综合型 的弱电系统一站式解决方案的集成商!
涵盖政府、军队、公安、学校、大厦、小区、工厂、幼儿园、园区、等各个领域。
工程热线:
400-837-888
18003020570

人员识 别系统解决方案

发表时间:2018-11-14 10:29


可疑人员识 别系统解决方案


第 一 章 背景及需求

1.1 应用背景

十三五 智慧城市建设提出要加快云计算、物联网、大数据 等一些公共支撑型应用平台建设。近两年来云计算、物联网、大数据 等领域技术逐渐成熟,在各行 业中应用越来越广,技术应 用的社会认可度和接受度越来越高,经济和 社会效益日渐凸显。

在金融行业,由于银 行财富集中的特点,很容易 成为犯罪分子的目标。如果是 一些分行级的银行大楼内,很多时 候也会成为上访人员的目标,特别是 发生一些理财不当的事件后,很多客 户会选择分行大楼,该营业网点进行闹事,给安保 工作提出了更高的要求。

同时依 据相关政策法规及国家和行业标准,公安机 关要求全市范围内涉及公共安全的社会视频资源进行有效整合,将其统 一纳入公安机关管理,解决视频资源碎片化、孤岛化问题,从而盘 活全市社会视频资源,构建起网络架构合理、基础数据共享、行业管理独立、公共平台统一、信息应 用安全可信可控的开放式社会公共视频资源管理系统,为反恐维稳、治安防控、应急处突、服务群 众提供强有力的可视化信息支撑。充分发 挥社会视频资源的重要作用,实现信 息资源共享和应用效益最大化。

在完成 社会资源接入后,公安机 关需要接收各个社会单位的视频信息,对视频 信息的解析提出了较高的要求,那如果 银行直接自行完成视频或者图片的解析,直接给出相应的结果,可以从 很大程度上减轻公安机关的负担,同时也 能够更好协助公安机关破案,提高银 行在安全评估方面的等级。

1.2 需求分析

银行急 需针对黑名单的客户进行准确的识别,以便安 保人员能够采取相应的措施,例如对前期有上访,闹事的 人员进行高度关注,针对公 安机关通缉的人员,需要及 时通知公安机关等等。

第 二 章 系统总体设计

2.1 总体目标

可疑人员识别系统,通过对 经过营业网点门口或者办公大楼的人员进行人脸抓拍,经过人脸比对分析,智能识 别在网点门口出现的黑名单人员,及时报警至监控中心,监控中 心人员复核确认,同时消 息可推送给现场的安保人员,进行重点关注,甚至如 果确认是公安通缉人员的话,直接报警至公安系统,让公安机关及时出警。

2.2 总体架构


图1. 系统架构

2.3 系统组成

可疑人 员识别系统包括:

n  前端摄像机:抓取网 点门口进出人员的人脸。可采用 高清的人脸抓拍机或者17年最新 推出的深眸双目人脸识别设备。

n  脸谱服务器:脸谱服 务器包括微视云存储系统,大数据 服务器以及脸谱服务器。其中微 视云存储系统可将前端抓拍到的人脸图片进行存储,建立人脸抓拍库。脸谱服 务器可将人脸图片进行建模,大数据 服务器可进行人脸图片的比对以及结构化数据的存储。对抓拍 到的人脸图片与黑名单库进行比对,输出比对结果。

n  可疑人 员识别系统平台:对人脸图片进行管理,建立人脸信息数据库,可按姓名、性别、相识度 阈值等条件检索。在系统 中建立黑名单库,黑名单 库可以按照不同的类型进行分类,例如按 照公安通缉人员,银行不良记录人员,上访事件的人员等。如果匹配,平台产生报警,提醒网 点安保人员或者监控中心人员及时处理。

2.4 系统功能

2.4.1 人脸抓拍

在重点 场所的出入口位置部署的人脸抓拍机对过往的人员进行人脸抓拍,支持按 树形目标选择抓拍通道,并同时 查看一路或多路实时人脸图片抓拍。

支持查看抓拍大图,鼠标滚 轮操作可进行缩放展示人脸的结构化信息,并支持 对背景图及小图的下载。

在系统 中导入与金融犯罪相关的人员信息:人脸、姓名以 及犯罪的类型等信息,建立金 融犯罪人员黑名单。

并把人脸照片、抓拍地点、抓拍时 间等信息上传到人脸管理平台进行统一存储,建立重 点场所的人员信息数据库,以方便 后期的检索与查询。



图2. 抓拍图片


图3. 抓拍大图

2.4.2 黑名单管理

对名单 库及库内名单进行管理。支持用户新增、修改、删除名单库,也可以 对库内名单进行新增、修改、删除等动作。


图4. 黑名单管理

2.4.3 人脸布控

支持添加、编辑、撤销布控任务。可添加 一条含布控名称、布控对象、布控范围(可地图选点)、分时段阈值、布控原因的布控任务,并可通 过输入关键字对人脸布控进行检索。



图5. 人脸布控


图6. 布控信息编辑

2.4.4 人脸预警

支持抓 拍图片与黑名单库的实时比对。

支持预警接收的设置,在预警设置里,可选择 预警接收的布控任务和布控范围。

在最小 化模式下或者切换到其他标签,在右下 角会有报警提示框显示,并且有报警声音。


图7. 黑名单比对

支持报 警详细信息的查看,包括抓 拍图片信息和黑名单图像信息。点击视 频回放可弹出播放器回放该人脸经过抓拍机时的录像。


图8. 比对详情

2.4.5 人脸检索

1)        人脸库检索

在系统 中输入待查询的人脸照片,系统自 动检测出照片中的人脸信息并截取人脸,设置姓名、性别、相似度 阈值和时间段等参数后在对应的人员信息库内开始检索,可得到 按照相似度从高到低排列的黑名单图片,并在系 统界面上显示出来,供使用 者对人员信息进行快速确认。

若有多 个人脸需要比对,则可灵 活选择需要比对的人脸,按照上述姓名、相似度 等条件进行检索。

2)        抓拍库检索

检索查 询抓拍库中的抓拍图片信息,便于查 找与黑名单库中的黑名单相似度高的抓拍图片。

支持对动态抓拍库、静态名 单库的人脸查询。

     支持按属性检索,如按时段、结构化信息(年龄段、性别、戴眼镜、微笑、高危人群)、抓拍范围等条件,在抓拍 库中快速检索出相似的人脸图片。。

     支持地图选点查询。

     查询照 片支持原图查看,详细信息查看,前后视频预览。人脸图 像及相关结构化信息可导出成excel文件。


图9. 人脸库检索

2.4.6 以脸搜脸

用户可 以选择某张人像图片,在抓拍 库或者静态名单库中寻找相似度高的人像图片。系统根 据相似度高低来排序。

待比对 的图片可以本地上传,也可以 是抓拍图片或者是静态图片。

支持同 时采用同一人员的多张照片作为检索条件,在以图 搜图的结果中还可以一键快捷选择检索结果中的图片作为以脸搜脸的检索条件。



图10. 以脸搜脸

2.4.1 1V1比对

用户可 以选取两张本地图片做对比,系统返回相似度。



图11. 1V1比对

2.4.2 人脸查重

软件平 台可支持针对单个人员库或两个人员库(人脸库,非抓拍库)之间的重复人员查询,并返回查重结果。在查重 任务进行过程中,可查看任务状态、相关信息等,并对已 完成的查重任务进行查看、删除等操作。

注:需要软件平台支持,目前金 融行业平台还未支持。



图12. 新建查重



图13. 查重比对

第 三 章 系统特点

3.1 关键技术说明

3.1.1 深度学习技术

深度学 习是指机器通过模拟人脑建立的深度神经网络,模仿人 脑机制来进行学习、判断、决策的技术,目前已 被广泛应用于人脸识别、语音识别、笔记识别等领域。深度学 习的原理如下图所示:


图14. 深度学习原理示意图

通过深 层神经网络训练出来的人脸识别算法能极大地提高识别精度。简而言之,就是让 已经在网络结构中预设了人脸识别先验知识的神经网络,大量“阅读”很多人在各种环境(例如光照,视角,表情)下被拍 摄到的不同人脸图片,自动学 习并提取人脸各个部位和尺度的低、中、高层特征,在大量学习之后,机器便 能根据所提供的样板信息区分不同的人员。

3.1.2 人脸识别技术

人脸识 别技术是基于生物特征的识别方式,所谓生物特征识别,就是利 用人类自身拥有的、并且能 够唯一标识其身份的生理特征或者行为特征进行身份验证的技术,一般包 含人脸图像采集、人脸图像检测、人脸图像预处理、人脸图像特征提取、人脸图 像匹配识别五部分:

1) 人脸图像采集:基于人员的脸部特征,通过前 端摄像机采集含有人脸的视频或图像;

2) 人脸图像检测:人脸图 像包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等,人脸图 像检测就是利用这些特征信息,对输入 的视频或图像中的人脸进行检测,准确标 定出人脸的位置和大小;

3) 人脸图像预处理:基于人脸检测结果,通过智能算法,对选出 的人脸图像进行灰度校正、噪声过滤等优化,形成最 优的人脸图像并服务于特征提取的过程。人脸图 像预处理过程主要包括光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波等;

4) 人脸图像特征提取:人脸识 别可使用的特征通常分为视觉特征、像素统计特征、人脸图 像变换系数特征、人脸图像代数特征等。人脸图 像特征提取就是针对人脸的某些特征进行的,一般采 用基于知识的表征方法实现。基于知 识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征 分量通常包括特征点间的欧氏距离、曲率和角度等。人脸由眼睛、鼻子、嘴、下巴等局部构成,对这些 局部和它们之间结构关系的几何描述,可作为 识别人脸的重要特征;

5) 人脸图像匹配识别:人脸图 像匹配是指提取的人脸图像特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似 度超过这一阈值,则把匹 配得到的结果输出;人脸图 像识别就是将待识别的人脸特征与得到的人脸特征模板进行比较,根据相 似度对人脸的身份信息进行判断。这一过程又分为两类:一类是确认,是一对 一进行图像比较的过程,另一类是辨认,是一对 多进行图像匹配对比的过程。

人脸识 别技术如下图所示:


图15. 人脸识别技术示意图

如上图所示,人脸识 别过程的第一步是通过前端采集设备获取源图像,通过人 脸检测方法得到有人脸的图像并对该图像进行一定的预处理,如归一化、小波分解等,滤去外 界的部分干扰因素,如光照、饰物等,保留人脸最本质、对特征 提取最有利的部分;然后选 定一种特征提取算法对该预处理过的图像进行特征提取,最后根 据与测试图像的比对来获得匹配的结果。

人脸与 人体的其他生物特征(例如指纹、虹膜等)一样与生俱来,它的唯 一性和不易被复制的良好特性能为身份鉴别提供必要的前提,与其它 类型的生物识别技术比较,人脸识 别技术具有如下特点:

1) 非强制性:采集对 象不需要专门配合人脸采集设备,几乎可 以在无意识的状态下就可获取人脸图像,这样的取样方式没有“强制性”;

2) 非接触性:采集对 象不需要和设备直接接触就能获取人脸图像;

3) 并发性:在实际 应用场景下可以进行多个人脸的分拣、判断及识别。

3.2 产品介绍