(深圳达实智能股份有限公司518000)
摘要：随着人工智能的普及，面部特征作为计算机视觉领域的重点研究对象，也越来越受到人们的关注。首先简要介绍了面部特征不同于传统生物识别特征的特点，按照采集图像类别的不同对2D、3D面部特征进行分类比较，然后阐述了面部特征的过程，并根据不同时期关键技术将面部特征方法的发展划分为4个阶段，同时分析比较了不同阶段面部特征方法的特点，接着针对面部特征发展现状提出其存在的问题，最后对面部特征的发展趋势做出了判断。
关键词：面部特征；地铁安防监控；应用
在特征识别技术当中，面部特征技术属于一种新兴的技术手段，同过去的视网膜和虹膜以及指纹，和静脉等其他的，声音特征识别技术进行比较后能够发现，面部特征技术拥有者，在远距离接触，就能够对生物数据特征进行采集的优点，原谅数据相对获得更加容易，更加直接和便捷，而且不具有侵犯性，同时在获取人脸数据的过程当中，用户的心理障碍也会大大降低。刑警国家安全形势越发严重，因此一种远距离的快速能够识别的技术特别受到欢迎，面部特征技术就是在此前提下被研究而来的。
1.面部特征概述
一般而言，面部特征首先通过摄像头等设备采集人脸的图像信息，从中识别人脸并提取人的面部特征，再与信息库中的数据进行对比搜寻出所需要的人脸，得到对比结果。面部特征与其他生物识别方式（如语音识别，指纹识别，视网膜识别，虹膜识别等）相比，具有很多突出的优点。人脸图像较为复杂，包含丰富的层次信息，数据空间的维数很高，加之活体检测技术的发展，想要破解十分困难，因而面部特征的安全性较高；另一方面，不同于其他需要特殊方法采集信息的生物识别，被识别的人脸图像信息可以主动获取而不被被测个体察觉，是非接触的，采集设备成本较低，只要一个摄像转置就可以完成图像采集。
面部特征应用时包括两种模式，一对一识别即人脸确认和一对多识别即人脸鉴别。两种模式都是将待识别的人脸图像与指定的人脸图像进行比对，区别是人脸确认是与一幅指定的图像进行比对，输出的是两幅人像的相似度，而人脸鉴别是与预先建立的人脸数据库中的图像进行比对，输出的是按照相似度排序的多幅图像。
2.面部特征过程（如图1所示）
面部特征过程分为图像采集和预处理、人脸检测、人脸对齐、特征提取与匹配等。
图1面部特征过程
2.1图像采集和预处理
通过摄像机或者其他设备来获取人脸图像。由于图像采集时会受到外界条件如光照等的影响，获取的原始图像往往不能直接使用，为提高最终人脸图像识别率，需要对图像进行预处理去除干扰，预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等；
2.2人脸检测
判断给定的图像上是否存在人脸，若存在人脸则给出人脸在图像中的位置。一般分3个步骤进行：①选择图像上的某个（矩形）区域作为一个观察窗口；②在选定的窗口中提取一些特征对其包含的图像区域进行描述；③根据特征描述来判断这个窗口是不是正好框住了一张人脸。重复执行以上3个步骤，直至遍历所有需要观察的窗口；
2.3人脸对齐
也称人脸校准，主要目的是根据人脸特征点（眼角的位置、鼻子的位置、脸的轮廓点等）将人脸图像进行仿射变换、缩放到统一大小，尽量消除面部表情和人脸姿态的不同所带来的误差；
2.4特征提取与匹配
面部特征过程中至关重要的一步，也称人脸表征，它是对人脸进行特征建模的过程，即将输入的人脸图像转换成一个向量的表示。人脸特征提取的方法可分为两大类：基于知识的表征方法和基于代数特征或统计学习的表征方法。根据上述操作，将待识别的人脸特征与已得到的人脸特征模板进行匹配，根据相似程度对人脸的身份信息进行判断，得出最终结果。
3.面部特征技术在地铁安防监控领域的实践应用
3.1动态面部特征监控系统
第一种是动态面部特征监控系统的运用。画面中的人员处于非配合状态，且要求系统做出实时快速响应。到目前为止最常见的是目标（黑/白名单）人脸监控识别系统，它将相机视野和特定目标群体（黑/白名单）数据库进行比较，判断是否属于某人的列表。系统可以收集视频图像，自动分析，实时对比人脸，主动关注人员监控场景识别，发现目标自动报警提示安全人员采取控制措施，实现可疑和黑名单人员的布控和识别、响应，发现“关注对象”，是解决社会保障和警卫人员监控领域的有效技术。目前，名单的库容量一般可以达到几十万的数量级。动态面部特征监控系统所获得的视频图像，能够进行自动的分析，同时与数据库进行自动对比，因为企业所定的目标是黑名单与白名单上的群体，所以能够主动对人员进行监控场景识别。当发现目标人员后，能够进行自动报警，然后通知地铁安防监控人员，采取相关的措施，对于可疑的黑名单人员，能够进行布控和识别，及时的发现并且对目标黑名单人员进行关注。所以在地铁安防监控领域当中，动态人脸监控识别系统，对于社会保障以及警卫人员监控来讲，具有非常重要的意义。
3.2静态面部特征比对系统的应用
第二种是静态面部特征比对系统。静态识别搜索推出了目前以市场上比较法为基础的识别应用。在该静态比对系统当中，主要分为三个模块。第一个模块是单面搜索，这是有相关工作人员，直接提交照片，然后这段时间，系统内部根据降序排列的相似性，对拥有一定数量的候选人名单进行筛选。第二则是批量性的搜索，工作人员提交一批照片，在这批照片内部，每张照片根据进行单面搜索的结果然后进行汇总，将搜索报告进行统一。第三种则是身份检查，反正特别的随便需要，庞大的数据库为支持，在整个搜索过程当中需要系统的数据库当中，图像交叉引用或者是不同的系统数据库进行交叉引用，然后在交叉营销的过程当中，有系统进行反馈，将那些拥有一定相似度的先学先行返回形成数据报告，这种方法能够一个以上的目标进行比对搜索。
4.面部特征地铁安防监控系统的架构
目前，视频监控系统的广泛应用说明其正在成为一种非常普遍的监控手段。传统的地铁安防监控视频监控系统由终端采集模块、数据传输模块、数据存储模块组成，带有面部特征技术的视频监控系统主要在以上模块的基础上添加了数据分析模块，对采集的数据进行分析、跟踪和处理等。基于面部特征技术的视频监控系统包括如下模块：数据采集终端、视频处理分析模块、存储数据模块和告警处理模块。数据采集终端：从采集的数据中发现人脸信息，将高质量的数据传输至视频处理分析模块；视频处理分析模块：对采集到的图像信息提取特征点位置并与存储模块中数据相比较；存储模块：将相关数据和分析结果存储至数据库中并建立面部特征档案；告警模块：根据分析处理结果，产生相关告警信息，例如，显示告警信息至显示器，声光电报警或者联动至其他终端。
现阶段数据采集终端有两种实现方式。第一种，在视频监控系统中使用带有面部特征功能的设备采集面部信息，该设备直接从视频画面中截取面部图片信息后，传输至分析处理模块进行比对，并将处理信息和面部识别建档存储。在新建的监控系统中可以采用该模式，功能集成度高，成本可控；第二种，使用传统的视频采集设备，识别设备从采集的数据流中获取面部识别信息并传输至处理模块。这种方式可以改造原有的视频监控系统，通过增加面部特征模块，而不是更换具有面部特征功能的采集设备，使得原有系统即可获得面部特征功能，也可以有效控制成本，降低系统升级费用。
结论
随着地铁安防监控技术发展的日新月异，监控的网络化、高清化为面部特征提供了硬件基础，而云计算、云储存的发展为为人脸数据提供技术支撑，客户对面部特征需求也日趋成熟和明确，面部特征将在智慧城市、公安、交通、金融、电信等方面应用更加广泛，带来新的地铁安防监控热情。
参考文献:
[1]山世光,阚美娜,李绍欣,张杰,陈熙霖.深度学习在人脸分析与识别中的应用[J].中国计算机学会通讯,2015,11(4)
[2]王月雅.面部特征成为地铁安防监控AI规模化应用方向——公共安全领域面部特征系统应用与市场现状分析预测[J].中国地铁安防监控,2017(10):33-38.
[3]苏光大,田青,徐伟,等.面部特征技术及其在公共安全领域的应用[J].警察技术,2014(5):3-7.