摘要：人脸识别与视频监控的结合，是人工智能在公安领域的应用发展方向。基于此，本文结合人工智能在公安领域的应用思路，提出了公安视频监控管理系统应用人脸识别技术的方法举措，然后结合实际项目对人工智能的实践应用情况展开了分析，以展现人脸识别技术在公安领域中的应用潜力。
关键词：人工智能；公安领域；人脸识别
The combination of face recognition and video surveillance is the application development direction of artificial intelligence in the public security field. Based on this，combined with the application of artificial intelligence in the field of public security，this paper puts forward the method of applying face recognition technology in public security video surveillance management system，and then analyzes the practical application of artificial intelligence with practical projects. In order to show the application potential of face recognition technology in the field of public security.
引言
在公安领域视频监控联网的基础上，公安行业迎来了大数据时代。面对大量非结构化数据，还要加强人工智能应用，以便从视频中抽离出目标人物，为案件线索梳理和归档提供强有力的技术支撑。因此，还应加强新时期人工智能在公安领域中的应用探索，从而推动公安工作的智能化发展。
1人工智能在公安领域中的应用思路
二代身份证的普及使用，为公安部门提供了约14亿人口的数码照片。在平安城市建设过程中，数百万台联网的监控摄像头每天将产生海量非结构化数据信息，使得公安行业迎来了大数据时代，需要运用人工智能从中挖掘出有价值的信息，从而通过提高公安信息化管理水平做到精准打击犯罪。在公安侦查工作中，需要对监控范围内的人员身份进行判断和分析，如果确定为目标对象需要立即加强布点监控，为案件处理提供有力证据。而在人工智能领域，人脸识别技术为重要计算机视觉研究分支，能够通过分析和比较人体视觉特征信息完成身份鉴别和行为识别，可以划分为静态和动态两类[1]。在公安户籍管理、出入境管理等方面，主要采用静态技术，需要人主动配合在固定角度和光照条件下拍照，通过人脸识别完成人证核查。在预警研判、身份认定、人员布控等公安工作中，人员不会主动配合拍照摄像，需要采用动态技术完成人脸特征比对，加强人员体貌、异常行为和步态等信息的识别，能够使公安预测和打击犯罪的能力得到提高。
2新时期人工智能在公安领域中的应用方法
2.1应用方向
在公安数字录像监控系统中融合人脸识别技术，能够促使系统带有智能化功能，自动从视频画面中捕捉目标人物面像，实现清晰头像保存，并通过建立面像索引对人物录像记录进行查找，确定目标人物出现的时间、地点等信息，为案件侦破和犯罪防范提供依据。近年来，公安行业开始广泛在实时预警、身份核查、身份对比等工作中运用该技术，以加强人员体貌、行动、表情等各方面状态研判。面对暴力恐怖事件向内地转移的犯罪形势，为遏制流串作案态势，维持社会治安稳定，公安部门开始对关注的目标人物进行实时预警，通过视频监控前端采集目标人物视频，并利用人脸识别技术与公安数据库中的犯罪人员身份照片进行比对，判定为目标人物后立即发出预警，通知现场警员开展抓捕工作。在身份核查工作开展中，采用警用智能终端对目标人物图片进行上传，从海量二代身份证库中查找匹配图片，得到关联身份信息[2]。根据得到的信息，开展身份对比工作，能够完成手持身份证的人员和身份比对，在审查工作中确保人证合一。
2.2典型应用
从公安领域对人工智能的应用情况来看，主要存在三种典型应用，分别为人脸验证、人脸辨识和人脸查询。在人脸验证中，需要进行一对一验证，确定目标人物身份与宣传的身份是否一致，包含证件申领、证件检查等典型应用场景。采用人脸识别技术，能够对被识别人的生物特征进行采集，并在数据库中存储。验证时，现场完成被识别人生物特征提取，与之前存储数据进行比较，在相似度超出给定阈值时判断身份信息一致。在追逃、反恐等典型场景中，通常需要采用人脸辨识模式，在公安部门对大量各类控制人员数据有所积累的基础上，能够实现人脸的一对多比对。通过建立黑名单数据库，然后将现场采集到人脸特征信息与数据库中模板进行一一比对，能够在相似度超出阈值时发出报警。整个过程可以自动化开展，辅助民警加强人工判断。在户籍查重等业务场景中，公安部门需要采用人脸查询模式，实现人脸一对多比对。相较于人脸辨识，人脸查询需要建立更大的模板数据库，确保待查询人脸在数据库中的概率较大。在人脸识别过程中，不再通过相似度阈值进行判断，而是根据相似度排名返回相似度最高的前N个查询结果，然后采取人工方式判定人员身份。
2.3关键技术
结合上述分析可知，在公安领域应用人工智能，人脸识别是关键技术。按照流程，需要完成人脸图像采集、检测、预处理、特征提取和匹配识别，构成相应人脸识别系统。操作时，需要利用可见光成像设备进行人像采集和注册，从图像中定位、分割得到局部图像，利用特征抽取技术对能够表征人脸的数据量进行提取，最终生成特征模板在数据库中存储。检测作为首要步骤，需要从大范围图像中查找人脸区域，排除背景噪声信息干扰，可以采用像素空间滑动方法实现图像块检测，也可以在频域空间实现压缩阈图像块检测，确定是否属于人脸区域。特征提取作为关键技术，需要从图像中抽取不同人脸生物特征数据。虹膜、指纹为稳定特征，而人脸为非刚性物体，将受表情、光照、饰物等因素影响，在理想条件下可以对眼睛、眉毛等构造几何关系进行识别，将获得的向量系数当成是特征。在非理想条件下，需要采用二维主成分分析、流行学习等各种算法，对人脸隐含的低维不变特征进行提取，以适应年龄、光照等因素带来的变化[3]。通过代数变换和矩阵分解，能够对人脸特征矢量进行提取，提高人脸识别准确率。采用特征匹配方面，可以采用神经网络、支持向量机等智能分析算法，根据已知特征完成分类建库，在大量数据信息支撑下对图像特征相似度进行分析和判断。
3新时期人工智能在公安领域中的应用实践
3.1项目概况
某小区派出所为加强人口管制，维护小区治安，从2017年7月开始启动人脸识别项目。经过现场勘察，确定项目具有可行性。在完成方案审核后，在8月沿路口周边进行第一批10个监控点位布设，之后复接2个点位，在当月调试后开始使用。第二批点位于9月启动，完成40个点位服务器安装，并进行系统调试和监控平台开发。
3.2系统开发
在人脸识别系统开发上，摄像机前端采用人脸抓拍方式，实现IoD操作，从摄像机直接接入人脸抓拍图像。针对实时视频流，采用PVG接入方式，在后台完成人脸抓拍照片提取。为方便派出所民警操作，完成了系统客户端开发。如图1所示，为系统结构图。完成视频专网建设，并在连接复接线路时设置安全隔离网，能够保证系统数据安全。利用系统，能够对监控图像中是否存在人脸进行确认。在系统检测发现人脸后，将对人脸区域大小、图像坐标位置信息等进行显示，根据业务需要输出人脸位置等信息，并完成信息实时更新。系统在人脸特征识别上，能够通过标定特征点确定图像中人脸特征点位置，完成眉毛、嘴巴等器官和面部轮廓信息描述，完成局部特征和全局特征统计。采用系统的人脸图像对比功能，可以将输入系统图像与已知原型人脸图像进行比对，完成相似度计算和排序，确定人脸身份信息。根据系统输出的人脸库对比结果，系统可以发出实时布控报警信息，在显示对比结果的同时，提供多个备选信息，为人员布控提供参考。
.png)
图1 公安监控人脸识别系统结构图
3.3应用效果
自项目投入运行以来，始终维持稳定。根据输入的目标人员信息，能够在小区道路和进出口位置利用摄像机布控，确认目标人物出入时间、方式、轨迹等，为派出所开展管理工作提供依据。从系统输出数据来看，包含人员出门时间、进门时间、交通工具、随身物品、出行伙伴、衣服类型、衣服颜色等信息。在小区人口管制上，根据出入口摄像头信息，能够加强登记在册实有人口布控，完成出入报警情况统计归类，确定人口居住情况。根据系统提供的数据，该派出所发现33名登记人口不再小区居住，上门核实后发现错误两人，一人因犯案被刑拘，另一人登记照片时间过久，除此之外搬离小区的人口信息已经全部被派出所掌握。在非小区人口管理上，通过对系统9-10月份数据进行聚类分析，发现共102名非小区人员在小区经常出没，最终经核实多数属于新住户、快递、外卖等人员。在系统支持下，派出所成功实现了在逃犯、上访人员、强戒人员、扒窃人员和FK黑名单等人员库的布控，掌握各类目标人物相关信息，最终通过系统对比成功抓获多名吸毒人员、在逃人员，为公安工作开展提供了强有力的技术支撑。
结论：
综上所述，在公安工作中将人脸识别技术与实时监控结合在一起，能够根据人的固有特征实现图像智能化处理，完成目标人物身份验证和识别报警，为公安部门精确打击犯罪分子提供强有力的技术支撑。伴随着人工智能相关技术的发展，未来公安领域各类业务系统能够实现对接，从而进一步加强人脸识别系统的可视化应用，为公安行业的智能化发展提供更大空间。
参考文献：
[1]沈宇行.人工智能与大数据在公安监管场所安防中的应用[J].数字通信世界，2019（10）：187.
[2]李标，董开帆，封春房.新一代公安交通管理智慧化体系架构研究[J].中国公共安全（学术版），2019（03）：72-76.
[3]肖军.人工智能背景下公安反恐多技术融合模型的构建与运用[J].中国刑警学院学报，2019（04）：12-17.
论文作者:李晓峰1,程建2
论文发表刊物:《基层建设》2019年第27期
论文发表时间:2020/1/18
标签：公安论文; 人工智能论文; 特征论文; 人员论文; 信息论文; 图像论文; 系统论文; 《基层建设》2019年第27期论文;