人脸识别技术在道路交通管理中的应用研究

2019-01-21魏景伙李磊

中国公共安全 2018年11期

□ 文/魏景伙李磊

引言

随着我国综合实力和国民收入水平的提高，机动车及机动车驾驶人数量迅猛增长，道路建设步伐加快，城市化水平不断提高，导致交通管理现状和需求之间的矛盾进一步加剧，道路交通安全形势严峻。在此情况下，如何利用先进的科技手段提高城市交通管理水平、减少交通事故、打击犯罪分子，提高社会治安综合管理水平成为了当前公安交通管理部门亟待解决的问题之一。

人脸识别技术是多学科领域的具有挑战性的难题，涵盖数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等内容，同时也具有十分广泛的应用意义。过去几年里，人脸识别技术取得了长足的发展，在公共安全领域发挥了重要的作用。而随着公安大数据应用背景的出现，人脸识别技术面临更高的挑战。

人脸识别技术

人脸识别技术是利用计算机分析人脸图像，进而从中提取出有效的识别信息，用来“辨认”身份的一门技术，主要包括以下五部分内容，如图1所示：

人脸图像采集：主要通过前端摄像机采集含有人脸的视频或图像。

人脸图像检测：是人脸识别过程中的一个重要环节，主要检测图像或者视频序列中是否存在人脸，并准确标定出人脸的位置和大小。

人脸图像预处理：基于人脸检测结果，利用灰度校正、噪声过滤等算法对所选择的人脸图像进行优化，以形成最加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。

人脸图像特征提取：主要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。人脸图像信息数据量巨大，为了提高匹配识别的效率，选取何种特征尤为重要。

人脸图像匹配识别：图像匹配是指将提取的人脸图像特征数据与数据库中存储的特征模板通过某种算法进行搜索匹配，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；图像识别是将待识别的人脸与数据库中的已知人脸进行比较，根据相似度对人脸的身份信息进行判断。

▲图1：人脸识别技术示意图

将人脸识别技术应用于道路交通安全管理，有助于提升整个公安信息化的管理水平。因此，本文主要研究人脸识别技术在行人闯红灯交通管理及失驾人员管控两方面的具体应用。

人脸识别技术应用于行人闯红灯交通管理

行人无视交通规则，肆意闯红灯一直是城市“顽疾”。而且行人闯红灯是行人交通违法中最普遍、最明显、也是数量最多的一种交通违法行为。这种违法行为不仅对交通违法者本人的人身造成极大的危险，而且有碍道路畅通，更是造成交通事故发生的极大诱因。

行人闯红灯交通管理报警系统

将人脸识别技术应用于行人闯红灯交通管理，研发集视频分析、运动跟踪、人脸识别、大数据、云分析技术于一体的行人闯红灯交通管理报警系统，提升交通管理部门的针对行人闯红灯违法管理业务的能力，促进文明城市建设。

▲图2：行人闯红灯交通管理报警系统

行人闯红灯交通管理报警系统，如图2所示，主要由以下七部分组成:

闯红灯行为及人脸采集设备：

违法图片采集：主要包括专业的行人闯红灯一体式抓拍机进行闯红灯运动过程违法检测抓拍，同时提取闯红灯人脸图片信息。

终端服务器：前端设备录像图片缓存与信息转发

人脸识别服务器（一体化）：

人脸识别云分析单元：支持人脸图片的建模及比对分析。

大数据单元：支持人脸相关数据的存储、检索、分析等功能。

云存储单元：支持所有人脸图片的存储。

行人闯红灯平台服务器：向用户提供应用服务，能实现人脸布控、人脸查询、以脸搜脸等应用。

信息发布服务器：控制大屏的发布策略。

显示大屏：显示曝光行人闯红灯的运动过程的人像及部分身份信息。

提醒音柱：对欲违法闯红灯人员进行提取语音警示。

采集曝光警示系统

高清摄像机对斑马线进行视频监控，通过视频检测或是硬件检测识别信号灯状态，当信号灯处于红灯状态并有行人闯红灯时，则启动算法抓拍，根据抓拍后的结果进行声音提醒。

当行人在红灯状态下穿过警戒线并进入人行横道时，系统会自动检测行人越线行为，抓拍行人闯红灯全景图像，系统将三张行人闯红灯过程图片和一张行人半身特写图像进行自动合成，形成完整的行人闯红灯画面信息，如图3所示。

▲图3：行人闯红灯违章检测效果

人脸识别云分析系统

人脸智能云分析系统是基于人的脸部特征信息进行身份识别的一种生物识别技术，并自动在图像中检测和提取人脸，进而对检测到的人脸进行脸部的一系列相关技术，例如人脸建模、闯红灯人员频次分析、人员属性提取等。

针对海量人脸检索的特点优化设计相应的人脸建模比对算法，对前端一体式行人闯红灯回传的抓拍数据进行建模、存储，建立海量人脸特征数据库。平台基于强大的计算机智能人脸比对引擎，可通过与人口库的对接，结合交通人脸比对相关业务需求，实现人脸布控及动态比对实时预警、违法审核、统计分析、频次统计等实战应用功能，在交警行人管理应用业务中发挥巨大的作用。系统人脸识别信息对比结果如图4所示。

▲图4：人脸识别信息对比结果

人脸识别技术应用于失驾人员管控

目前交通管理中经常会遇到这样的情况：车辆驾驶人员管控目前没有比较直观和实时的措施，出现一些被吊销、注销驾驶证的驾驶人员仍然开车上路行驶的情况，往往这种驾驶员上路后会肆无忌惮、屡次违法，对城市交通管理造成重大的影响，也会导致交通事故频发。

失驾人员管控存在一定的困难，过多依赖于专项整治、费时费力，没有很好地技术手段进行捕获、没有较好的系统进行实时监管，所以失驾人员管控一直是公安交通管理部门的心刺。本系统可以有效地解决失驾人员捕获和管控的问题，应用于城市道路、高速公路、小区出入口等可以实现对车辆和驾驶人员的抓拍。

▲图5：失驾人员管控系统拓扑图（后端比对模式）

失驾人员管控系统由卡口前端子系统、网络传输子系统和后端管理和分析子系统组成，实现对通行车辆信息的采集、传输、处理、分析与集中管理。如图5所示。

前端子系统

负责完成车辆综合信息的采集，包括车辆特征照片、驾驶人员面部特征图片、车牌号码与车牌颜色等。并完成图片信息识别、数据缓存以及压缩上传等功能，主要由卡口抓拍单元、补光灯、终端服务器或者人脸比对终端、外场工业交换机、光纤收发器、开关电源、防雷器等设备组成。

在前端人脸比对模式中，前端的人脸比对终端主要用于接受后台中心下发的建模后的黑名单数据，并实时对卡口抓拍到的人脸图片进行建模和比对，输出比对结果，现场输出预警信号。在后端人脸比对模式中，前端的终端服务器主要用于卡口数据的缓存和上传的功能。

传输子系统

负责系统组网，完成数据、图片的传输与交换。

因失驾人员管控系统的安全性需要，一般通过租用运营商光纤链路组建专网，每个前端点位到中心一条裸光纤，对于市区较密集的点位可通过EPON方式组网，对于偏远地区也可采用无线方式组网。

后端子系统

负责实现对辖区内相关数据的汇聚、处理、人脸建模、存储、应用、管理与共享，由中心管理平台、存储系统、大数据平台和人脸比对服务器等组成。中心管理平台由搭载平台软件模块的服务器组成，包括：管理服务器、大数据服务器、脸谱服务器、云存储管理服务器和云存储节点等。失驾人员管控系统数据流程图（后端比对模式）如图6所示。