基于深度学习人脸识别系统在公共安全领域应用.docVIP

基于深度学习人脸识别系统在公共安全领域应用 　　摘 要 当前的社会化发展速度已超越人们的想象，城市化进程的深入，各地人口流动性加快，人口的构成已趋向复杂性，新形势之下的公共安全领域正面临着巨大的挑战。网络科学技术在社会各领域的普遍应用，通过摄像监控系统再加上人工方式，在如此海量化的信息中发现有价值的信息无疑是大海捞针。基于“深度学习”的人脸识别系统目前在安全认证、治安管理等领域广泛应用，提升了公共安全领域的办事效率。本文就人脸系统在公共安全领域的应用做相关的探讨和分析 关键词 人脸识别系统；公共安全领域；应用 中图分类号 TP3 文献标识码 A 文章编号 1674-6708（2017）181-0039-02 人脸识别技术是一门交叉学科，包括模式识别、机器学习、数据挖掘、人工神经网络等科学技术。人脸识别系统主要以人脸识别技术为中心，是一项近几年新兴的生物识别技术，其技术水平科技含量已达到当今国际科技领域攻关的高精尖技术含量。在我国，自2008年的北京奥运会首次成功应用人脸识别技术之后，2010年上海世博会、2014年北京APEG峰会也相继使用了人脸识别技术。由此可以看出，关于人脸识别系统技术在我国的发展，不仅树立了新的发展里程碑，在世界的技术发展中，我国的人脸识别技术的应用更是走在世界的前列[ 1 ] 1 基于深度学习的人脸技术系统概述 广义上来看人脸识别技术，就是通过可以进行拍摄的设备如照相机、摄像头来采集有关图像的信息，在采集到的图像中检测到人脸，根据一定的生物学规律等方法对人脸进行取证，所得的人脸特征和计算机中储备的人脸特征进行对比、比较，最终得出人脸识别的结果。狭义上的人脸识别技术主要是对人脸的特征进行提取识别与计算机人脸库的人脸特征匹配，然后根据对比结果在计算机人脸库中筛选判断进而得出某人的身份信息。在以上的两个概念中，其中最核心的就是关于采集图像的人脸特征提取 基于“深度?W习”的人脸识别系统技术，在人脸动态捕捉和匹配识别能力上技术已趋向成熟，匹配结果的准确性越来越高。目前已在金融行业、安全认证、刑侦查案、人事考勤管理等领域广泛应用[ 2 ] 2 基于深度学习的人脸技术的成就 基于深度学习的人脸技术随着科学技术的发展不断完善和进步，在公共安全领域已实现相关人员的信息采集、人脸捕捉处理的智能化、高效化、快速化。现已成为保护人民财产安全、社会治安、社会稳定的重要技术保障，极大提升了公共安全技术科技含量和业务处理工作效率 除了传统的安防应用之外，金融行业的人脸识别技术也在不断进步。2013年芬兰创业公司在全球首推的人脸识别支付后，现阶段中国也正在迈向真正意义上的“刷脸”时代 2015年基于深度学习方法的人脸识别系统在东方网力和商汤集团共同合资创立深网视界进行研发并在公安领域应用。目前人脸识别技术相关的产品已投入使用，可以实现人脸的动态布控、检索、人脸1：1、Mac地址碰撞等 深网视界在公安领域研发的技术设备具有世界一流的技术和产品研发能力，深度学习技术研究的人脸识别技术模拟了人脑在分析学习时的神经网络、通过模拟对人脑工作的机制来解释数据信息，形成了具有更加抽象性高层表示属性类别和特征，基于深度学习的方式，人脸识别技术的精准性越高，能力越强[ 3 ] 3 基于深度学习的人脸技术的进步 基于深度学习的人脸技术较之以往的人脸识别技术有很大的区别，以人脸识别技术为基础，借助智能网络技术，基于深度学习的人脸技术是以往人脸识别技术的进化、完善 以往的人脸识别技术在通过摄像头所采集到的图像处理中，由于人脸结构、表情的类型复杂多样，在动态的拍摄效果下很难获取静态的正面人脸图像，这样的图像在进行人脸库比对时，往往有很大的误差致使比对结果并不精准。受拍摄设备所处的环境影响，一天中每个时辰的光线和光照强度不同，反映到人脸拍摄中，人脸特征定位也不准确。以往的人脸识别技术在对人脸特征进行提取上算法性能存在误差，在人口流动性如此快速的社会，很难满足对人口信息的实时性追踪。对环境要求较为挑剔，所能拍摄追踪的范围覆盖面少，识别率也不能满足信息对比的要求 基于深度学习的人脸技术在人脸检测识别率已达到国际领先水平，关于采集图像人脸关键点的精准定位不仅能够满足正面拍摄需求，在侧脸、半遮挡状态下的人脸检测也具备高精准性，解决了以往的只能正脸拍摄的局限性难题。智能网络技术和高储备的数据库能够实现对已采集图像人脸的比对检索，实现了实时性布控以及全方位的信息跟踪[ 4 ] 4 基于深度学习的人脸技术的发展前景 4.1 对相关人员信息实行实时性布控监控 在城市主干道、重点管理区域及各公共场所建立视频监控设备，科学规划性的建立覆盖城市及城郊的监控网络，对于各主干道。重点管理区域和各公共场