【摘要】本文主要针对人脸识别系统应用在开放式出入口所存在的核心问题提出适宜的解决方案，在此基础上，提出一种适用于开放式出入口的高效准确的人脸识别系统应用模式，其中包含系统运行模式与人脸识别模式两部分内容。最后，选取北京市某地下通道进行现场测试，并对实验结果进行了分析。
【关键词】人脸识别；开放式出入口；应用
1.引言
传统门禁式人脸识别系统通常都需要对识别对象提出多项配合要求，以便提高识别准确性。例如，要求被识别人员逐一单独通过识别通道，在特定位置静止并采用固定姿态配合人脸图样的采集，获取较高质量的人脸图像送入比对模块，其间对于光照、表情等细节都有较为严格的要求。此种应用模式增加了系统使用的管理难度，限制了人脸识别技术的实际应用。
我国人口众多，在很多场合地点都不可能对通行人流进行过多的约束和限制，特别是对于城市中心地段的开放式出入口，如果采用门禁方式限行识别，极容易造成人流的迟滞或拥堵，并且未体现出隐性识别的优越性，从而无法达到使用人脸识别技术来提高公共安全监控的目的。
基于此种情况，本文提出了一种能够适用于开放式出入口的人脸识别系统应用模式，能够减少对于识别目标的各种约束和限制，使其保持在自然状态下完成人脸完成快速检测、识别比对和报警。同时，能够在人流较大的情况下依然保证系统性能的实时性、准确性，在减少警力配备的同时，提升报警人员的抓捕效率。
本应用模式的建立，将使人脸识别自动报警技术可以大范围地应用于机场、车站、公园、码头等大人流量公共场所的开放式出入口当中，且不会增加管理部门的管理负担或成本，具有非常明显的应用价值。
2.基于开放式出入口的特性构建合理的系统应用模
基于开放式出入口的人脸识别系统应用模式主要包含两个方面，既系统运行模式、算法识别模式两部分。针对开放式出入口人流量庞大的特点，系统应用模式应分别满足以下条件。
（1）系统运行模式应能够尽量减轻操作人员的压力，并确保实时抓捕。
对于开放式出入口的监控工作，工作人员的压力主要存在两个方面：当地区出入口较多，需要同时监控多个出入口；监控区域内人员较多，不能够立刻找出报警人员。
为了减少出入口的监控人员配备数量，整个系统架构采用终端监控模式，前端只部署摄像头，所有出入口的监控情况均接入后台监控终端进行显示，一切监控工作均在后台完成。采用这种操作模式，监控终端只需要配备很少数量的工作人员。
人脸识别监控系统中报警信息的实时性极为重要，当某受监控出入口在高峰时间出现报警情况时，操作人员需要在密集人群中寻找报警人员，工作量较大。为了减少终端工作人员的工作量，保证人脸识别的实时特性，在监控终端的实时视频显示界面上对报警人员进行标注。采用这种显示模式，可以使监控终端的工作人员迅速的确定报警人员的信息，从而减少了工作量，提升了抓捕效率。
（2）人脸识别模式应使系统资源占用率最低，并且避免一人多次报警的情况。
与门禁出入口不同，应用于开放式出入口的人脸识别系统同一时段内需要对多人进行识别，对系统资源的要求较高。由于单位人在摄像头区域内会存在较长的一段时间，采用传统的识别模式，经常会出现一个人被多次识别的情况，不仅耗费了系统资源、降低了识别效率，而且影响了终端的报警情况显示。
为了杜绝这种情况，在开放式出入口中应用人脸识别，需要对传统的识别模式进行改进。在识别目标的基础上加入运动跟踪，使一个目标只做一次比对。这样既减少了对系统资源的占用，又避免了一个目标出现多次报警提示的状况。
3.关键技术的实现
3.1 人脸识别系统网络架构
人脸识别系统网络结构拓扑图如图1所示。
3.2 人脸识别系统关键技术
3.2.1 系统运行模式
监控系统运行模式决定了系统的可用性、实时性、健全性。开放式出入口人脸识别系统的运行模式主要包含如下几点：
(1)所有出入口视频及报警信息统一在监控终端上显示。减少工作人员配备数量，方便工作人员进行操作。
由于嫌疑库登记人员入侵公共场所的概率较低，因此不必为人脸识别监控分配过多的工作人员，将所有出入口的监控视频同一显示在监控终端，如图1所示。终端可由一至二人监控，既节省了人员配备，又达到人脸识别目的。
(2)在实时视频上对报警人员进行标注，并且对报警时间段内的视频图像进行存储。方便工作人员迅速找到报警人员，提升抓捕率。
与门禁式人脸识别不同，开放式人脸识别系统覆盖范围较广，同一时段出现在监控屏幕内的人脸数量较多，如果出现报警，终端监控人员需要在大面积人群中迅速定位报警人，既增加了工作量、又影响了实时性，为了解决此种问题，本应用模式提出报警人员跟踪的方法。在监控界面上对抓取到的人脸进行跟踪标注，当出现报警人时，系统自动将此人的标注框更改为显著色(例如红色)，这样，终端监控人员能够在密集人群的监控场景中迅速定位嫌疑人，并更快的告知前端工作人员进行盘查抓捕，从而提升了抓捕效率。
(3)对所有报警情况按时间单位进行存储：便于工作人员进行回查。
3.2.2 基于运动检测的人脸识别模式
对于开放式出入口的人脸检测，摄像头覆盖范围较大，通过人员在摄像头区域内会存在较长的一段时间，对于传统的门禁式人脸识别系统，会针对此人进行多次抓取与比对。针对开放式出入口特性，需要系统同时识别两位数以上的数量级，如果不能够减少比对工作量，将会严重影响系统的工作效率。
为了避免同一人多次识别比对的情况，开放式出入口的人脸识别系统采用运动跟踪的办法进行人脸识别。具体过程如图2所示。
对抓取到的人脸不做比对，而是做基于人脸特征值的运动跟踪，跟踪方法为在两帧之间做类似于运动矢量估计的特征值匹配算法。普通数字摄像机的帧率一般为16帧/S或者24帧/S，根据人类跑动的最高时速为12米/S，选取搜索范围的大小为5×5的临域。 算法具体流程为：首先取出当前帧当前识别人的人脸特征值，识别过程采用Violajones人脸识别算法，当前帧的人脸区域识别出来后，对前一帧进行相同像素位置5×5的临域范围内进行类似于运动矢量估计的人脸特征值的匹配查询，将最符合当前特征值的人脸作为跟踪结果。同时，对跟踪的人脸不停抓取图像，进行暂时存储。
当跟踪的人脸走出监控区域时，在抓取的若干张人脸中选取一张图像质量最好的人脸图像作为抓取图像，使用这张图像进行人脸识别，图像质量的判别标准采用国际标准。当出现报警情况时，回调暂存中的质量最好的人脸图像，并显示给工作人员。
采用此种识别模式，能够在不降低人脸识别准确率的情况下，有效的增加系统工作效率。以北京市某地下通道为例，双摄像机覆盖全通道，12小时进入人次大约为7.3万人，摄像机能够抓取清晰多张人脸的概率约为80%，如果每人进行三次识别，那么比对模块会进行三次比对，假设嫌疑库数据量为3万人。那么服务器在12小时内的比对总数为52.56亿次，单位时间比对次数为12.17万次/S。但是如果每人只进行一次识别，那么比对模块也仅执行一次比对操作，单位时间内的比对次数降至4.06万次/S。大大的降低了系统负荷。
4.测试结果及分析
采用此种应用模式，选取北京市某地下通道进行现场测试，通道部署图如图3。
本次测试，嫌疑数据库入库30000人，其中包含实验集100人。测试时间为12个小时，每半小时进行一次。待测试数据主要包括：误报率、漏报率、报警时延。实验结果如表1。
经统计，测试日通道人流量总数为72786人，测试总人数为2278人，报警总人数为2023人，漏报255人，误报28人。
经计算，本文所提出的应用模式在开放式出入口中的各项指标数据为：
(1)平均报警率：88.8%。其中，高峰时段(AM 8:30-10:30、PM 16:00-18:00)的报警率为86.2%；其他时段的报警率为90.4%。
(2)平均误报率：0.04%。其中，高峰时段(AM 8:30-10:30、PM 16:00-18:00)的误报率为0.043%；其他时段的报警率为0.039%。
(3)平均漏报率：11.2%。其中，高峰时段(AM 8:30-10:30、PM 16:00-18:00)的漏报率为12.7%；其他时段的漏报率为10.9%。
(4)平均时延：1.504S。其中，高峰时段(AM 8:30-10:30、PM 16:00-18:00)的时延为1.611S；其他时段的时延为1.489S。
可以看出，针对开放式出入口的人脸识别应用，本文给出的应用模式能够给出高效准确的识别结果。
5.结论
人脸识别属于非接触式识别，与指纹、瞳孔识别相比较，具有更隐蔽的特性。传统的门禁式人脸识别系统虽然识别率较高，但是效率较低，在出入口人流量较大的情况下，会严重阻碍人流通行，并且体现出隐性识别的优越性。在开放式出入口架设人脸识别系统，既节省了出入口的工作人员配备，又能够高效准确的识别出了犯罪分子，是今后人脸识别应用的主要发展方向。
参考文献
[1]Rafael C.Gozale著.数字图像处理[M].阮秋琦等译.电子工业出版社,2007:224-259.
[2]杨光正,吴岷,张晓莉编著.模式识别[M].中国科学技术大学出版社,2001:105-215.
[3]薛源,李艳萍.人脸识别技术的探讨和研究[J].太原理工大学:机械管理开发,2010(10).39-41.
[4]王娟.人脸识别技术及其应用[J].中南民族大学硕士学位论文,2009,05:22.
[5]Kuo-Chin Fan,Wei-Hsien Wu.A Run-length Coding Based Approach to Stroke Extraction of Chinese Characters.Proceedings of the 15 IEEE International Conference on Pattern Recognitions,2000,2:565-568.
基金项目：国家科技支持计划项目(2009BAK63B01)。
作者简介：王子亨（1985—），男，北京人，硕士研究生，工程师，主要研究方向：图像分析。
