安防系统中人脸识别技术的应用探讨

刘诠刚

摘 要：近年来，随着科技水平的不断提升，人脸识别技术在安防系统中得到广泛应用，取得诸多显著成果，推进了我国安防产业的信息化发展进程，具有重要的意义。互联网的高速发展，让人工智能融入人们的生活，安防系统在加入了人脸识别技术后，更加方便人们的生活，并且极大的提高了安防系统的安全性。因此，本文对人脸识别技术在安防系统中的应用进行分析，以供参考。

关键词：安防系统;人脸识别技术;应用

中图分类号：TP391.413 文献标识码：A 文章编号：1671-2064（2020）08-0049-03

1 人脸识别技术概述

人脸识别技术指，以人体脸部图像特征加以判定，精确对比脸部器官位置、大小、形态等信息，完成人脸特征信息提取工作。随后，将所提取人脸特征信息与配套数据库所存储具有较高关联性的特征信息进行对比分析，即可精确识别监控对象的真实身份。本质上讲，可将人脸识别技术视作为一项生物特征识别技术，对生物体本身的生物特征进行提取、对比识别，从而区分生物体个体。与人眼识别极限能力（97.53%）相比，人脸识别技术的准确率高达98.52%，具有极为广阔的应用前景。在人脸识别技术应用中，主要从人脸对比、人脸检测与面部特征定位三个方面进行识别。以面部特征定位为例，对人体脸部器官的位置、形状等信息加以测定和提取，随后采取特定方式加以表达，如几何特征、固定特征、云纹图等。

2 安防系统设计现状与人脸识别技术应用必要性

2.1 难以确定监控场景

在传统安防监控系统运行中，主要采用视频信息捕捉方式，对监控场景内人物的行为特征加以监测，以人物为主体对象。虽然在所监控对象存在异常行为时，系统将自动发送预警信息，通过外链传感器方法判断场景实体，但却难以对视频中人物的具体活动变化加以精确识别，也难以确定监控场景实体。对人脸识别技术的应用，有效解决了这一问题，可直接确定监控场景实体，并有效识别监控对象的活动变化[1]。

2.2 监控对象确定层面

在传统安防监控系统中，普遍以外界调价为辅助监控途径，因此在系统运行过程中，往往受到位置高低、光照强度、实物大小等因素的干扰影响，监控图像质量较差，难以在场景变化过程中快速确定、持续锁定监控对象，无法确定监控对象的特征信息，技术应用价值没有得到充分发挥。在人脸识别技术应用过程中，技术具有关键特性修正功能，将对各项模糊特征信息进行自动修正。虽然人脸识别技术对周边光线环境较为敏感，对识别准确性造成了一定程度的干扰影响[2]。但从系统整体运行角度来看，为监控图像质量提供了有力保障，将明确显示监控对象的具体特征。

2.3监控对象识别层面

多数安防系统的运行目的有两点：第一，在探测器或传感器装置检测到非法进入设防区域的行为时，自动发送预警信息;第二，对监控视频图像内监控对象的身份进行识别、并判断监控对象所实施的各项动作行为[3]。因此，安防系统在公安布控、公共安全与出入境管理等诸多领域中得到广泛应用。从安防系统实际应用角度来看，由于监控对象数量众多，且监控对象实施多项工作行为，难以在段时间内對监控对象的真实身份做到有效辨识。人脸识别技术具有并发性特征，可在实际应用场景同时对多个监控对象的脸部特征信息进行提取、分拣、判断与识别，并主动获取人脸图像信息，具有极高的识别精度与速度，逐渐成为移动支付认证、安全身份核对的主要方式。

2.4 监控检索效果差

在现有安防系统运行过程中，需要将监控视频信息传输至监控中心，对大量视频图像进行分析比对，或是采取大范围视频回放方式进行检索，监控检索效果较差，难以在短时间内显示具有较高关联性的数据信息。这一问题的存在也限制了安防系统的推广与应用。人脸识别技术将对所采集、导入生物体面部特征信息图像进行编码，在动态场景与复杂背景下，灵活采用人脸规则法、参考模板法、肤色模型法等识别方法，分离并识别面相特征，从而锁定监控对象的具体身份。例如将监控对象面部特征信息与标准人脸模板的匹配程度进行计算，通过阀值判断是否存在该人脸。与传统的线性顺序存储策略、检索方式相比，人脸识别技术的检索方式具有较强针对性，将快速辨识监控对象的真实身份。如表1所示为人脸识别技术与其他识别技术的应用对比结果。

3 人脸识别技术在安防系统中的应用策略

3.1 辅助构成安防系统

在安防系统开发过程中，唯有结合人脸识别技术的应用特征，建立相应的管理模块，才能最大程度发挥技术应用价值。以某安防系统为例，基于人脸识别技术，将系统划分为图像采集模块、面部探测捕捉模块、面部图像处理模块以及面部特征信息服务器，各项管理模块具体如下。（1）图像采集模块。该模块主要负责将目标区域转换为静态图片信息，抑或是动态视频图像信息，为后续系统运行提供基础。（2）面部探测捕捉模块。以所转换动态视频图像与静态图片信息为主要依据，系统自动分析、识别监控视频图像中是否分布生物体并对生物体的面部进行锁定、跟踪监控，探测捕捉生物体的面部特征信息、行为特征。（3）面部图像处理模块。该模块主要负责对模糊特征信息进行修正，生成标准面部图片。随后，基于面部特征处理单元对面部图片加以处理，精确显示具体面部特征信息，提高人脸识别精度。（4）面部特征信息服务器。将所生成标准面部图片与相关面部特征信息传输至系统配套数据库当中，对所关联信息图像进行比对，从而精确判断监控对象的真实身份[4]。

3.2明确系统工作流程

目前，在部分安防系统中，虽然加强对人脸识别技术的应用力度，但在制定安防系统工作流程存在不合理的问题，难以充分发挥技术应用效能。因此，在人脸识别技术应用中，应优先运行面部捕捉模块，对监控视频图像内监控对象的面部特征、体态特征进行采集、分析，生成标准面部图片。随后，将面部图片经由图像处理模块加以筛选，挑选与之相匹配的标准人脸模板、并对图片进行加工处理、开展图片数字解释工作。最后，安防系统以面部特征数据为主要依据，构建图像对比模型，逐一对比数据库内相似面部特征数据，生成数据比对结果，辨识监控对象的真实身份。

3.3 探索系统应用方向

（1）人物对比。采用分布式系统架构开发安防系统，经由摄像头等监控设备持续采集视频监控图像信息，并将信息传输至系统服务器，基于人脸识别技术，自动对视频图像对生物体的面部特征信息加以采集、修正与分析，并与数据库中黑名单人脸信息加以对比。如若对比结果一致，或是具有较高匹配度，系统将自动向相关部门与系统管理人员发送预警信息。（2）门禁系统。所配置视频监测装置或感应器将对特定区域所停留生物体的面部特征信息进行识别，与数据库中人员名单及面部信息进行比对，辨识人员身份信息。随后，根据所确定人员身份及权限等级，自动开启门禁门等装置。（3）电子护照凭证。以人脸识别技术作为首推识别模式，系统采集人脸等生物特征以辨识监控对象的真实身份，便于电子护照管理与身份识别工作的开展。目前，我国公安部正加紧规划与实施电子护照管理计划。（4）校园安防系统。目前我国多数高等院校普遍存在校内人员流动性过大、现有安防系统管理效率低下的问题，难以对校内出入人员的身份加以有效识别、筛选，导致校园犯罪率居高不下，存在一定的安全隐患。具体来讲，在校园安防系统运行过程中，所面临主要问题在于，人员流动性过大，系统无法速锁定、跟踪监测大量的监控对象，难以精确识别监控对象的真实身份。

人脸识别技术具有非接触性、非强制性与并发性等技术特点，在与监控对象无直接接触的前提下，可在实际应用场景下同时对多个监控对象的面部特征信息进行获取、修正、分拣、判断与识别，极适用于校园安防系统中。

以某高等院校为例，将人脸识别技术融合至校园安防视频监控系统当中，增设人脸实时抓拍、运动跟踪、人脸自动检索、人脸布防预警、黑名单对比等功能模块。在所识别监控对象信息与黑名单库中可疑人员信息相符时，系统将自动发送预警信号，采取多种联动方式疏散人员、并与公安等相关部门开展协同管理工作，抓获犯罪嫌疑人、锁定犯罪嫌疑人的具体行动路线。

在校园安防系统中，受到技术因素限制，难以充分发挥人脸识别技术的应用效能。从技术实际应用与系统运行角度来看，系统最多同时支持16路人脸抓拍机，并将人脸与黑名单进行实时对比。同时，黑名单人数应控制在1000人以内，如若黑名单对象人数过多，将会对人脸检索与黑名单对比效率造成影响。

4 人脸识别技术在安防系统中的应用实例

4.1 系统研制特点

以我国山东博物馆为例，将人脸识别技术作为安防系统开发核心，针对性配置人脸警示功能与配套检索系统。山东博物馆安防系统的具体研制特点如下：

系统将对监控对象的面部图像与固定M面部图像进行逐一比对，以相似性为排序依据，对相关图像排列执行面部识别操作，随后在输入面显示监控对象的身份信息数据;采取N∶M动态检测识别模式，从动态视频图像信息中跟踪锁定监控对象，提取并识别监控对象的面部特征;采取非合作被动获取方式，基于安检门视频监控设备等硬件设备，多角度对监控对象的面部信息进行采集，同时联动多个摄像头设备，在保障全面获取面部特征性信息的同时，避免出现监控死角，在真正意义上做到了对多个监控对象的实时跟踪监测;采取远程采集人脸信息方式，视频监控设备与监控对象间距在7m以内时，即可在不被访问者注意的前提下快速、精确获取面部图像信息;采用多相机采集模式，结合博物馆建筑结构，将摄像头设备在制定位置进行高低配置（低位置安装与高处悬挂），以此解决面部间距问题，并克服面罩等障碍物。

4.2人脸采集测试

山东博物馆为验证人脸识别技术在安防系统中的实际应用价值，是否能实现预期技术应用目标，选择开展人脸采集测试作业，在博物馆室内区域内设置50个测试仪，测试仪高度范围在1.6m～1.9m区间范围内。随后，将样本在博物馆游览观众群体中加以散步、并模拟正常观众的行走姿势及速度。而50个样本由25个黑名单与25个二级库组成，测试时间为9：00～16：00，具体测试结果如表2所示。

通行总人数为6109，多角度人脸采集的观众人数为6072、有效建模数为5895、样本通行人数为50、样本采集人数为50、样本有效建模数为50、人脸采集率为99.3%、有效建模率为96.5%。单摄像机人脸采集的总采集人数为5430、观众有效建模数为4706、样本通信与采集人数均为50、样本有效建模数为48、人脸采集率为89.6%、有效建模率为77.1%。基于测试结果可知，在安防系统中，对多角度人脸采集模式的应用，将充分发挥人脸识别技术的应用效能，其具有较高的有效建模率、面部检测率，并确保了捕获图像的质量。

5 结语

综上所述，随着计算机技术的迅速发展，人脸识别技术得到了广泛应用，安防系统是保障社会环境安全的重要环节，但是传统安防系统设计模式中，存在诸多设计问题与不足。因此，应加强对人脸识别技术在安防系统中的应用力度，充分发挥人脸识别技术应用效能，并对原有安防系统功能结构加以完善补充，不斷增强系统应用安全效果。

参考文献

[1] 秦红亮，阚跃.人脸识别技术在安防系统中的应用[J].中国安防，2018（11）：120-124.

[2] 孔勇，顾鸣鹤，奚松波.人脸识别技术在安防系统中的应用研究及其示范[J].科技创新与应用，2019（3）：143-144.

[3] 杨仁山.人脸识别技术在视频安防系统中的应用[J].城市建设理论研究（电子版），2018（3）：62.

[4] 何勇军，田显俊，郭蓉.关于人脸识别在安防系统的运用分析[J].信息记录材料，2019，20（7）：79-80.