可鎖定逃犯的面部識別技術(shù)

自1986年警方首次將DNA技術(shù)成功應(yīng)用于刑案偵破以來，在不到40年的時間里，其已深刻影響了刑事司法領(lǐng)域的發(fā)展進(jìn)程。不過，隨著當(dāng)前面部識別技術(shù)的問世與異軍突起，該技術(shù)已然成為刑事司法領(lǐng)域內(nèi)又一大科技突破！

被英國警方用于識別犯罪嫌疑人的新科技

據(jù)《泰晤士報》2024年4月5日報道，英國倫敦警察廳情報部門負(fù)責(zé)人表示，面部識別技術(shù)作為一項“改變游戲規(guī)則”的工具，自2023年4月引入以來，平均每兩個小時就能識別出一個因搶劫、強奸、盜竊等被通緝的犯罪嫌疑人。英國國王查爾斯加冕典禮前夕，倫敦警察廳在市中心啟用了實時面部識別技術(shù)（Live Facial Recognition，LFR）比對涉嫌犯罪的通緝名單，以識別混在人群之中的潛在危險對象。

加冕典禮期間，警方動用LFR技術(shù)掃描了倫敦市中心的100萬個攝像頭畫面并通過人工智能算法予以了分析。英國倫敦警察廳的數(shù)據(jù)顯示，加冕日當(dāng)天，部署在倫敦皮卡迪利大街的攝像頭共拍攝了超過3萬張面部圖像，并同10451張已知犯罪人的照片進(jìn)行了比對。在此過程中，LFR技術(shù)觸發(fā)了兩次警報。其中，一名被通緝的性犯罪嫌疑人在經(jīng)過白金漢宮附近的一個面部識別攝像頭時被掃描發(fā)現(xiàn)，旋即被成功抓獲。上述案例被英國當(dāng)局視為運用LFR技術(shù)搜索嫌犯，尤其是在大型公共活動中的一種有效手段。英國內(nèi)政部稱：“新的科學(xué)技術(shù)是實現(xiàn)更為高效、有效執(zhí)法的關(guān)鍵。面部識別技術(shù)在幫助執(zhí)法部門打擊謀殺、強奸、持械犯罪、恐怖主義以及兒童性犯罪等方面，發(fā)揮著關(guān)鍵的作用。”

面部識別技術(shù)能夠幫助警方從人群中準(zhǔn)確鎖定目標(biāo)人物，而整個過程耗時僅僅以毫秒計算即可。值得一提的是，即使鏡頭中的人員戴著口罩，該技術(shù)仍能對其面部的生物特征進(jìn)行精確掃描與識別。英國國家物理實驗室（National Physical Laboratory，NPL）的一份報告顯示，面部識別技術(shù)的錯誤匹配率為1/6000。英國倫敦警察廳情報部門負(fù)責(zé)人則表示，1/6000是報告估算的概率，而實際運行中面部識別技術(shù)的出錯率僅為1/40000。新技術(shù)的應(yīng)用，為執(zhí)法部門的破案工作帶來了根本性轉(zhuǎn)變。英國預(yù)計，將在未來4年中共投入2.3億英鎊用于提升警察破案技術(shù)水平，其中就包括配備更多裝備了面部識別系統(tǒng)的警車。

不過，鑒于對公民自由、隱私保護(hù)以及技術(shù)濫用等方面的擔(dān)憂，面部識別技術(shù)在當(dāng)前乃至未來還是個有爭議的話題。為此，英國警方預(yù)計將通過“安全護(hù)欄措施”的設(shè)置，來確保面部識別技術(shù)不會侵犯公民的隱私；同時，將面部識別技術(shù)的部署保持在適當(dāng)程度，以平衡公共安全和公民隱私。南威爾士警局也表示，面部識別技術(shù)的應(yīng)用過程，同人們在公共場合中的攝影活動差異不大。如果某一個體并不在警方的“監(jiān)視清單”上，警方就不會保留該個體的數(shù)據(jù)信息。

面部識別技術(shù)的使用原理

簡單來說，面部識別技術(shù)需要借助攝像頭來采集帶有人臉的圖像或視頻流，通過人工智能等予以圖像檢測和人臉跟蹤，進(jìn)而對檢測到的面部作出相應(yīng)分析和識別。從技術(shù)流程角度而言，面部識別技術(shù)包括了人臉圖像的采集檢測、預(yù)處理、特征提取以及匹配識別等。

采集檢測：無論是動態(tài)圖像、靜態(tài)圖像，抑或不同角度、不同表情的人臉面部圖像，都可以經(jīng)由攝像頭予以采集。當(dāng)個體進(jìn)入拍攝采集范圍后，設(shè)備即會自動搜索并拍攝其面部圖像。隨后，通過人臉檢測，對人臉位置和大小等信息、特征予以準(zhǔn)確標(biāo)定，以便后續(xù)進(jìn)一步利用。

預(yù)處理：人臉面部圖像的預(yù)處理，即在人臉檢測結(jié)果的基礎(chǔ)上，對圖像進(jìn)行的處理活動?？紤]到設(shè)備采集的原始圖像往往會受制于各類條件的干擾和影響，無法直接予以使用，這就需要在前期階段對圖像進(jìn)行噪聲過濾、灰度校正等預(yù)處理活動。

特征提?。喝四樚卣鞯奶崛。磳θ四樧鞒鎏卣鹘５倪^程。面部識別技術(shù)可利用的特征通常包括像素統(tǒng)計特征、視覺特征、人臉圖像代數(shù)特征以及變換系數(shù)特征等。以人臉面部器官的形狀描述以及相互距離特性而言，人臉主要由眼睛、鼻子、嘴巴以及下巴等部件組成，對這些局部及其相互之間結(jié)構(gòu)關(guān)系的幾何描述，可作為面部識別的幾何特征。

匹配識別：當(dāng)系統(tǒng)提取到人臉面部圖像的特征信息與數(shù)據(jù)后，即可在后臺數(shù)據(jù)庫中進(jìn)行搜索，并確認(rèn)是否與已知的存儲特征模板匹配。這就需要事先設(shè)定一個閾值，當(dāng)識別的相似度大于等于該閾值時，即可得到匹配的結(jié)果，從而對面部圖像的身份信息作出判斷。

科學(xué)技術(shù)的飛速發(fā)展，令深度學(xué)習(xí)在面部識別中發(fā)揮著越來越重要的作用。尤其是卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）的介入，使其得以構(gòu)建起多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來進(jìn)行自動學(xué)習(xí)和面部特征的提取。通過從低層次的像素特征到高層次的語義特征的學(xué)習(xí)，來完成對面部復(fù)雜特征的精準(zhǔn)描述。在技術(shù)流程方面，深度學(xué)習(xí)能融入人臉圖像的檢測、特征提取與識別等多個階段。深度學(xué)習(xí)模型在大量標(biāo)注面部數(shù)據(jù)的訓(xùn)練基礎(chǔ)上，可實現(xiàn)識別過程中的高精匹配。此外，深度學(xué)習(xí)還可同諸如生成式對抗網(wǎng)絡(luò)（Generative Adversarial Networks，GAN）等其他技術(shù)結(jié)合，共同作用于面部識別技術(shù)，以持續(xù)提升面部識別的技術(shù)優(yōu)勢。

編輯：黃靈 yeshzhwu@foxmail.com