人臉識(shí)別技術(shù)在公交系統(tǒng)中的應(yīng)用與思考

劉佳卉

（吉林大學(xué)汽車工程學(xué)院，長(zhǎng)春 130022）

引言

伴隨著智能出行的大力發(fā)展，人臉識(shí)別技術(shù)以其準(zhǔn)確性、可靠性及易行性在諸多生物識(shí)別技術(shù)中脫穎而出，廣泛應(yīng)用于出行、消費(fèi)等領(lǐng)域。目前應(yīng)用于航空、鐵路等交通系統(tǒng)中的人臉識(shí)別技術(shù)已趨于成熟，而針對(duì)城市公交系統(tǒng)的方案雖不斷提出，卻遲遲無(wú)法落實(shí)?；诖?，本文通過(guò)分析人臉識(shí)別技術(shù)發(fā)展現(xiàn)況、基于公交系統(tǒng)的創(chuàng)新提案與應(yīng)用可行性，指出亟待解決的問(wèn)題并作出相關(guān)思考。

1 人臉識(shí)別技術(shù)發(fā)展現(xiàn)況

1.1 技術(shù)概況

人臉識(shí)別技術(shù)是一項(xiàng)綜合圖像處理、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)等多門前沿學(xué)科的復(fù)雜課題，其識(shí)別過(guò)程主要包括：首先構(gòu)建人臉識(shí)別數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)中的樣本基于面部特征進(jìn)行標(biāo)注，對(duì)識(shí)別對(duì)象面部進(jìn)行掃描后，提取并分析其面部特征，再與數(shù)據(jù)庫(kù)中已有樣本進(jìn)行對(duì)比，從而得出結(jié)論，確定識(shí)別對(duì)象身份。

1.1.1 前端采集

一般人臉識(shí)別系統(tǒng)從前端采集設(shè)備開(kāi)始工作，設(shè)備可由獨(dú)立相機(jī)或多角度協(xié)同安裝的機(jī)組構(gòu)成。無(wú)論攝像設(shè)備的種類和數(shù)量如何，其安裝角度及安裝位置都是影響識(shí)別精確度的重要因素。采集過(guò)程完成后，得到的視頻流或圖像將通過(guò)網(wǎng)絡(luò)信號(hào)傳輸至處理終端。

1.1.2 圖像處理

針對(duì)不同的工況和識(shí)別精度要求應(yīng)采用不同算法。通常前端采集的圖像均為彩色，需通過(guò)預(yù)處理將其變換為灰度圖，計(jì)算機(jī)才能對(duì)其進(jìn)行下一步處理?；叶葓D可在一定條件下轉(zhuǎn)換為精度較高的像素矩陣，從而應(yīng)用于數(shù)學(xué)模型的建立與計(jì)算。像素矩陣是將灰度圖的每一像素點(diǎn)按對(duì)應(yīng)位置灰度信息，以0-255范圍內(nèi)數(shù)字表達(dá)而得到的矩陣。

一般來(lái)說(shuō)，預(yù)處理后的人臉圖像仍是一個(gè)高維數(shù)據(jù)集合，包含大量的模糊數(shù)據(jù)和無(wú)用數(shù)據(jù)，為了提高識(shí)別精度，必須進(jìn)行濾波處理等操作。中值濾波法是一種傳統(tǒng)的圖像去噪技術(shù)，在灰度圖處理過(guò)程中，它將每一像素點(diǎn)的灰度值轉(zhuǎn)換為該點(diǎn)附近某領(lǐng)域窗口內(nèi)所有像素灰度值的中值。經(jīng)過(guò)此項(xiàng)處理，灰度值相差較大處的邊界將更加清晰，無(wú)用數(shù)據(jù)被自動(dòng)濾除。除中值濾波外，均值濾波、自適應(yīng)維納濾波等去噪技術(shù)也同樣能應(yīng)用于此過(guò)程，合理地安排協(xié)同、多級(jí)去噪將得到更好的識(shí)別樣本。

1.1.3 特征提取

有效識(shí)別的前提條件是設(shè)定提取特征的標(biāo)準(zhǔn)。一般而言，從人臉圖像上提取的特征必須穩(wěn)定可靠，若具有較大不穩(wěn)定性，則忽略此特征。目前所利用的特征可以概括為形狀、灰度分布、頻域特征三類。這三類特征都在不同程度上受到光線強(qiáng)度、拍攝角度等外界因素的影響。

特征對(duì)比樣本來(lái)自人臉圖像數(shù)據(jù)庫(kù)，可通過(guò)建立神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練得到。神經(jīng)網(wǎng)絡(luò)種類繁多，應(yīng)用較廣的是卷積神經(jīng)網(wǎng)絡(luò)。其基本過(guò)程為：構(gòu)造不同的卷積矩陣，每個(gè)不同的卷積矩陣代表一種圖像特征，使之與像素矩陣順次作矩陣乘法，從而得到一個(gè)行列縮減的像素方陣。逐步構(gòu)造卷積層、池化層和全連接層，建立可識(shí)別目標(biāo)特征的神經(jīng)網(wǎng)絡(luò)。

1.2 現(xiàn)有應(yīng)用平臺(tái)

一般來(lái)說(shuō)，目前各類技術(shù)調(diào)用的人臉數(shù)據(jù)庫(kù)并不需要公民自行上傳相關(guān)照片，人臉掃描時(shí)相關(guān)系統(tǒng)會(huì)向全國(guó)公民身份證號(hào)碼查詢中心提出申請(qǐng)，最終將識(shí)別到的面部特征與公安部門查詢中心采集的照片庫(kù)進(jìn)行對(duì)比。

1.2.1 消費(fèi)支付

支付寶等第三方支付平臺(tái)推出的“刷臉支付”功能是和普通人距離最近的人臉識(shí)別技術(shù)應(yīng)用。提交支付申請(qǐng)后，彈出的支付頁(yè)面不再是密碼輸入界面，而是掃臉界面，用戶在進(jìn)行支付時(shí)只需要使前端采集設(shè)備對(duì)臉部進(jìn)行掃描。前端采集設(shè)備可以是每位用戶的智能手機(jī)，也可由自動(dòng)販賣機(jī)自帶或商家提供。

1.2.2 安保系統(tǒng)

目前，機(jī)場(chǎng)航站樓、地鐵站臺(tái)等交通站點(diǎn)的監(jiān)控中心均設(shè)置有自動(dòng)報(bào)警設(shè)備。通過(guò)設(shè)置在重要進(jìn)出口、站內(nèi)通道和扶梯等場(chǎng)所的前端采集攝像設(shè)備實(shí)時(shí)監(jiān)控站內(nèi)流通人員，并采集其面部信息。一旦通行的乘客面部特征利用人臉識(shí)別技術(shù)，經(jīng)過(guò)特征提取和對(duì)比分析后，被認(rèn)為疑似公安部門留有記錄的犯罪嫌疑人，報(bào)警裝置將被觸發(fā)[1]。此類裝置在近幾年極大地提高了公安機(jī)關(guān)的追蹤與緝拿效率，更有效加強(qiáng)了各交通站點(diǎn)的安保力度。

校園和社區(qū)的門禁系統(tǒng)也在逐步投入使用人臉識(shí)別技術(shù)。建立此類系統(tǒng)的后臺(tái)數(shù)據(jù)庫(kù)，則通常需要學(xué)生和住戶自行錄入相關(guān)照片。不同于分布范圍廣泛且使用頻率高的各交通站點(diǎn)，學(xué)校和社區(qū)相較之下人員流通規(guī)模小很多，只采用確定人員的小規(guī)模人臉數(shù)據(jù)庫(kù)有利于提高對(duì)比分析過(guò)程的效率和準(zhǔn)確度。

2 人臉識(shí)別技術(shù)在公交運(yùn)營(yíng)中的創(chuàng)新性應(yīng)用

2.1 快捷支付

傳統(tǒng)的公交系統(tǒng)支付方式為刷卡和投幣，支付效率取決于每個(gè)乘客公交卡、零錢的收納方式和行動(dòng)便捷程度，人臉識(shí)別技術(shù)支持下的“刷臉支付”功能則無(wú)需乘客攜帶任何相關(guān)工具便可完成支付。

要完成支付功能并得到反饋，基本需要以下過(guò)程：用戶在前端掃描個(gè)人面部信息，即提交了支付乘車費(fèi)用的申請(qǐng)，圖像隨之被傳輸處理，最終用戶將在前端得到支付成功或失敗的反饋結(jié)果[2]。在此過(guò)程中，人臉識(shí)別技術(shù)完成的實(shí)際是確認(rèn)支付賬戶的過(guò)程。在現(xiàn)有的一些公交系統(tǒng)快捷云支付構(gòu)思中，用戶賬戶在第三方平臺(tái)開(kāi)設(shè)（如當(dāng)?shù)氐慕煌ˋPP），支付時(shí)從此類賬戶余額扣款。

2.2 交通規(guī)劃

人臉識(shí)別技術(shù)可應(yīng)用于公交路線規(guī)劃過(guò)程中的設(shè)計(jì)與評(píng)估。此方法包括：記錄乘客上下車站點(diǎn)，比對(duì)一輛公交車上車乘客是否為其他公交車的下車乘客，通過(guò)整合空間、時(shí)間信息判定乘客換乘站點(diǎn)。關(guān)聯(lián)上車站點(diǎn)、下車站點(diǎn)和換乘站點(diǎn)，可確定乘客的出行軌跡[3]。當(dāng)樣本數(shù)量較多且滿足統(tǒng)計(jì)學(xué)規(guī)律時(shí)，建立的模型可基本預(yù)測(cè)乘客完整的通勤路線，從而更科學(xué)合理地規(guī)劃城市公交線路。

3 亟待解決的問(wèn)題與相關(guān)思考

3.1 公交系統(tǒng)獨(dú)有特征對(duì)識(shí)別準(zhǔn)確度的影響

保證人臉識(shí)別技術(shù)的準(zhǔn)確度本身就存在諸多阻礙因素：人的面部表情豐富；數(shù)據(jù)庫(kù)樣本來(lái)源的面部特征會(huì)隨年齡增長(zhǎng)而變化；成像效果取決于光照、角度及距離。而公交系統(tǒng)對(duì)應(yīng)的圖像采集環(huán)境和相關(guān)用戶所具備的獨(dú)有特征也是人臉識(shí)別技術(shù)遲遲無(wú)法在此領(lǐng)域落實(shí)的重要原因。

3.1.1 環(huán)境因素

公交系統(tǒng)具有其獨(dú)特的環(huán)境特征，無(wú)論是上下車的階梯通道還是車廂內(nèi)環(huán)境，都和其他交通工具或社會(huì)場(chǎng)所存在本質(zhì)區(qū)別。時(shí)段、天氣、人流密度及乘客紀(jì)律都將影響安裝在公交車環(huán)境內(nèi)前端采集設(shè)備的拍攝效果。而后續(xù)圖像處理的精度很大程度上取決于預(yù)處理前的圖像質(zhì)量，因此如何合理設(shè)置拍攝通道寬度、拍攝角度以及采光要求，是提高公交系統(tǒng)人臉識(shí)別的重要突破口。

公交系統(tǒng)人臉采集前端設(shè)備可以考慮的安裝位置有：上下車階梯通道，車廂內(nèi)通道。此外，由于 公交車車內(nèi)環(huán)境對(duì)所獲圖像質(zhì)量的負(fù)面影響難以在短期內(nèi)得到較好的改善，前端采集設(shè)備可以離開(kāi)車體，遷移至地面。通過(guò)建立含閘機(jī)的地面公交站臺(tái)，入站人員先統(tǒng)一錄入面部信息，再進(jìn)入站臺(tái)候車[4]。此方案雖然提高了人臉識(shí)別技術(shù)各環(huán)節(jié)精度，但現(xiàn)階段操作難度大，不如車內(nèi)安裝前端設(shè)備可行性高、經(jīng)濟(jì)性好。

車內(nèi)的兩種安裝區(qū)域決定了攝像設(shè)備的安裝角度和位置：上下車階梯區(qū)域，青年乘客一般呈現(xiàn)面部上抬的姿態(tài)，而兒童及老年乘客更傾向于注意腳下地面變化，多數(shù)時(shí)間呈現(xiàn)低頭狀態(tài)。因此在上下車過(guò)程中采集視頻流并截取可靠圖像存在較大難度，在通道特定區(qū)域設(shè)定駐留區(qū)用于采集人臉圖像更具有可行性和合理性。

在設(shè)備架設(shè)高度和環(huán)境因素的綜合作用下，圖像質(zhì)量隨高度變化存在最優(yōu)值。但是圖像的清晰度不完全保證識(shí)別的準(zhǔn)確性。一般情況下，水平拍攝方式獲得的人臉圖像最佳，提取到的特征參數(shù)也更易與人臉圖像數(shù)據(jù)庫(kù)進(jìn)行擬合。但考慮到通行過(guò)程中后方人員易被遮擋，應(yīng)當(dāng)留有一定的俯視角度以確保前后方人員都能被正常抓拍。經(jīng)實(shí)驗(yàn)和測(cè)試，俯視角度α設(shè)置在7°-13°范圍內(nèi)最佳（圖1）[5]。

圖1 俯視角度α示意圖

3.1.2 數(shù)據(jù)庫(kù)分類與更新

公交系統(tǒng)的乘客基數(shù)大、年齡分布廣泛。為了提升識(shí)別過(guò)程中對(duì)比分析環(huán)節(jié)的效率，從而降低人臉識(shí)別技術(shù)應(yīng)用于公交系統(tǒng)時(shí)對(duì)通勤速率的負(fù)面影響，有必要建立適合公交系統(tǒng)特性的人臉圖像數(shù)據(jù)庫(kù)。建立依據(jù)可基于城市和年齡段。

使用各城市公交系統(tǒng)的主要乘客多數(shù)來(lái)源于本地或有較長(zhǎng)居留史，建立每個(gè)城市獨(dú)有的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、誤差糾正系統(tǒng)有利于將數(shù)據(jù)庫(kù)規(guī)?？刂圃谝欢ù笮?，以減小提高對(duì)比算法精確度時(shí)產(chǎn)生過(guò)擬合的可能性。

以年齡作為劃分依據(jù)時(shí)，需要考慮搭乘支付方式的影響。若人臉識(shí)別技術(shù)本身應(yīng)用于支付環(huán)節(jié)，則應(yīng)當(dāng)錄入開(kāi)通此項(xiàng)支付功能的用戶面部圖像，建立有針對(duì)性的人臉數(shù)據(jù)庫(kù)，以此縮小樣本集合的規(guī)模。若仍然沿用傳統(tǒng)公交刷卡支付模式，可利用不同卡類持有者的年齡特點(diǎn)建立對(duì)應(yīng)數(shù)據(jù)庫(kù)，并構(gòu)建快速準(zhǔn)確的數(shù)據(jù)庫(kù)判斷、調(diào)取系統(tǒng)。以吉林長(zhǎng)春公交系統(tǒng)為例（圖2），學(xué)生卡和老年卡用戶僅限于學(xué)生和老人，這兩類群體面部各項(xiàng)特征參數(shù)具有特定年齡特點(diǎn)。設(shè)定有針對(duì)性的特征提取標(biāo)準(zhǔn)，按群體特性設(shè)置特征權(quán)重，建立適用于特定年齡段的識(shí)別模型，可大幅度減小算法冗余度并提高識(shí)別效率和精度。而相較之下，吉林通用戶面最廣，老少皆可使用，不易為之構(gòu)建有年齡特征的人臉數(shù)據(jù)庫(kù)，因此此方案仍存在缺漏和重復(fù)之處。

圖2 長(zhǎng)春市各類交通卡對(duì)應(yīng)使用人群

3.2 適用于特殊情況的人臉識(shí)別

結(jié)合疫情防控政策，未來(lái)很長(zhǎng)一段時(shí)間內(nèi)，乘客將必須佩戴口罩使用公交系統(tǒng)。現(xiàn)有的商用人臉識(shí)別技術(shù)通常均對(duì)用戶提出了不佩戴眼鏡、口罩并摘帽等要求，甚至摘除口罩往往是首要條件，這類因?yàn)榧夹g(shù)缺陷而提出的要求明顯不符合防疫政策。

針對(duì)必須佩戴口罩的人臉識(shí)別，有兩種可行 方案。

一是采集佩戴口罩的人臉樣本，建立一套針對(duì)于戴口罩的人臉識(shí)別算法（圖3）。采集大量佩戴口罩的人臉照片，建立集合并分類，構(gòu)建新型人臉數(shù)據(jù)庫(kù)。再用神經(jīng)網(wǎng)絡(luò)等算法迭代訓(xùn)練，得到合適的模型。此方法的主要難點(diǎn)在于建立數(shù)據(jù)庫(kù)：口罩種類眾多，屬于具有較大不穩(wěn)定性的特征參數(shù)；不同于較為成熟的普通人臉數(shù)據(jù)庫(kù)，短時(shí)間內(nèi)很難采集到大量佩戴口罩的人臉圖像。

圖3 戴口罩的人臉識(shí)別流程

二是利用現(xiàn)有人臉數(shù)據(jù)庫(kù)，通過(guò)提高人臉未遮擋區(qū)域的特征權(quán)重來(lái)計(jì)算并模擬佩戴口罩的情形[6]。采用這種方案則無(wú)需建立新的數(shù)據(jù)庫(kù)，可利用現(xiàn)存人臉圖像集合，綜合考慮已知的多種口罩形狀、尺寸等參數(shù)，應(yīng)用關(guān)鍵點(diǎn)定位算法和局部特征增強(qiáng)策略來(lái)模擬出人臉佩戴口罩的情形。對(duì)人臉未遮擋區(qū)域的特征進(jìn)行計(jì)算并確定此區(qū)域一般性范圍，再合成相應(yīng)戴口罩的人臉圖片。處理圖像時(shí)，識(shí)別對(duì)象是佩戴口罩的人臉圖像，對(duì)比樣本則來(lái)自此算法得到的模擬圖像構(gòu)成的專用模型。

在疫情考量范圍之外，普通乘客若在原本預(yù)留的駐留時(shí)間之外，還花費(fèi)不確定的時(shí)長(zhǎng)摘除可能佩戴的飾品和眼鏡才能達(dá)到人臉識(shí)別標(biāo)準(zhǔn)，顯然會(huì)對(duì)通勤速率造成極大影響。作為現(xiàn)階段公交出行的強(qiáng)制性要求，先行發(fā)展戴口罩的人臉識(shí)別技術(shù)并促進(jìn)其完善，有利于為日后更加多元化條件下的人臉識(shí)別技術(shù)打下基礎(chǔ)。

4 結(jié)語(yǔ)

人臉識(shí)別技術(shù)作為目前生物識(shí)別技術(shù)中的發(fā)展先驅(qū)，其潛力尚未被完全開(kāi)發(fā)。公交系統(tǒng)不同于其他平臺(tái)的獨(dú)有環(huán)境特點(diǎn)是阻礙人臉識(shí)別技術(shù)在此領(lǐng)域發(fā)展的重要因素。優(yōu)化圖像處理流程，改良特征提取算法，恰當(dāng)安裝設(shè)備，合理設(shè)計(jì)系統(tǒng)，將使人臉識(shí)別技術(shù)在公交系統(tǒng)的支付方式、線路規(guī)劃、安保追蹤和疫情防控等方面發(fā)揮傳統(tǒng)模式所不具有的獨(dú)特優(yōu)勢(shì)。