人脸识别技术在城市交通领域中的应用探索.docxVIP

人脸识别技术在城市交通领域中的应用探索 　　摘要：本文探讨了人脸识别技术发展和人脸识别技术原理，分析了人脸识别技术在交通领域应用场景，研究了人脸识别技术优劣。 　　关键词：人脸识别技术;交通领域;应用 　　中图分类号：tp391.4文献标识码：a文章编号：1007-9416（2020）01-0067-01 　　0引言 　　随着移动互联网、大数据、人工智能等技术发展，新的技术手段出现在交通服务行业。例如交通二维码、电子标签、视频监控、交通仿真等信息系统，推动交通行业往智能化、信息化的方向发展。在众多技术中，人脸识别技术颇受关注，其结合人的脸部生物特征与图像处理技术，对人身份进行快速识别和自动匹配，从而达到一定的服务目的，在支付、安防、城市服务等方面具有巨大潜力。 　　1人脸识别技术发展 　　人脸识别（facerecognition）是一种依据人的面部特征（如统计或几何特征等）确认身份的生物识别技术。人脸识别涉及图像处理、深度学习、计算机视觉、人工智能等技术领域。与虹膜、声音、指纹等其他生物识别技术相比，人脸识别具有易用程度高、接受程度高、识别程度高和准确度高的优势。人脸识别技术的发展大概经历三个阶段。1950年至1980年期间，主要研究和提取人的面部特征，还未能实现实现对人脸的自动化识别。到1990年，技术有了长足发展，计算机能够通过几何特征来表达人的正面图像特性，配合实验人员的经验进行身份识别和个体区分，但仍然未做到完全自动化的识别。随着高效图像算法的出现和计算机性能的进步，人脸识别技术经历了第三次发展，进入机器识别阶段，并最终实现了自动识别的目标[1]。 　　2人脸识别技术原理 　　人脸识别是一种通过采集用户脸部信息，提取特征数据进行量化处理，再将处理后数据与人脸数据库进行匹配对比，从而完成身份匹配的一项技术[2]。 　　（1）人脸检测。基于深度学习网络的人脸检测技术，在图像或视频流中检测到人脸区域的位置和尺寸大小，进而获取人脸信息。人脸检测是识别系统进行数据分析的第一步，其检测性能对后续识别分析的性能有传递性影响。若目标人脸在这个环节未被检测出来，后续的人脸识别分析无法开展。（2）人脸预处理。人脸预处理是通过直方图均衡化、图像滤波、人脸对齐等处理技巧，对上一步获取的人脸图像进行处理，提高图像的对比度和亮度，减小外部环境的影响，从而辅助提升人脸识别的精度。（3）人脸特征提取。通过人脸几何特征、代数特征、固定特征模板、特征脸、云纹图等方法，提取出人的面部特征，确定检测的人脸和数据库中已存在的人脸描述方式。（4）人脸特征比对。特征值度量是人脸识别的最后一步，是将待测对象特征值与数据库中已存在的人脸图像特征进行一一比对，得出匹配度的结果，进而做出判断。人脸识别模式有1：1、1：n、m：n三种。1：1是静态对比，通过采集的人脸图像特征与数据库快速比对。1：n则是将人脸图像特种与数据库中海量数据匹配，从而回答“我是谁”的问题。城市公共交通客流量大、通行快，在已应用的快速安检等场景中，多数采用1：1或1：n。m：n模式是通过采集摄像范围内所有人的脸部图像特征，并依次区分身份。m：n是一种动态人脸比对，对环境中所有人进行人脸识别，需要海量的人脸数据库作为支撑，构建难度大和应用场景缺陷大，多数情况用于公共安全、机器人等。 　　3交通领域应用场景 　　（1）快速安检。由于客运站、火车站、地铁站客流量大，站台对乘客身份进行人工验票耗时较长，且存在工作人员疲劳等原因误判的情况，为避免人、证、票不相符，可应用人脸识别技术来改善。针对此类有固定的售票口和检票口的场景，设备安装在固定的位置，身份证和用户脸部能够同时进行验证，可快速完成比对，此类应用技术难度较低，物理影响因素较少，场景相对容易实现。（2）刷脸支付。对于公交出行，由于架设在车辆上的支付终端受到行驶路线和停靠站的光照、衣物遮挡、车辆晃动等因素影响，人脸识别应用环境复杂，对人脸识别技术的成熟度、容错率要求更高。刷脸支付，需要用户提前开通人脸识别支付功能并录入人脸注册，用户乘坐公共交通工具时，设备实时检测并比对数据库，从对应账户完成支付扣款。目前，有个别城市启动试点公交领域人脸支付。例如上海、深圳、广州，考虑人脸识别对环境的要求较高，选择在brt这类进站收费的场景下试点，将刷脸支付环节放在站台完成。但总体上，上述人脸支付应用还处于试验的阶段，离大规模应用推广还有很有一定距离。（3）交通调度。利用交通站场、公交车辆等的安防视频监控，结合人脸识别技术，精细化刻画乘客的用户画像，可进一步对客流出行特征进行分析，包括时间分布特性、od分布特性、客流构成分布特性等，为交通企业合理安排计划、均衡组织运力提供数据支