浅析自优化人脸识别系统设计

□ 文/魏人杰 王俊卿 林久棚

随着AI技术的突破，识别速度、识别准确度和环境适应性、人脸防假等问题的逐步解决，人脸识别技术在智慧园区领域的应用成为近年来的热点，在政府园区、企事业园区、住宅小区等各类场景得到广泛应用，包含人脸考勤、人脸通行、人脸消费、人脸动线等。但是，在大型园区的应用中会出现人脸比对实时性要求高和人脸库过大之间的矛盾。下面以出入口人脸通道为例对此进行剖析。

当前人脸通道主要有两种人脸识别比对技术方案：

前端识别比对：人脸识别前端单元负责人脸采集和识别比对。

中心识别比对：人脸采集前端单元负责人脸采集，人脸识别中心单元负责人脸识别比对。

针对大型园区，早晚高峰出入人数可达到十万甚至几十万级别。此时单纯采用前端识别比对方案，由于前端比对能力有限，无法满足实际应用需求；若单纯采用中心识别比对方案，考虑到一定的延时，人员的整体进出体验不佳。

针对上述问题，本文提出一种自优化的人脸识别系统，采用前端识别比对和中心识别比对相结合的方式。对人员进出频次进行自动分析，区分出高频人员和普通人员属性，并将高频人员的人脸动态加载至前端识别比对设备的人脸库中。系统根据进出人员属性，自动选择合适的人脸识别模式（前端识别或中心识别），实现人员通道的认证放行，整体提升人员进出体验，该系统技术同样可用于大型园区的人脸考勤、人脸消费等应用。

人脸通道应用技术现状

当前人脸通道主要采用的前端识别比对和中心识别比对方式总结如下：

价格 开门速度 人脸库量级数据存储空间 可扩展性前端识别比对 低 快 千、万 小 一般中心识别比对 高 较快 十万、百万 大 强

前端识别比对的优点：单台前端设备硬件成本较低，不需要复杂的网络传输，延时小，开门响应快，人员进出体验好。缺点：前端的计算能力、内存空间有限，目前人脸库数量只能做到千人、万人量级，一旦人脸库数量进一步增加，会出现错误率提升、数据存储空间不足等问题，导致系统可用性迅速下降。

中心识别比对的优点是中心单元计算能力强，图片存储空间大，可以做到十万，甚至百万人量级的认证比对。缺点：中心单元价格较高，前端得到人脸图片和建模数据需要传到中心进行比对，再返回比对结果，存在一定的延时，难以保障最佳的人员进出体验，且若出现网络中断的情况，会导致前端业务中断。

总体架构

自优化的人脸识别系统总体架构如下图所示，主要包括四个部分：业务平台、人脸识别前端单元、人脸识别中心单元、人员通道。其中人脸识别前端单元与人员通道集成，共同构成人脸通道。

业务平台：接收人员进出记录信息，并负责统计人员进出频次，按照一定的规则判断出高频人员和普通人员。

人脸识别前端单元：存储高频人脸库K1，完成人脸抓拍、建模、比对工作，比对通过的人员，输出开门信号给对应的人员通道。

人脸识别中心单元：存储全量人脸库K2，对不在人脸库K1的人员进行人脸比对，对于比对通过人员，输出开门信号给对应的人员通道。高频人脸库K1是全量人脸库K2的子库。

人员通道：接受前端单元或中心单元的信号，完成开关、闭合动作，控制人员进出。

业务流程

进出人员使用本系统时，前端单元自动进行抓拍和建模，并首先与本地的高频人脸库K1比对，如果比对通过则放行，确保高频人员的快速进出体验；当前端比对不通过，则将建模数据送至中心单元进行比对，确定是否放行，虽然放行时间会有所增加，但对于进出频次相对不高的普通人员而言，并不会造成显著影响。

具体业务流程如下：

前端单元检测到人脸后，进行抓拍和建模，与前端单元的高频人脸库K1进行比对，判断出入权限。

前端单元比对结果为通过时，发送开门信号至对应的人员通道，予以放行，并将人员进出记录信息发送至业务平台。对于高频进出人员，采用前端单元比对放行，能够以最快的速度进行身份认证和放行，有效保障进出体验。

前端单元比对结果为不通过时，将抓拍人脸图片和建模数据传输至中心单元。中心单元将接收到的人脸建模数据与中心单元的全量人脸库K2进行比对，判断出入权限。中心单元比对结果为通过时，发送开门信号至对应的人员通道，予以放行，并将人员进出记录信息发送至业务平台。

人脸库更新策略

考虑到人员入职、离职、外派、请假等流动情况，高频人脸库K1需要及时更新，本文共设计了实时更新和定时更新两种策略。

实时更新策略，系统会实时统计某一周期ΔT内当前进出人员的频次数，并计算该频次数是否超过阈值，判定是否为高频人员，实时更新高频人脸库K1。

定时更新策略，系统会在某一特定时间点t，统计所有人员在某一周期ΔT内的进出次数，并按照次数大小进行排序，将前X名（X为前端单元的人脸库规模上限）认定为高频人员，并更新至高频人脸库K1。

人脸库的实时更新策略如下：

业务平台接收到某个人员进出记录信息，实时统计该人员最近一个时间周期ΔT（ΔT可设置，单位：天/周/月）内该人员进出次数N。

将该次数N与高频人员次数阈值A（A可设置）进行比较。

当N≥A时，则认定该人员为高频进出人员，并在高频人脸库K1中检索该人员信息。经检索，该人员信息不在高频人脸库K1中时，由中心单元全量人脸库K2将该人脸信息同步至前端单元高频人脸库K1中；该人员在高频人脸库K1中时，前端单元高频人脸库K1保持不变。

当N＜A时，则认定该人员为普通进出人员，并在高频人脸库K1中检索该人员信息。经检索，该人员信息不在高频人脸库K1中时，前端单元高频人脸库K1保持不变；该人员在高频人脸库K1中时，删除前端单元高频人脸库K1中该人脸信息。

人脸库的定时更新策略如下：

业务平台接收到人员进出记录信息，在固定时间点t（t可设置，如每天24点、每周日24点），统计最近一个时间周期ΔT（ΔT可设置，单位：天、周、月）内所有人员进出次数。

将次数按照从大到小排序，取前X个（X为前端单元的人脸库规模上限）认定为高频进出人员，将这类人员信息统一纳入业务平台高频人脸库K1′中。系统自动检查出K1'与K1两个库存在差异的部分，并进行同步，使得前端高频人脸库K1与业务平台高频人脸库K1′信息保持一致。

总结

随着人脸应用系统的快速推广普及，采用十万甚至几十万级的单体用户将逐步增多，单纯依赖前端识别和中心识别难以满足用户需求。本文所述的系统有机结合前端识别和中心识别两种识别方式，充分融合两者优点，在有效控制成本的前提下，为不同频次人员提供最佳的识别方式，提升高频人员人脸应用体验的同时有效保障普通人员的人脸应用。同时，通过完善的人脸库自优化机制，提供实时更新、定时更新两种策略供选择，保证高频人员信息及时同步至前端单元高频人脸库。