人脸识别技术在犯罪预防中的应用

李 柱，王毅虹

（中国人民公安大学，北京 100038）

一、人脸识别技术的应用现状

人脸识别技术是大数据时代人工智能的重要组成部分，也是近年来在预防犯罪领域运用最广的新型科学技术之一。随着网络技术的突飞猛进，人脸识别技术更精确地应用于预防犯罪，维护公共安全，在短时间内大幅提高了公安工作专业效能。虽然在犯罪预防领域的综合应用有了极大的发展，但仍存在部分限制性因素，如犯罪嫌疑人通过戴口罩、帽子、眼镜或者低头遮挡等方式逃避人脸识别、视频采集。如何快速准确识别数据前端的有遮挡对象是人脸识别技术面临的技术瓶颈，目前综合的人脸识别技术成功解决了这些问题，使得人脸识别技术的准确性、安全性、实用性等方面有进一步提升。

（一）概述

人脸识别技术是指通过计算机程序，运用综合算法，提取人脸所蕴含的特征、结构比例等进行编码标识，以达到快速准确识别特定对象身份的目的。该种技术是运用大数据来分析人脸图像，从中提取有效的人脸特征信息，进而识别出特定对象身份的一种智能手段[1]。20世纪20年代，英国通过数据压缩技术向美国传送了第一张数据图片，数据图像处理技术应运而生。数据图像应用研究技术始于20世纪60年代，1964年美国“喷气推进实验室”通过数据传送手段，远程搜索到太空“徘徊者七号”拍摄的月球信息[2]，开启了数据图像技术应用的先河。之后，经科研人员不断攻坚克难，数据图像技术中的人脸识别技术得到迅速发展。

（二）人脸识别的犯罪预防模式

犯罪预防是指消除犯罪的起因，防止犯罪发生并将犯罪消除在萌芽状态而采取的有效措施。近年来引用互联网、大数据进行犯罪预防和预测，同时借助行为科学、计算机科学和犯罪心理学等研究理论，将犯罪衍生和变化的规律具体化、可视化，提高了犯罪预防的有效性，同时也为打击犯罪提供了有力的技术支撑，在一定程度上弥补了传统犯罪预防模式的局限性。但同时也存在技术上的弊端，如在犯罪预防过程中，由于不特定个体的差异性会使犯罪情况异常复杂，犯罪规律在微观上指导性不强，可能会导致预防结果的精准度出现误差。由于误差的随机性，使得该种犯罪预防方法稳定性有所降低，甚至可能成为预防犯罪的干扰因素。随着人脸识别技术的迅速发展，其在犯罪预防领域的应用进一步深化，其犯罪预防模式主要以数据前端采集各种跨媒体异构复杂信息为基础，借助神经网络深度学习、图像理解和生物识别技术，从跨地域多维空间人脸识别和互联网空间人脸形态分析等角度，将不特定个体的人脸信息情况与相关联的环境进行交互认知、整合和研判，构建智能化预防、预测和预警三级控制系统。该种犯罪预防模式主要依托知识图谱、数据挖掘等方法，并借助人工智能的前端理念和技术，汇合海量数据信息，利用新型人脸数据分析模型部分或完全辅助人类进行大数据深度挖掘和综合分析，同时，配置智能数据终端分析传输的外围设备和平台，形成以人脸识别为核心技术支撑的动态轨迹管控犯罪预防系统[3]1-10。

（三）人脸识别技术的主要特征

传统的人脸识别技术，很大程度上依靠远程视频监控，尤其是依靠对视频中人脸的抓拍或截图这一方法，保证获取的是一张完整的人脸图像，再放到后台数据库里进行后续比对，达到对象识别。这种传统技术在识别上准确度不高，算法性能较差，难以在实战中得到广泛的应用。而其他的人体特征识别技术，在一定程度上均存在较大的技术缺陷，有的需要被动的人脸配合，有的则需要耗费一定的人力物力成本。如指纹识别需要将被识别人的手放在固定的识别仪器表面，DNA技术则需要获取被识别对象的检测样本，且需要一定的鉴定时间，难以满足现实性的需求。

随着互联网技术和人工智能的不断发展，高科技信息设备不断应用到公安实战中，大幅提高了公安工作成效，尤其是智能人脸识别技术，与目前人体生物特征识别方法相比，具有迅速、简单、准确、高效、主动的显著优势。智能人脸识别技术，只要采集到被识别对象的面貌，或者在半遮挡、模糊面貌等情况下，基于稀疏算法或深度学习算法的人脸识别，开展人脸信息的结构化存储、检索和比对，就能达到对该对象的现场识别与实时处理，有效预防犯罪。

（四）人脸识别技术的犯罪预防流程

人脸识别技术是以获取人脸信息为基础，基于稀疏表示或深度学习的算法，达到检测、识别、预防的目的。其实现流程一般分为三步。

1.人脸数据采集

建立人脸识别数据库，将不同时间、不同地点、不同部门所获取的人脸图像实时导入数据库，形成动态多元收集渠道。另外，对于不断更新的各种网络图片和视频，建立网络动态的智能人脸数据收集后台，多角度获得同一对象的不同人脸图像，并将这些人脸数据文件生成面纹编码贮存在数据库中[4]，为后续的智能人脸识别提供数据基础。

2.人脸识别

将监控前端所获取到的人脸图像先进行技术处理，由于自然状态下，会有温度、光线、距离、背景等因素的干扰，故识别之前必须进行一定的光线补偿、灰度规一化、几何校正、噪声消除等图像预处理，通过现有技术可以达到这一预处理目的，最大程度上把无关因素排除在外，确保人脸识别功能的确定性和稳定性。严格意义上来说，并不存在两张完全相同的人脸，所以特定的人脸有其固有的特征，包括正面特征和侧面特征。正面特征是指各种距离比例及角度值，如两眼之间的距离，两颊之间的距离，眼大小，以及各特征点之间组合所形成的距离、角度值等。常用的特征探测方法有三类：参数化模型方法、基于模板的方法以及利用数学算子的方法[5]。通过上述算法获得该人脸的显著特征，采集到人脸数据后经预处理后提取相应的人脸特征，同步自动导入人脸数据库，形成面纹编码，并与原有的数据库中人脸进行特征编码匹配，综合多重编码信息，达到最大程度的识别比对。

3.同步预警

经过人脸识别系统处理后，将重点人物识别结果实时上传至系统特定关注人员区域，在该人脸出现的重点频繁活动领域产生预报警信息，同步传送到所辖公安所队，并结合城镇所在居委或村委，发挥网格化优势，重点关注，进行调查，及时反馈处理。

二、人脸识别技术在犯罪预防中的应用

（一）人群集散中心安全防范应用

在人群集散中心如汽车站、火车站、机场、码头等重点预防区域，实时布控具备人脸识别功能的视频监控设备，多角度、全天候进行人脸数据采集，同步导入公安后台人脸数据库，根据所采集到的人脸信息，进行数据编码，同时划分预警等级，对系统显示的高危人脸数据，进行进一步人脸识别，结合系统内的在逃人员和涉毒、涉黑、涉恐等暴力型犯罪的前科人员，重点比对。将突出的预警信息实时发送至所在辖区的侦查部门，核实具体人员信息，根据所调查的情况再反馈给大数据中心的研究人员，做到实时预防。

（二）道路安全防范应用

在各大高速路进出口、服务区、加油站点等关键通道处设置人脸数据采集的监控仪，通过后台数据库的人脸进行实时比对，进行快速搜集和检验，同时采集重点预警人脸的活动轨迹，作为研判该人脸的参考数据，进一步提高人脸识别的准确率，最大程度上预防和打击犯罪。如2019年6月湖州市公安局南浔分局借助视频侦查技术和人脸识别技术，快速锁定犯罪嫌疑人具体位置并抓捕到案，可见人脸识别技术的应用极大提高了公安机关在新时期的实战能力。

（三）校园安全防范应用

近年来，以校园为犯罪地点的案件频发，引起社会高度重视，为进一步预防犯罪，可以将校园进出口以及周边一定范围作为重点人脸采集区域，安装高清人脸识别视频监控，实时接入系统后台，不断进行人脸更新。对于短时间内在识别区域内出现的高频陌生人脸数据，要进行重点比对和实时监控调查，一旦确定有作案嫌疑，立即传送预警信号，采取相应措施，提高自动预警，及时防控，以提高人脸识别的犯罪预防效率。

（四）居民区安全防范应用

居民社区情况复杂，各种不同身份、背景和目的的人均有可能出现，再加上部分小区空间布局结构不规范，存在监管盲区，给违法犯罪的侦破带来了阻力。通过在居民区设置人脸识别视频监控，尤其是针对社区安防监管的盲区，开展人脸识别的自动化，通过长期的人脸信息的采集和识别，结合该小区的常住人口信息，建立该小区的人脸数据库，实时进行数据更新。对在该小区出现的非常住人员，根据其活动轨迹特征，并结合其是否与该小区人员有直接或间接的亲属关系或其他关系，开展数据库的异常人脸识别分析，从而实现对居民区重点异常人员的犯罪预防管控。

（五）大型活动安全防范应用

各种大型活动具有临时性、密集性、多变性等特点，从某种程度上来讲，在大型活动中，处处存在安全隐患，而且人数越多，引发犯罪的可能性越大。为加强活动的安保，除设置足够的安保人员现场执勤外，还应加强活动的“隐形安保”，即对现场出现的人脸进行识别，建立参与人员动态人脸数据库，借助无人机进行立体人脸识别。在安防力量不足的情况下，借助人脸识别视频监控对进出活动场所的所有人员人脸数据进行自动采集，通过互联网同步传送到后台安防指挥中心的人脸数据库，与在逃人员和高阈值预警人员名单迅速比对并准确进行身份判断。一旦发现与系统内的综合信息吻合或超出阈值界限，立即自动报警，将相关信息传输给现场执勤人员，迅速采取相应措施，有效打击和预防犯罪。如美国纽约警察局就将人脸识别视频监控普遍应用于各种大型活动安保，有效地预防了犯罪，维护了活动现场的安全秩序。

三、人脸识别技术的挑战及建议

人脸识别技术在各地区的积极应用大幅提高了公安机关打击违法犯罪的工作效率，随着稀疏算法的进一步应用，人脸识别技术的优势日趋明显，但同时也对公安机关提出了新的挑战。如何保护公民的隐私、缩短人脸识别的时间和提高人脸识别的准确度是现在面临的主要问题。

（一）隐私保护问题及处理

智能人脸识别技术的利用具有双重属性，而其功能取决于使用者的价值取向。在打击违法行为、预防犯罪的同时，也诱发了新的犯罪形式。无论是在互联网还是在现实公共区域，对公民进行未经允许的人脸数据等隐私信息采集，很难避免侵犯到采集对象的个人隐私。个人隐私除信息隐私、空间隐私外，还有个人的自觉隐私，即个人不受外界干涉，独立决定个人生活隐私公开与否，如何使用等问题[6]。当前的人脸识别技术，在进行人脸数据信息采集时，即采集了其自觉隐私，视频前端的采集设备自由收录，而且在后台自动进行个人信息和各种数据综合分析，形成系统研判，读取其人格、财产状况和生活轨迹等敏感信息，进而预测有无犯罪的趋势。人脸识别在预防犯罪的同时，也容易引起数据库信息泄露，2017年9月绍兴公安机关就破获一起利用计算机算法入侵数据库，盗取公民隐私信息的案件。

国内对隐私信息保护采取的是对后台采集的信息进行植入和技术处理，如进行加密或限制访问权限等，在一定程度上能起到防范作用。但随着网络技术的深度发展，该种方法也面临着新的困境。从立法层面考量，是否可以细化当前国内相关技术使用规范，完善人脸数据库信息内容的管理，或者加强研发人员和使用人员的自身监管，从源头预防隐私信息泄露，进一步明确责任，切实保障所采集对象的合法权益。2018年5月25日，欧盟出台了《一般数据保护条例》（General Data Protection Regulation,简称“GDPR”），该条例对智能化分析研判、会对数据主体生活和工作产生重大影响的智能决策进行了规范，明确了数据使用主体的相关权利义务，并且制定了一系列的救济和惩罚细则，被称为“史上最严数据保护条例”[7]。这表明数据的隐私安全如果不加以保护，将会对社会造成影响，引发新的社会问题。智能人脸识别技术所采集到的各种数据，必然要以保护公民特定隐私为基本原则，在保障数据运用畅通的基础上实行实名制“信息侦查员”制度。对数据的收集、整合、分析、研判及提取应用环节严格把关，严守权力底线和纪律意识。对进入隐私数据库的民警进行后台自动记录，定期分析反馈登录时间、位置以及所查询提取的数据，确保整个流程程序合法、手段合规和应用合理，以防数据泄露时能倒查源头，及时定位到人并有效止损。

（二）技术困境问题及应对

人脸识别技术因其隐蔽性、易于操作和市场前景广阔受到各大科研机构及研究人员的青睐，逐渐发展成为人体特征识别的关键研究领域，同时也被应用于维护公共安全，预防和打击犯罪。人脸识别技术的研究主要集中于核心算法、数据库容量和应用范围等领域。基于人脸识别技术在核心算法方面的研究方法主要包括：基于几何特征的识别、基于特征脸的人脸识别、基于模板匹配的人脸识别、基于神经网络的人脸识、基于隐马尔可夫模型（HMM）的人脸识别、基于弹性匹配方法的人脸识别、基于贝叶斯决策的人脸识别、基于支持向量机的人脸识别[8]。无论是哪一种算法，实验室环境与现实环境均存在一定程度上的技术误差，而且所需要识别的人脸数据基数越大，准确率会有所下降，鲁棒性较差，所耗费的识别时间也随之递增，对犯罪预防的时效性有一定的影响。随着时间的推移，人脸信息数据库的储存容量将会呈几何式增长，这对存储能力提出了挑战。由于以上的技术问题，导致人脸识别技术的犯罪预防运用领域受限，再加上现实中人脸的物理伪装，如戴帽子、口罩、眼镜等，以及光线、背景和距离等环境因素，让人脸识别面临新的技术困境。

针对人脸识别技术的瓶颈，相关专家提出一种基于深度卷积神经网络的智能人脸识别核心算法，该算法的基本原理是：首先，根据Softmax（柔性最大值）损失特征分布，在特征和权重向量间施加一个类内余弦相似性损失，使类内更加紧凑，类间尽可能分离；其次，在Softmax损失基础上通过归一化特征来更好地模拟低质量人脸图像，并通过归一化权重来减轻类别不平衡，使其与测试时的余弦相似性度量一致；最后，联合归一化的Softmax损失和类内余弦相似性损失在预训练模型上进行微调[9]。该算法的优点在于提高了特征的判别性，增强了模型的泛化能力，进一步提高了人脸识别的准确率，具有很好的鲁棒性。另外，可以加强核心技术的实际运用，科研机构和高校与相关科技公司共同组建联合实验室，将人脸识别技术与市场结合，一旦技术成熟定型，迅速与公安部门进行实战对接，根据实际情况再进行反馈，不断更新，形成现实战斗力，进一步提高预防打击犯罪的能力，构建智能安全防控体系，服务于社会。

（三）系统综合识别问题及完善

由于环境的复杂性和识别对象的多变性，单一的识别途径很难做到准确识别，在一定程度上存在误差空间。而对于犯罪预防而言，任何技术误差导致的识别漏洞都会直接降低犯罪预防的精准度。因此，不能仅依靠单一的人脸识别技术，还要运用其他渠道，综合识别，形成一套系统的、规范的、标准的人脸识别技术流程，提高犯罪预防实效。将人工智能视频分析技术、海量数据存储技术及群防群治网格化工作机制结合起来，多维度拓展人工智能设备的应用，融合多种传感技术、数据挖掘分析和综合人体识别技术的数字化设备与便携式工具[3]1-10。2017年11月日本NEC公司在旗下脸部辨识产品中导入人工智能，研发出一款运用人脸识别技术防止陌生人员进出办公楼的安保系统。大阪大学教授八木康史应用神经网络深度学习方法，根据识别对象的各种体态、肢体的摆幅等运动相关特征辨识出特定人员，并依此研究出可预防和识别潜在犯罪嫌疑人的技术[10]。构建系统化和多元化人脸识别技术的犯罪预防模式，做到实时预防、实地预防，将评估犯罪可能性的数据以动态量化的形式准确及时地表达出来，成为维护社会持续和谐稳定的重要技术。

人脸识别是极具实用性的犯罪预防手段，目前不同类型的人脸识别技术得到了一定程度的发展，但是在实战运用中依然凸显诸多问题，如法律法规对隐私信息的保护不够具体完备、核心算法需要进一步成熟定型、缺乏多元信息采集渠道系统识别，可以考虑深化相关法律法规，借鉴国内国外先进核心算法，建立多元分域数据库，综合识别采集对象，提高识别的准确率，缩短相应的计算时间，提高鲁棒性。让人脸识别技术能够广泛应用于不同环境、不同地区，有效预防犯罪，维护公共安全，提高社会整体安全防控能力。随着人工智能的不断更迭，人脸识别技术将会到达一个新的高度，将进一步促使其在犯罪预防领域深入发展。