深度学习的人脸大数据系统应用

浙江移动信息系统集成有限公司 孙玉伟

我国在现阶段的科技研发、创新过程中，加强了人脸大数据系统的探讨，该方面的技术不仅可以推动大数据的进步，同时对生产、生活产生的改变是非常大的。人脸大数据系统的应用难度较高，虽然目前掌握了一部分技术，但是对于长期发展是远远不够的。因此在系统的操作理念、操作方法上，必须进一步的改变传统的方案，应坚持在深度学习的过程中进行优化，促使人脸大数据系统的内涵更好的丰富。

1 深度学习含义

所谓的深度学习，主要指的是含有多隐层的多层感知器，其所谓一种特殊的学习结构，在研究和应用的时候，主要是来源于对人工神经网络的相关研究。深度学习的过程中能够通过组合低层特征，由此来形成更加抽象的高层表示属性类别，促使多层感知器的应用更加健全，在数据、信息的分析上更好的完善。

2 人脸大数据系统逻辑架构图

系统基于人脸识别核心技术，遵循公安行业信息化标准规范，依托综合可靠的通信网络、分布式数据库和集群计算等多项技术，架构图如图1所示，由下至上依次是感知层、数据能力层、应用服务层、和展示层。

图1 系统逻辑架构图

3 深度学习的人脸大数据系统的应用

3.1 系统组成

人脸大数据系统的优化过程中加入了深度学习的技术、理念，在系统的组成方面，包括人脸识别专用摄像机、高清镜头、人脸识别预处理服务器、人脸对比服务器、存储服务器、报警显示端、系统管理平台等等。各个组成部分在运行的过程中表现出各司其职的特点，同时能够在相互作用上不断的增加。例如，存储服务器在应用的时候，针对监控的人像信息会仔细的记录、分析，同时根据客观工作的需要，针对人性抓拍以及实施对比的信息进行有效的记录，便于在后续的工作当中开展仔细的查找和对比。

3.2 业务流程

深度学习与人脸大数据系统结合以后，在业务流程上不断的优化。前端的人脸识别专用摄像机，主要是按照高清、实时的标准来采集人像视频，并且按照专业的网络传输来开展，通过预处理服务器的有效加工，在人脸的各类处置措施上连续操作，包括检测、跟踪、抓拍等等，接下来对相关的信息与对比服务器进行操作、调整，最终输出相应的结果，确保在民警的研究、判别上给出足够的依据。与此同时，业务流程的优化，正不断的加强智能技术的操作，能够对相似度较高的人脸更好的筛查和调整，从而减少错误的判断，对人脸大数据系统的功能更好的完善。

3.3 营销零售领域

以无人零售为代表的新零售场景大量使用了人脸识别技术，无人售货机遍布各大商场、楼宇、地铁、车站等公共场所，无人便利店自2017年起广泛使用了人脸识别安全系统。此外，人脸识别技术还广泛应用于广告投放和识别客户信息（如客户性别、年龄、表情、肤质、观看广告时长等），并通过分析这些数据有针对性地向客户推送最有吸引力的广告。早在2013年，全球第三大零售巨头Tesco（乐购）就曾宣布，计划在英国450间加油站便利店的广告荧屏上加入一项叫OptimEyes的人脸识别技术。

4 人脸大数据系统的发展策略

4.1 结构化数据

目前，人脸大数据系统的研发、应用，的确得到了社会各界的高度关注，但是在未来的发展和创新模式上，必须更好的改善自身的不足。例如，人脸大数据系统的功能，将会进一步融合大数据的技术和功能，尤其是在一线厂商的人脸大数据系统，以及二三线厂商的人脸大数据系统方面，其差距会逐步的降低，结构化数据的实时处理、高效处理是下一个技术增长点。在2021年，关于人脸大数据系统的技术战略合作项目会不断的增加，目的是由此在各类业务场景的应用上给出更多的选择，同时在业务额开发理念、方法上按照定制化的模式来创新，按照便捷、直观的业务方法来表达，这对于人脸大数据系统的长期完善可以奠定坚实的基础。

4.2 边缘计算设备、后端集群分析

通过对人脸大数据系统合理的应用，能够促使生产、生活的便捷性更好的提升。边缘计算设备、后端集群分析是重要的组成部分，二者一方面在竞争的激烈程度上会不断的提升，另一方面在日常的合作方法上会不断的优化。例如，国内的华为、海康等企业，关于人脸大数据系统的研究不断加深，嵌入式视觉系统的发展速度不断加快，针对嫌疑目标的追踪模式，可以按照真正的无人机来操作，而且新的系统增加了自动识别、自动锁定、自动报警的功能，再加上飞行器的设备加持，完全可以在安防领域做出更大的贡献。另一方面，后端视觉处理集群的能力也会大幅度的提升，在全城布控、全员布控方面得到了更多的保障。

4.3 人脸识别技术、其他传感技术

随着人脸大数据系统的发展速度不断加快，单一的人脸数据业务会在热度上明显的降低，但是在人脸识别技术、其他传感技术方面，则会按照融合发展的手段来完善。与单传感器相比，多传感器技术在探测、跟踪和目标识别方面能够提高系统的可靠性和健壮性，增强数据的可信度，提高精度，增加系统的实时性。机器视觉系统易于向多传感器信息融合技术拓展，解决单一视觉系统的局限性。由此可见，人脸大数据系统在创新的过程中，不仅在技术的突破性方面不断的提升，同时在技术服务的提供模式、方法上，完全采用了个性化的定制工作来开展，这样在人脸大数据系统的综合前进方法上，可以由此来得到较多的保障，一系列不足的应对、解决，可以得到更加卓越的成果，在长期工作的安排上，可以对人脸大数据系统提出更多的诉求，争取在设备、技术、系统、操作等方面，按照协调统一的方式来完善。

5 人脸大数据系统的注意事项

现如今的科技发展思路不断完善，而且在人脸大数据系统的融合、应用过程中，能够给用户带来全新的体验，整体上创造的经济效益、社会效益特别显著，在未来的工作落实模式上，必须从新的角度来思考，减少潜在性的隐患。另一方面，人脸大数据系统的相关测试工作不能放松，新功能、新理念的应用不可能随意的投放，而是要在大量的测试与优化后，确保没有任何问题的情况下，才能对人脸大数据系统的新功能上线，而且要尊重用户自己的选择，针对强制更新的问题更好的把握，从而促使用户得到的便利和保障不断的增加。人脸大数据系统的实施，还需要充分的掌握好未来可能出现的风险，尤其是网络上的恶意攻击和信息泄露问题，必须联合相关部门深入的查处，对人脸大数据系统的安全保障更好的优化。

总结：我国在人脸大数据系统的研究、实施上，正不断的加强科技力量的投入，通过深度学习的开展，能够减少人脸大数据系统的隐患，在系统的长期工作部署上，按照全新的策略来调整，一系列问题的应对可以给出更多的选择，整体上具备的发展空间是非常大的。未来，应继续在人脸大数据系统的可靠性、可行性方面不断的强化，在相关问题的处置上给出更多的依据，掌握好长期工作的走向，在人脸大数据系统的综合体系上进行调整，为国家发展做出卓越的贡献。