人像识别比对技术在侦查工作中的应用

邵 雷，李一沐，刘 琦

1.四川警察学院，四川 泸州 646000； 2.中国人民警察大学，河北 廊坊 065000；3.哈尔滨市公安局，黑龙江 哈尔滨 150100

随着计算机视觉技术[1]的不断发展，人像识别技术日趋成熟，识别率也越来越高。人像识别，就是把人面部相对固定不变的区域作为重要特征点提取区，通过视频监控探头等感知设备采集人像图像数据，经过人像检测、特征提取和人像识别匹配等环节完成人像识别比对全过程。在应用人像识别技术的基础上，公安机关相关部门利用深度学习方法、图像比对算法、模型理论、图像处理、视觉算法和数据检索等技术在人像库中进行目标搜索，再按照相似度排序，实现人像比对功能。

一、人像识别比对技术的特点

人像[2]与指纹、声纹[3]、虹膜等人体的生物特征一样，具有唯一性、不易被复制性、安全性、不可破坏性和不可逆性等特性。人像识别比对技术具有以下特点：

(一)非接触式识别

与指纹识别和虹膜识别不同，在人像识别比对过程中不需要被识别者直接接触采集设备，也不需要其主动配合进行人像信息的采集和检测。只要被识别者进入设备的检测范围，就能够以非接触式方式完成人像识别的全过程，此种识别方式方便快捷。

(二)同步并发性

在人流较大的实际应用场景，如火车站、飞机场和地铁站等大型公共场所，可以对数个或者数十个人像目标同时分拣、判断和识别比对，发现可疑目标报警并且及时回传给值班民警，不仅识别比对速度快、效率高，而且识别比对的准确率也比人工方式有大幅提高。

(三)防伪能力强

人像和语音、形体一样都是自然属性特征，能够通过观察和比较人像来区分个体和确认身份。由于人像是具有唯一性的生物特征，随着活体检测技术的广泛应用，人像识别比对时防伪造能力得到了强化。人像识别比对技术以图像相似度百分比从高到低排名的形式给出直观的分析结果，可为侦查员提供简单明晰的分析研判依据。

二、人像识别比对的步骤及算法

人像识别比对的过程主要包括：人像图像采集和检测、人像图像预处理、人像图像特征提取以及人像图像识别比对4个部分[4]。

(一)人像图像采集和检测

人像图像分为静态图像、动态图像、人像局部区域图像和各种脸部表情动作等，所有图像都被视频监控摄像头记录下来，而在采集人像图像数据时需要先对人像进行检测，标注出人像的位置和大小。例如：用手机拍照或是经过考勤打卡系统时，都会发现屏幕中用方形将人像区域圈起来进行标注。

人像检测是将人脸从其他目标中区分出来的过程。计算机通常对输入画面进行分区域识别，在判断该区域可能存在人脸后，反复进行校正修改，最终获取人脸区域坐标并进行框选，此时框选框内部的图像区域，就被认为是人脸区域。人像检测主要利用颜色特征、直方图特征、结构特征等模式特征进行，人像检测效率和识别准确度与人像角度、姿态、光线差异等因素有关。根据检测目标数量不同可以将目标检测算法分为通用目标检测和特定类别目标检测[5]。

(二)人像图像预处理

在人像检测结果的基础上，对人像图像进行灰度变换、噪声过滤、光线补偿、几何校正、滤波以及直方图均衡化等处理，为图像的特征提取做前期准备。图像增强和图像分割是人像预处理的两个关键步骤。

1.图像增强是指通过技术手段改善图像的视觉效果，将图像转换成更适合于人或者机器分析和处理的形式。根据不同需求有目的地强调图像的整体或局部特性，增强图像的清晰度、突出不同物体特征之间的差别来强化某些感兴趣的特征，同时抑制不感兴趣的特征，使图像质量得到改善，图像信息量更加丰富，实现加强图像判读和识别的效果。图像增强技术主要包括直方图修正法、二值化法以及强化图像轮廓等。

2.图像分割就是把图像分成若干个特定的、具有独特性质的区域并且提出感兴趣目标的技术和过程。图像分割是图像识别和计算机视觉中至关重要的预处理过程，没有正确的图像分割就不可能有正确的图像识别。但是，计算机在依据图像中像素的亮度及颜色等参数自动处理分割时，由于受到光照不均匀、噪声和阴影等因素的影响，会导致分割错误现象的发生。通过使用人为的知识导向和人工智能等方法，能够有效纠正分割中的错误。基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于直方图的分割方法都是常用的图像分割方法。

(三)人像图像特征提取

图像特征提取[6]是指对图像中的信息和特征进行抽取，利用计算机将图像以数据形式进行分析和变换，进而提取具有代表性的特征信息，使目标降维，以利于下一步的运算和分析。目前，图像特征提取的方法主要有4种：基于模板的方法、基于边缘的方法、基于灰度的方法和基于空间变换的方法。在图像上进行人脸特征点提取，就是将预设人像轮廓特征点模板按照位置坐标对齐到图像的相应位置上，因此也常被称为人像对齐。在对人像特征点提取前，需要首先在人像轮廓中选定提取范围，由于特征点在图像中只有几个至几十个像素大小，提取范围是否科学合理直接关系到图像识别的准确率。选择提取范围常用的方法主要有两种：沿轮廓垂向的一维范围图像特征提取法和特征点方形邻域的二维范围图像特征提取法[7]。

人像中从眉弓到颧骨再到鼻骨、上颚骨形成的区域叫作金五角区，不管做什么夸张表情，或是胖瘦的变化、角度的不同，这个区域都保持相对固定不变。因此，通过对眼睛、鼻尖、嘴巴、眉毛、下颌线等面部轮廓标志性特征点进行提取，形成关键点分量数据作为下一步人像分析的重要参数指标，可以在人像识别比对时不受肤色、种族等因素的干扰，也能够不受表情变化、胡须伪装、角度偏差、发型改变、眼镜装饰、口部遮挡等环境因素对人像识别的影响。人像特征提取的算法主要有Gabor小波变换[8]、主成分分析(PCA)[9]、局部二值模式(Local Binary Pattern，简称LBP)[10]、局部梯度编码(Local Gradient Coding，简称LGC)[11]等。

(四)人像图像识别比对及其算法

人像图像识别比对算法[12]的实现过程是：通过设置相似度阈值，把相似度数值超过这一阈值的所有待识别比对图片筛选出来，再根据评分高低依次排序寻找出最佳匹配目标，提供给侦查员作为进一步分析研判的参考。公安机关应用的人像识别比对系统主要分为两类：一类是1:1确认，也就是将两张人像图像进行比对，确定是否为同一人；另一类是1:N相似度辨认，将犯罪嫌疑人人像照片与数据库中所有人像照片逐一比对，按照相似程度以评分的形式输出比对结果，再利用其他公安信息化平台进一步排查和确认得分较高疑似人员的真实身份。人像识别比对的算法主要有：

1.基于特征向量的识别算法。该方法共分为两步：确定眼睛虹膜、鼻翼、嘴角等人脸五官轮廓的大小、位置、距离等属性；计算出这些属性信息的几何特征量，再将几何特征量、关系数据形成的识别参数与数据库中所有的原始参数进行比较、判断与确认。

2.基于模板的识别算法。该方法是在人像数据库中预存储大量的标准人像模板或者人像各器官模板，在进行人像比对时，将待识别比对人像图像的所有像素与数据库中所有模板图像采用归一化、相关量度量的方法进行匹配。

3.基于神经网络的识别算法。该方法利用神经网络理论[13]，通过对样本集进行训练实现局部特征到全局特征融合训练，这种方法能够最大程度提取如嘴巴、鼻子、眼睛等人脸关键部位特征，从而在提取不同人脸特征时，得到更明确的特征向量。

人像图像识别比对的算法还有很多，比如基于整幅人像图像的识别算法、基于人像特征点的识别算法、基于光照估计模型理论等。从事人像识别比对的主流公司研发的算法各不相同，得出的比对结果也有所差异，侦办案件时可以选取多家公司的人像识别比对平台，将比对结果相互比较，综合分析研判。在实际工作中发现，在人像识别比对系统给出的相似度排名结果中，侦查员除要关注排名前3的人员信息外，还要特别注意排名前10的人像照片，其为犯罪嫌疑人的可能性也很高。

三、人像识别比对技术的具体应用

(一)人像识别比对技术在视频侦查工作中的应用

视频侦查工作面临的困难之一是侦查员在分析研判人像面部特征时，由于受到视频监控画面清晰度不高、光线较暗以及个体肉眼分辨能力差异等因素的影响，不能完全确定视频图像中的人是否为犯罪嫌疑人，或者无法判断在多个视频监控中出现的疑似人员是否为同一犯罪嫌疑人。这些情况凸显了单靠人工肉眼分辨和研判人像图像时准确度不高的问题，也给视频侦查工作带来诸多不确定因素，一旦发生研判失误、追踪目标错误等情况，那么前期所有工作很可能都需要推倒重做。而视频侦查工作具有时效性，监控录像保存时间有限，错过视频录像提取时间会导致无法再次提取案件相关视频录像，使视频侦查工作很难继续进行，甚至会造成贻误战机的严重后果。

人像识别比对技术的出现，大幅提升了图像比对的精确度，明显降低了研判失误现象的发生概率。而且，随着该项技术的不断发展和完善，人像比对技术与视频侦查工作能够较为紧密地融合[14]，对推动使用视频侦查手段高效率、高质量侦破案件起到关键作用。人像识别比对技术在视频侦查工作中的优点有：减少视频下载的工作量和警力的投入数量，缩短侦查员查看视频录像的时间，辅助侦查员对犯罪嫌疑人进行同一认定，提高侦查员分析研判准确度，提供人像比对与视频侦查相结合[15]的新技战法等。下面以具体案例介绍人像比对技术在视频侦查工作中的应用。

2016年12月21日，某市公安分局派出所接到报警称有人持刀抢劫手机一部和现金人民币2 700元。此案发生在元旦前夕，社会影响十分恶劣。经询问被害人，其在银行取钱后步行返回家中，于楼道内被嫌疑人持刀抢劫，侦查员分析认为犯罪嫌疑人尾随被害人作案的可能性极大，因此，决定将被害人从银行步行回家沿途长达4公里的所有公共点位高清探头录像全部提取查看，再将被害人经过监控探头后一定时间段内的跟随人员作为重点嫌疑对象。同时，侦查员调取案发当天银行内全部监控视频录像，把与被害人进出银行时间段相近的人员也作为重点排查对象。然后，将这两部分重点人员视频图像进行比对碰撞，将结果中的相同人员确定为高度疑似嫌疑人予以进一步分析研判。按照这样的侦查思路很快锁定一名男性，发现其从银行沿途一直尾随被害人，判断其有重大嫌疑。图1画面中走在前面的是被害人，后面尾随的是犯罪嫌疑人。

由于视频图像分辨率较低，无法看清犯罪嫌疑人面部影像，考虑到该分局辖区内部署了一定数量的人像识别比对系统[16]，满足视频侦查与人像比对相结合技战法的开展条件，因此，专案组把工作重心转移到二者融合应用的方法上，在某大型超市西向人像识别比对监控中发现了清晰的犯罪嫌疑人影像，如图2所示。

图1 犯罪嫌疑人尾随被害人的视频截图

图2 犯罪嫌疑人清晰的人像视频截图

经过对犯罪嫌疑人衣着、体貌特征的初步研判和被害人辨认，确认在该视频中出现的人就是犯罪嫌疑人。同时，侦查员梳理多段视频录像，经过耐心细致地分析研判发现，犯罪嫌疑人在该辖区作案前后均有乘坐公交车的情况(见图3)，故排除系本辖区人员作案的可能，分析判断其作案得手后极有可能再次来辖区作案。所以，侦查员将犯罪嫌疑人的清晰人像图像录入人像识别比对预警系统中进行全区实时布控。

12月23日，人像识别比对系统自动报警显示(见图4)：该区某中学门前发现了与犯罪嫌疑人体貌特征高度相似人员，虽然该人与犯罪嫌疑人着装不同，但是经过人像识别比对系统1:1比对分析，以及侦查员综合情报线索研判，最终确定该人就是犯罪嫌疑人。视频中发现犯罪嫌疑人向银行网点较多的商圈方向走去，侦查员分析犯罪嫌疑人有再次作案的可能，因此，按照犯罪嫌疑人行走的轨迹方向，利用人像识别比对预警系统对商圈附近所有银行网点进行布控。最终，将在某银行门前伺机作案的犯罪嫌疑人苏某某抓获，并当场在其身上搜出作案工具。经审讯，犯罪嫌疑人对12月21日持刀抢劫一部手机及人民币2 700元的犯罪事实供认不讳，同时交代了被抓当日上午抢劫未遂的犯罪事实。

图3 犯罪嫌疑人乘坐公交车时的视频截图

图4 人像识别比对系统发现犯罪嫌疑人并报警

该案的成功侦破是视频侦查和人像识别比对技术紧密结合应用的典型范例，其中人像识别比对系统充分体现了暗中布控、主动防范、提前预警的特点和优势，解决了单纯依靠视频侦查手段时遇到的查看海量视频录像时间较长、投入警力较多、分析研判准确率不高等瓶颈问题。人像识别比对系统能够24小时无人值守监视预警，识别比对准确率高，既缓解了警力不足的压力，又提高了办案质量和侦破效率。

(二)人像识别比对技术在追逃工作中的应用

人像识别比对技术在侦破潜逃多年犯罪嫌疑人的命案积案中也发挥着重要作用。由于人像识别比对系统能够实时进行人像检索比对[17]、数据分析、数据挖掘[18]、信息研判、确认逃犯身份并实时报警，便于公安机关动态掌握逃犯轨迹信息，在追逃工作中已被广泛应用。

在公安部统一部署的某专项行动中，侦查员以年龄40岁(上下浮动2岁)、逃跑时间为2000年(上下浮动1年)作为检索条件，对某市某区历年逃犯信息进行梳理，开展逃犯照片提取、汇总和建档工作。在整理过程中，侦查员对命案逃犯刘某某2000年结婚的照片进行简单处理后，录入全省人像识别比对系统(见图5)，再对反馈结果中评分较高的人员信息进行逐一仔细甄别，发现本省某地户籍人员“李某”与犯罪嫌疑人刘某某照片高度相似。进一步研判分析发现：“李某”户籍信息录入时间为2000年，但是没有同户和关系人信息，该人没有乘坐火车、飞机的出行信息，也没有银联等任何银行金融数据信息，与同龄人的生活习惯高度不符。因此，侦查员怀疑“李某”故意隐瞒身份，躲避公安机关侦查视线。进一步查询分析其妻子和孩子户籍信息，也发现“李某”有故意隐瞒其与妻子真实社会关系的反侦查行为，经综合分析后判断“李某”是逃犯刘某某的嫌疑度极高。最终，在查明犯罪嫌疑人落脚点后将其抓获，犯罪嫌疑人“李某”到案后对犯罪事实供认不讳，至此通过人像识别比对将潜逃多年的命案逃犯抓获，该案件成功告破。

图5 应用人像识别比对技术排查

该案中为使人像比对检索速度更快，反馈结果更加准确，以逃犯年龄和逃跑时间为限制条件，将逃犯人像与全省人口数据库进行比对，由于犯罪嫌疑人可能存在多次漂白身份的情况，所以将比中照片在人像数据库中进行二次比对。前后两次比对结果一致，则判断该人为逃犯的可能性很大，再结合疑似逃犯的家庭关系人、出行轨迹等方面信息进行综合研判，从而确认逃犯漂白身份后的信息和个人居住地等情况。

四、结语

人像识别比对技术在查找失踪人员、查询和确认犯罪嫌疑人身份、查证无名尸身份，以及对公共场所集会的重点人员进行监控等方面发挥着重要作用。本文较为详细地阐述了人像识别比对技术的基本原理，以及该技术与视频侦查相结合侦破案件的具体应用。随着科学技术的不断发展，动态人像识别比对、步态识别比对、视频检索、视频分类解析等技术会在未来案件侦办中发挥越来越重要的作用。