人脸识别技术在地铁自动售检票系统中的应用研究

■ 黄亮

1 概述

人脸识别技术是一种利用人的脸部特征信息进行身份识别的技术，属于生物识别技术范畴，主要应用方向是身份识别。2001年我国公安部门开始使用人脸识别技术进行重大刑事犯罪打击；2008年举世瞩目的北京奥运会使用人脸识别技术为大会提供保障；2010年上海世博会各大厂商人脸识别技术登台亮相，同时也标志着人脸识别技术在我国开始大规模应用[1]。人脸识别的具体方法有多种，如几何特征人脸识别方法、3D建模特征比对技术等。人脸识别技术在应用层面可分为3个步骤[2]：

（1）建立人脸档案库，将用户人脸特征信息和用户的相关信息建立绑定关系，如用户的身份信息、证件信息、支付结算手段等；

（2）人脸图像提取，即通过摄像机采集获取人脸图像；

（3）将获取的人脸图像与人脸档案库进行比对，并输出比对结果。

与传统的身份鉴定方式相比，人脸识别的最大优点就是更具安全、保密和便利性[3]。人脸识别技术也具有相关缺点，例如准确性容易受多种因素的影响，在用户配合、采集条件比较理想的情况下，人脸识别系统的准确度较高，但是在用户姿势不对、亮度不够、发型改变、表情改变等不理想的情况下，人脸识别系统的准确度会受到很大影响。目前主流的人脸识别算法保守估计其技术准确率能达到95%～98%。根据中国科学院的研究调查，目前美国最先进的人脸识别系统测试时，识别误读率也有1%，长周期使用人脸识别系统必然会出现比对错误的概率事件。

我国已有城市试点人脸识别闸机应用。2017年春节前夕，票证人自助核验闸机（“刷脸检票”系统）在北京、上海、广州、深圳等多地大型火车站投入使用，上海、深圳、成都陆续进行地铁应用试验。

2 应用模型

根据人脸识别的技术原理和流程，用户在使用人脸识别系统前一般需要先经过注册，将人脸信息和具体的人建立绑定和对应关系。人脸识别技术模型见图1。

图1 人脸识别技术模型

人脸识别技术应用于地铁自动售检票系统，至少应添加闸机、扣费系统2个元素。人脸识别技术应用于地铁售检票系统模型见图2。

人脸识别技术应用于自动售检票系统同样要完成3步：先建立乘客人脸档案库，再通过闸机人脸采集摄像机进行人脸采集，最后进行人脸比对并输出结果，给予闸机和扣费系统工作指令。人脸识别技术应用于自动售检系统流程见图3。

自动售检票系统是直接面向乘客的系统，影响乘客乘车体验，涉及票款等敏感问题。此外，人脸识别技术的应用还涉及技术性能、与传统闸机配置比例、线网应用关系等多个问题。人脸识别技术应用影响因素模型见图4。

图2 人脸识别技术应用于地铁售检票系统模型

图3 人脸识别技术应用于自动售检系统流程

3 人脸识别技术与传统票卡技术对比

传统票卡技术成熟可靠，通过与传统票卡技术的对比（见表1），可以更好地对照新旧技术的优缺点，现阶段地铁对闸机的技术要求和传统票卡的技术特点，可以作为人脸识别技术应用于地铁自动售检票系统的技术底限。

人脸识别检票通行能力的技术期望应高于传统票卡检票模式，可朝着开放式、多人次同时检票的方向发展。在人票关系中无疑是人脸识别可以更好地防止逃票，人脸识别算法原理需要在线比对，也就导致人脸识别闸机需在线工作，增加了对通信网络的依赖程度。

图4 人脸识别技术应用影响因素模型

表1 人脸识别技术与传统票卡技术对比

传统闸机成熟可靠，人脸识别闸机与其配比关系，需要考虑技术成熟度，技术越成熟，应用比例越高；也取决某一城市地铁的应用模式，如人脸识别闸机是专人专用还是单线内应用；受车站特点影响，如汽车客运站、火车站、码头和机场外来流动人口较多，以单程票为主，传统闸机配置比例应适当增加；我国部分城市单程票比例较高，属于乘客使用习惯原因，更愿意单次乘车单次购票；线网内应用程度不高的城市，在新线建设时也应适当控制人脸识别闸机的数量。

4 应用问题分析

深圳地铁日均客流达400万人次以上，周一—周五以通勤客流为主，通勤客流中中青年人数占比较大，这部分人员对新型乘车支付手段有较高的接受能力，如果在深圳地铁全线网内应用人脸识别系统，估计初期人脸库会在20万以上并会快速增长，按10%客流使用人脸识别，人脸库可达百万。

根据厂商实验数据，当人脸库达万人级别后，比对时间将达2 s以上，而根据估计的地铁初期人脸库20万以上，比对时间将更长，这样的比对效率应用在大客流快速通行要求下的地铁显然存在极大问题。由于没有针对10万级或以上人脸库识别的公开数据，因此无法知道比对时间数据，但可以预估，比对时间是大客流城市无法接受的，存在识别比对效率问题。

关于识别比对正确率问题，以目前的人脸识别算法技术仍无法实现百分之百的正确率，即使最先进的人脸识别算法技术，仍存在1%以上的错误概率，且错误概率可能随着人脸库的扩大而提升，这就带来了乘客票款误扣漏扣的问题。地铁属于全年无休运营，在持续使用过程中必然持续出现比对错误扣款事件，对深圳地铁的运营水平及形象造成影响，增加地铁运营服务成本。

5 解决方案

人脸识别应用在地铁日均客流达400万人次以上的城市，仍存在不少需要克服和解决的技术难题。根据上述分析，现阶段可采取以下方案。

5.1 局部试点

限制使用人群数量，控制人脸档案库的大小，保证正确率和比对速度。

（1）在技术足够成熟前，仅限特定人员（如工作人员）使用，既可积累实验数据也可避免因为技术不成熟带来的运营管理困难。特定人员实施方案模型见图5。

（2）以线为单位建立人脸档案库，用于面向单线通勤乘客（在一条线内进出站的乘客），从而限制人脸档案库的大小，需要换乘的乘客暂时限制使用。单线通勤乘客实施方案模型见图6。

5.2 结合后付费模式和信用管理手段

乘客在使用人脸识别闸机进出站时，仅进行黑名单人脸库验证：

（1）对于非黑名单用户的进出站均实行快速放行，系统后台进行人脸比对和计算扣费；

（2）对于使用人脸识别闸机后未完成扣费的，纳入黑名单人脸库，无法再次使用人脸识别闸机，并纳入个人信用记录中。人脸识别结合后付费技术的方案模型见图7。

图5 特定人员实施方案模型

图6 单线通勤乘客实施方案模型

图7 人脸识别结合后付费技术的方案模型

5.3 优化人脸识别算法

根据地铁运营特点，优化人脸识别算法[4]，进一步保证正确率和比对速度。建立人脸档案母库、动态子库和黑名单，即注册使用人脸识别闸机的乘客人脸档案会全部纳入母库中，当乘客进站时做第一次刷脸并快速放行，人脸被录入动态子库，由人脸系统后台进行动态子库与母库及黑名单之间的比对，比对结果正常的乘客仍被保留在动态子库里，比对结果为黑名单的乘客从动态子库中消除。乘客出站刷脸时，仅将出站人脸信息与动态子库进行比对，比对成功后执行扣费和放行，动态子库将该乘客人脸消除，比对失败的人脸信息与黑名单进行比对，检测到该人脸与黑名单相符，闸机将不予放行并做告警提示。

在算法层面，识别比对有2种方式：一种是基于文件的，即把特征存成文件，在文件级进行比对；另一种是基于数据库的，如在Oracle等数据库中进行比对，在数据库中存有详细的人脸档案，由此可以进行图文混合查询，以提高查中率和比对速度。

6 结束语

目前人脸识别技术应用于具有大客流、快速通行特点的轨道交通，仍有部分技术难题需要解决。基于对现阶段技术的研究分析，采用特定人员方案、单线通勤乘客方案及基于第三方支付平台后付费等技术思路，人脸识别技术应用在地铁自动售检票系统是可行的。可以先小规模局部试点，积累经验、改进算法、优化策略，随着技术的发展和先进性的提高，再逐步应用至城市全线网。

[1] 本刊记者．轨道交通视频与安全产业技术联盟“走出去”——与生物识别产业技术创新战略联盟共同主办“2015人脸识别技术与行业应用研讨会”[J]．中国铁路，2015(8)：93．

[2] 夏志强．人脸识别综述[J]． 电子世界，2017(23)：74，76．

[3] 安国成，肖坦，陈树骏．铁路人脸检测识别技术应用探讨[J]．中国铁路，2015(8)：91-92．

[4] 胡敏，文永富．三维人脸识别算法研究[J]．影像科学与光化学，2017(2)：131-139．