該灰度圖像導(dǎo)入MATLAB軟件并編號(hào)為4作為待識(shí)別圖像——點(diǎn)擊運(yùn)行，選擇4號(hào)圖像點(diǎn)擊打開。軟件運(yùn)行后，通過對(duì)待識(shí)別圖像臉部特征距離的測(cè)算，從接入的人像資源庫中求出與待識(shí)別圖像特征點(diǎn)距離最相近的這張圖像(如圖9所示)。

圖9 人像識(shí)別比對(duì)結(jié)果圖

根據(jù)Matlab人像識(shí)別系統(tǒng)的比對(duì)結(jié)果，篩選出相似度最高的3個(gè)人，并將3個(gè)最相似的比對(duì)結(jié)果出示給目擊者，兩名目擊者都指出第二張人臉與犯罪嫌疑人有較高的相似度。警方根據(jù)這條線索展開案件偵查，為案件偵破奠定基礎(chǔ)。

5 結(jié)論

本文利用了MATLAB基于PCA算法對(duì)微表情特征畫像照片進(jìn)行計(jì)算機(jī)人臉識(shí)別比對(duì)，打破了傳統(tǒng)利用清晰人像照片在公安人像數(shù)據(jù)庫中進(jìn)行比對(duì)的方法。微表情特征畫像的特殊作用就在于抓住了犯罪嫌疑人的習(xí)慣性表情或面部特征與作案時(shí)瞬間表情的定格，最終所繪畫出帶有表情特征的畫像，再通過心理學(xué)加以分析，找到犯罪原由。筆者在作畫的同時(shí)融入了疑犯面部表情特征進(jìn)行深入重點(diǎn)刻畫，使得犯罪嫌疑人畫像更加具有特點(diǎn)，不再呆板。在此基礎(chǔ)上，將微表情特征畫像作為待檢測(cè)人像圖片導(dǎo)入MATLAB軟件中，通過PCA算法對(duì)待檢測(cè)人像中特征點(diǎn)的距離測(cè)量完成人像識(shí)別比對(duì)。