近幾年來,作為公安視頻偵查的重要手段,人像識別在公安實戰(zhàn)過程中的應用需求正在加速釋放。公安部門需要比對大量的視頻、圖像,從海量視頻監(jiān)控數(shù)據(jù)中精準、快速地找到目標人物。智能人臉系統(tǒng)的部署將警務人力極大地解放出來,帶來了警務實戰(zhàn)效能與效率質(zhì)的提升。隨著人工智能、大數(shù)據(jù)、云計算等技術(shù)的融合應用,人像識別在公安視頻偵查中的輔助作用也越來越關(guān)鍵。

M:N模式精準人臉識別應用仍存技術(shù)難點

當前,公安視頻偵查中人臉識別的應用一般分為兩種場景:一種是靜態(tài)人臉識別比對,從監(jiān)控錄像中采集人臉的截圖,然后和目標庫(如犯罪分子庫、黑名單庫、失蹤人員庫等)做靜態(tài)比對,縮小目標范圍到幾人、十幾人內(nèi),提高身份確認的效率;另一種則是直接在監(jiān)控視頻中做動態(tài)比對,實時檢測、比對分析、跟蹤人臉。

在1:1、1:N靜態(tài)人臉比對場景中,因為人臉比對的數(shù)據(jù)量較小,且環(huán)境干擾因素較少,人臉識別的準確率普遍能夠達到99.5%以上甚至100%。但在復雜的M:N模式下的動態(tài)人臉布控過程中,要做到超高精度人臉識別和追蹤仍然不太容易。這里涉及到很多因素,包括抓拍距離、光線環(huán)境、人臉角度等等,干擾性較大,應用到實戰(zhàn)場景中仍然有一些技術(shù)難題需要攻破。

要提升動態(tài)人臉識別的準確率,首先要保障的是人臉圖像的抓拍率,這一點在很多技術(shù)類文章中鮮少提及,但其實是很關(guān)鍵的因素。在動態(tài)人臉抓拍場景下,大量移動目標的重疊、分離、移出區(qū)域等都是導致漏拍的關(guān)鍵因素。

華為全新“星像”系列人員結(jié)構(gòu)化智能攝像機中的T-Shot智能抓拍引擎,可以有效解決目標跟蹤遺漏、目標重復的問題,可將抓拍有效率提升到96%以上,將重復率控制在8%以下。

同時,內(nèi)建的圖像評價篩選算法可自動選擇最優(yōu)抓拍,剔除重復圖片,一方面減少傳輸圖片的數(shù)量,降低網(wǎng)絡(luò)傳輸和后端計算壓力;另一方面篩選出高質(zhì)量人臉抓拍圖片,提升識別的準確率。

在保障高質(zhì)量人臉圖像抓拍的基礎(chǔ)之上,再從算法角度強化人臉特征的檢測提取,以獲取更精準的識別率。

人臉是一種非常重要的生物特征,具有結(jié)構(gòu)復雜、細節(jié)變化多等特點,同時也蘊含了大量的信息,比如性別、年齡、表情等。在動態(tài)識別場景中,算法主要是基于面部進行特征點檢測分析,單一在人的面部區(qū)域做特征提取,仍然會受光線、環(huán)境以及非配合條件等因素,影響到最終的識別準確率。

針對這個問題,華為“星像”系列智能攝像機,一方面采用多特征人像識別技術(shù),可實現(xiàn)“人臉&人體”多特征檢測、提取、分析以及輔助跟蹤,支持人臉、人體、頭肩等部位同時抓拍,特征提取點更豐富多維,包含人物性別、年齡、是否帶口罩、人物服飾等10余種屬性特征,實現(xiàn)最優(yōu)人臉&人體相關(guān)聯(lián)。從人臉到人體,從單一特征到多特征,隨著目標人物細節(jié)特征的豐富,基于深度學習的算法,可以在訓練過程中讓深度神經(jīng)網(wǎng)絡(luò)“自動” 從訓練的數(shù)據(jù)中學習最適合的特征擷取方法,自主篩選更精確的信息,多樣性人像特征的算法疊加,達到更精準的識別效果。

人臉 & 人體 多特征檢測提取

另一方面,華為“星像”系列智能攝像機,還可通過多攝像機間的協(xié)同、端云間的協(xié)同進行聯(lián)合判斷,單機比對處理后再多機配合計算確認,從而降低人臉誤檢率。

最后,值得一提的是,在安防應用中,攝像機安裝的環(huán)境千差萬別,同一個安裝場景會有不同的環(huán)境變化,這也給精準人臉識別帶來了較大的挑戰(zhàn)。

為了解決這個問題,華為“星像”系列智能攝像機,內(nèi)置實時圖像質(zhì)量檢測與評估特性,具備自我感知和場景適應性學習能力,可通過AI算法自動識別場景環(huán)境,比如霧天、雨天、低照場景、寬動態(tài)場景等等,而后自動調(diào)整參數(shù),使圖像在不同的場景下呈現(xiàn)最優(yōu)狀態(tài),更好地滿足實戰(zhàn)應用。

原文標題:“人員結(jié)構(gòu)化”多特征分析,助力精準人像識別應用

文章出處:【微信號:asmag001,微信公眾號:安全自動化】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。