基于人像识别技术在“一人一档”系统中的应用与探索

肖轶涛　张义泰

摘要：公安工作对于人像档案管理，尚未建立有效的聚类和归档。因此建立一套基于人像识别技术的“一人一档”系统，利用人像系统在夜晚的空闲算力，将白天采集的动态数据进行聚类、归档，从而建立人像档案，并将各个档案打上标签，与其他人员信息数据库进行关联。

关键词：人像识别技术;动态数据;数据库

中图分类号：TP311.13 文献标识碼：A 文章编号：1007-9416（2019）03-0208-02

1 现状与需求

目前公安机关人像识别系统主要应用于对布控在逃人员、嫌疑人等进行实时预警，大量的抓拍数据没有被有效利用，造成极大的资源浪费。同时，对于重点人员以及常住人员的人像档案管理，尚未建立有效的聚类和归档，查询人员的行踪轨迹等日常信息，还需要手动检索分析。建立一套基于人像识别技术的“一人一档”系统，利用人像系统在夜晚的空闲算力，将白天采集的动态数据进行聚类、归档，从而建立人像档案，并将各个档案打上标签，与其他人员信息数据库进行关联，为公安民警实时掌握人员动态轨迹将提供了有力支撑。

目前的“一人一档”系统主要基于人脸数据进行分析，随着“视图库”的建立，技术的革新与升级，更多的数据将汇集起来。例如人员基础信息、人体特征、步态等，通过打破各系统之间的壁垒，逐渐丰富档案信息，确保数据的准确性与鲜活性。现有公安工作中的“档案”系统是基于户籍信息建立的个人档案系统，该系统更加侧重于对目标人员的身份落地，对公安业务的支撑力度有限，数据的价值没有被更多的挖掘出来，主要存在以下不足：

（1）数据更新不及时。目前各地市的人员流动是比较大的，每天都有成千上万的人流入和流出，而现存的“档案”系统映射的只是户籍数据，并且是被动一些登记信息，并不能完全反映该地区的具体人员信息，而且数据不能实时更新。

（2）数据的更新耗费人力。现存的档案信息更多的需要人工的采集与录入，每次数据更新都是靠人力的叠加来推动，大大增加了基层民警的工作量。

（3）数据的价值得不到体现。现有的档案数据更多在人员身份信息确认中发挥作用，各个档案及数据库之间并没有有效的串联，各个数据库纵向之间的壁垒没有被打破，所有数据无法进行有效串联。

因此，现有的户籍档案系统无法为公安实战业务提供强有力的数据支撑，伴随着公安大数据智能化建设进程的推进，结合多个系统的“一人一档”系统的建设迫在眉睫。

2 人像识别技术在“一人一档”系统中应用思路

人脸识别技术是公安图侦技术手段建设的一项重要手段，也是落实“为民、惠警”要求和回应基层实战需求的一项具体措施。通过建设人脸识别系统，实现对人员的识别比对，开展对犯罪嫌疑人识别抓捕，对重点人员的动态布控、轨迹分析、研判等工作，能够有效提高公安机关预防预测和预警能力。

人像识别技术利用人的面部特征进行身份辨识，是目前所有生物识别技术中对使用者影响最小的技术，也是该领域中取得最新突破的识别技术之一。较之于其它的生物识别技术，人的面部特征是非常稳定可靠的，是用于区分人的首要特征。经过多年发展，人脸识别技术已有长足进步，已经达到商业化、产业化水准。随着平安城市、雪亮工程项目的深入发展，城市监控的高清化进一步得到普及，摄像机数量大规模增长，使得人脸识别在数据的采集上阻碍大大减小，提升了人脸识别的质量与应用领域。同时，根据国家发展改革委、中央综治办、公安部等九部委印发《关于加强公共安全视频监控建设联网应用工作的若干意见》（发改高技〔2015〕996号）等文件，对公安机关加快构建视频图像信息综合应用体系建设，实现人脸比对在视频监控中的综合应用提出了明确要求。九部委发布的《关于加强公共安全视频监控建设联网应用工作的若干意见》提出了“到2020年，基本实现‘全域覆盖、全网共享、全时可用、全程可控的公共安全视频监控建设联网应用，在加强治安防控、优化交通出行、服务城市管理、创新社会治理等方面取得显著成效”的宏伟目标。引入人脸识别、大数据、云计算技术与公安实战技战法相结合，为公安治安防控、侦查破案、维稳处突等工作提供了有力支撑，最终实现人脸布控预警、人脸轨迹查询、人脸识别比对、人脸碰撞等应用，构筑了公安人脸大数据一体化应用工作格局。同时，通过对重点人员、违法犯罪嫌疑人等所有过卡人员的人像和轨迹进行建档，通过大数据分析，为服务反恐维稳和打防管控等提供了有力技术支撑。深入推进公安大数据智能化建设，将现有的人脸识别系统与城市居民户籍档案系统相结合，利用人脸识别技术的优势，构建城市的“一人一档”系统。相较于现有的“档案”系统，“一人一档”系统有着明显的优势：

首先，人脸系统采集到的数据都是实时有效的。随着平安城市、雪亮工程等项目建设的大力推进，人像识别技术已经在公安机关的案件侦查工作中发挥着极其重要的作用。城市中建设的越来越多的人脸摄像头采集的数据逐渐庞大，面对城市级人像平台每天采集的上百万人像数据，我们如何处理？目前并没有非常成功的案例，那么我们是否可以将采集到的数据聚集到档案系统中，对每天的数据更新处理呢？这样既能保证档案系统数据的及时更新，保证了数据的鲜活性，又可以充分利用采集到的数据，将数据的价值挖掘出来。

其次，对人脸数据的归类聚档可依靠现有资源或并行利用新建资源。目前的人脸服务器大都采用异构计算的方式，大部分的人脸数据集中在白天，抓拍量较小的夜间，服务器会有冗余的算力，我们就可以利用这部分冗余算力对白天的数据进行分析归档，将重复的工作交给机器去做，把服务器的性能发挥到最大，给基层民警减压。

最后，人脸数据的导入，可以激发现有户籍式“档案”系统的活力，按照公安部有关规范要求，深化部门间信息共享，稳步推动公安部分数据资源对外开放，为国务院“放管服”改革提供更便捷的公安信息共享服务。在拓展公安数据资源对外服务的同时要努力获取更多其他政府部门和行业数据，特别是工商登记、不动产、涉税等行政记录数据，水、电、气、电信、租赁行业数据，为公安大数据提供更多维度的数据资源。现有的人脸系统均可以对抓拍到的数据进行分析比对，如同行分析、徘徊分析等。利用分析的结果确定各档案之前的联系，如A与B的轨迹分析显示，上班时间内，他们的落脚点是一致的，我们是否就可推断出他们是同事关系或者有什么交集？这样就可以将单个档案串联起来，形成大的数据网络图，真正激活静态数据的价值。而且，通过动态人像系统与多维数据库的对接，可实现多维数据的融合，为知识图谱的建设做铺垫。

針对多维数据融合，我们可接入但不局限于以下数据：（1）本地常口库人员数据：户籍人员信息接入，实现身份落地;（2）动态人像数据：动态人像数据接入，构建一人一档;（3）公安专题人员数据：对接各警种人员专题库，开展专题治理;（4）网吧信息数据：网吧数据，分析无业人员;（5）民航订票数据：民航信息接入，掌控出行信息;（6）旅业信息数据：旅馆业信息接入，盯控重点人员。

3 结语

结合以上分析我们发现，人像系统建设的重点是围绕“人”这个核心要素建立数据库，而“一人一档”系统的作用就是打破各个数据库之间的壁垒，以人为中心建立数据网，根据数据的积累学习建立多种模型，基于数据模型的分析，行为趋势的预测将应用到实战中。从过去的事后取证、事中打击逐步发展为事前的预防并挖掘那些已发生、未发现的事件。

当今世界，以大数据、人工智能为代表的新一代信息技术日新月异，人类社会正在加速进入智能社会，运用大数据、人工智能推动经济发展、完善社会治理、提升公共服务和监管能力成为世界趋势。公安机关只有紧跟时代步伐，抓住机遇，乘势而上，才能在未来发展中抢占制高点、赢得主动权。

参考文献

[1] 李俊莉，陈巍，宋培彦，闫红丽，孟玺.大数据视角下公安情报分析技术[M].北京：科学技术文献出版社，2016（2）：15-22.

[2] 李彦宏.智能革命[M].北京：中信出版集团，2017（4）：86-91.

[3] 王燃.大数据侦查[M].北京：清华大学出版社，2017（1）：61-81.

[4] （日）松尾丰.人工智能狂潮[M].北京：机械工业出版社，2015（12）：131-147.

[5] 郑晓均.侦查策略与措施[M].北京：法律出版社，2010（3）：193-245.

Application and Exploration of "One Person， one File" System Based on Portrait Recognition Technology

XIAO Yi-tao，ZHANG Yi-tai

（Xinxiang City Public Security Bureau of Henan Province，Xinxiang Henan  453000）

Abstract：Public security work has not established effective clustering and archiving for portrait file management. Therefore， a "one person， one file" system based on portrait recognition technology is established， and the dynamic data collected during the day is clustered and archived by the portrait system at night， thereby creating a portrait file and tagging each file. Associate with other people information databases.

Key words：portrait recognition technology; dynamic data; database