基于预筛动态人脸数据库的城市轨道交通人脸识别过闸系统性能优化方案

展宗思 严 军

(1.西安市轨道交通集团有限公司， 710018， 西安；2.成都智元汇信息技术股份有限公司， 610213， 成都∥第一作者， 高级工程师)

近年来，基于人脸识别技术，城市轨道交通实现了一种免介质、无接触的人脸识别过闸方式。这种过闸方式更便捷、更安全，如能大范围推广应用，将发挥较大价值。然而，受计算能力和网络条件所限，目前人脸识别过闸系统的性能表现仍难以达到大范围推广应用的要求[1]。为有效解决此问题，本文提出一种基于预筛动态人脸数据库的性能优化方案。

1 人脸识别过闸系统性能现状

城市轨道交通人脸识别过闸系统是一种集图像采集、图像处理、数据比对、数据搜索等功能于一体的计算机集成系统，其通过车站闸机安装的人脸识别PAD(平板电脑)采集乘客人脸图像、提取人脸特征数据，并通过专用网络将人脸特征数据上传至后台系统，进行验证、比对、计费、扣费等[2]。经国内多地城市轨道交通实践证明，人脸识别过闸系统人脸数据库的人脸数及并发访问人数过大时，该系统的响应耗时、误识率等关键性能指标均难以满足正常使用要求[3]。

人脸识别过闸系统的响应耗时为人脸图像采集、人脸活体检测、特征数据提取、特征数据比对+搜索和网络传输等业务的累计耗时。其中，人脸图像采集、人脸活体检测、特征数据提取等业务的耗时同PAD的软硬件性能相关联，同后台系统软硬件性能及网络传输设备性能关联不大。由于PAD软硬件性能、网络传输设备性能均相对稳定，故与其关联的业务耗时也相对恒定。在所有业务中，唯有人脸特征数据比对+搜索业务的耗时直接取决于后台系统的软硬件性能。在相同硬件条件下，人脸识别过闸系统各业务的耗时情况如图1所示。

如图1 a)所示：当人脸数据库的人脸数为500万张且并发访问人数超过100个时，人脸识别过闸系统总响应耗时超过了300 ms(系统性能临界值)，其中绝大部分为特征数据比对+搜索业务耗时。如图1 b)所示：当人脸数据库的人脸数为2 000万张且并发访问人数持续增大时，比对+搜索业务耗时呈非线性增长，误识率也明显增大；人脸图像采集、人脸活体检测、特征数据提取等业务耗时则未被人脸数据库的人脸数、并发访问人数的变化所影响。由此可推断，人脸特征数据比对+搜索耗时是人脸识别过闸系统性能的关键约束因素。

a) 人脸数为500万张

b) 人脸数为2 000万张图1 人脸识别过闸系统各业务的耗时情况Fig.1 Time-consumption situation of each businessof the face recognition gate system

2 性能优化方案

为优化人脸识别过闸系统的性能，本文提出一种基于预筛动态人脸数据库的性能优化方案。该方案对车站入口通道乘客视频中的人脸数据进行预筛，形成缩小版预筛动态人脸数据库，预筛动态人脸数据库提供更小的特征数据比对及搜索范围，有助于后台系统缩短人脸识别耗时和降低误识率。

2.1 优化后的系统硬件

为满足基于预筛动态人脸数据库的人脸识别过闸系统的数据采集、业务处理、网络传输等方面的硬件需求，需要先对人脸识别过闸系统的硬件进行优化。优化后的人脸识别过闸系统硬件构成如图2所示。

由图2可见：优化后的通道摄像机采用枪式高清视频摄像机，其具备高分辨率、超低码流等特性，支持3D降噪、背光补偿等功能；优化后的车站级系统增配视频分析服务器，为提取视频中人脸特征数

注：APP为应用程序。图2 优化后的人脸识别过闸系统硬件构成图Fig.2 Hardware composition after face recognitiongate system optimization

据提供硬件资源；优化后的后台系统采用分布式云计算平台，为人脸特征数据比对+搜索、人脸数据筛选等业务处理以及动态人脸数据库部署提供硬件资源。

车站级系统至后台系统之间的数据传输借助于既有专用通信网络来实现，后台系统至APP云平台及第三方支付平台之间的数据传输借助于电信运营商专线网络来实现。

2.2 优化后的业务及数据流程

在优化后的人脸识别过闸系统硬件支持下，可实现系统业务流程和数据流程优化。优化后的业务及数据流程如图3所示。

1) 一般情况下，通道摄像机将实时采集到的乘客进站视频流推送至车站视频分析服务器；视频分析服务器逐帧提取人脸特征数据后交由前置服务器上传至后台系统；后台系统收到人脸特征数据后，对数据进行安全验证、比对、搜索后获得筛选结果，并将此筛选结果按照线路、车站分类存储于预筛动态人脸数据库。乘客到达站厅闸机前，后台系统将不同线路、车站的人脸数据下发至对应闸机PAD暂存，乘客过闸时PAD可在极短时间内完成人脸识别及身份验证，并命令闸机放行。

2) 特殊情况下，PAD识别到的乘客人脸特征数据未包含于本机暂存的人脸数据中，则将该人脸特征数据上送至后台系统进行身份验证。经后台系统比对+搜索和身份验证后，将验证结果返回至对应PAD。如身份验证通过，则命令闸机放行；否则，PAD显示“乘客未注册或未开通人脸过闸功能”

图3 优化后的系统业务及数据流程图

且闸机拒绝放行。

2.3 优化后的效果

为验证本方案的优化效果，在西安地铁自动售检票系统实验室(具备人脸识别过闸功能)安装枪式高清视频摄像机，在测试平台部署视频分析服务器和预筛动态人脸数据库，以此模拟测试环境来检验人脸识别过闸系统的性能优化效果。测试数据如表1所示。

表1 优化后的系统性能测试数据表

表1数据表明：当人脸数据库人脸数达到2 000万张且并发访问人数增加到140时，人脸识别过闸系统人脸识别+过闸耗时变化不明显，始终保持在300 ms以内；闸机通行能力、误识率满足使用要求。人脸数据库的人脸数和并发访问人数持续增大的情况下，优化后的人脸识别过闸系统仍可保证良好性能表现。

3 结语

本文从分析城市轨道交通人脸识别过闸系统性能不足的问题出发，提出基于预筛动态人脸数据库的系统硬件、业务及数据流程等优化方案。经实验室测试验证，该方案不仅能使人脸识别过闸系统性能得到较大提升，而且具有较高的可行性，为人脸识别过闸系统大范围推广应用创造了条件。