原标题:安防监控中的非配合型动态人脸识别

人脸识别技术作为已广泛应用的生物识别技术及图像处理技术，在社会诸多领域发挥着独有的作用。配合型的人脸识别应用对构建智慧城市起到了极大的推动作用。而非配合型的动态人脸识别技术在社会公共安全防范、刑侦监控、网络安全、金融安全等领域将成为一把预防和打击犯罪的利刃。

智能动态人脸识别与追踪的完整系统，包括高清视频采集、压缩、分发与存储；人脸检测、跟踪和姿势分析；人脸比对、过滤和预警机制。

动态人脸识别系统可应用于以下领域：

1、在机场、地铁、火车站、汽车站、港口、码头等重要交通运输枢纽对各类违法人员进行布控；

2、在广场、会场、展馆等集会场所对重点监控人员进行布控；

3、在酒店、商场、大型超市等商业建筑内对惯偷、暴力人员等进行布控。

动态人脸识别算法将为复杂的国内外安全形势下的安全保卫、安全防范带来革命性的变革。它具备独特的技术优势：

1、通过计算机视觉仿真人眼，符合人类的识别习惯；

2、不需要与设备直接接触就能采集人脸图像；

3、不需要专门配合采集设备，被采集者不易察觉，几乎可以在无意识的状态下就可获取人脸图像；

4、计算机仿真视觉准确率达到99%以上，而且不会疲劳，比人眼更加可靠。

被识别人员的非自主意识和非主动性，以及运动轨迹的自由性等特点，为非配合型的动态人脸识别带来了一些困难与挑战。

1、因为监控是非配合型的，监控人员通过监控区域时以自然的姿态通过，因此可能出现侧脸、低头、抬头等的各种非正脸的姿态和佩戴帽子、黑框眼镜、口罩等饰物现象。

2、面临各种环境光源的考验，可能出现侧光、顶光、背光和高光等现象，而且有可能出现各个时段的光照不同，甚至在监控区域内各个位置的光照都不同。

3、摄像机很多技术参数影响视频图像的质量，这些因素有感光器(CCD、CMOS)、感光器的大小、DSP的处理速度、内置图像处理芯片和镜头等，同时摄像机内置的一些设置参数也将影响视频质量，如曝光时间、光圈、动态白平衡等参数。

4、需要的网络识别和系统的计算识别可能会造成视频的丢帧和丢脸现象。人流量大的公共场所的监控视频中人脸往往过小，由于网络传输的带宽问题和计算能力问题，常常引起丢帧和丢脸。

5、监控库往往要求数万或几十万，甚至上百万的监控名单，希望能捕到“大鱼”。而库容量大就意味着高误报率。

6、只有大规模成网建设，才能够勾画出被监控人员的活动轨迹。这就要求必须高投入，重新建专用网络和相关硬件。

7、在技术方面，要达到高正确报警率，可以通过降低阈值来实现，但是降低阈值的代价是：高误报率。为了达到95%正确报警率，很多算法可能会产生300%或更高的误报率。

毋庸置疑，就人脸识别现有的技术水平而言，配合型的“刷脸”技术及应用已经非常成熟。但是，当其应用于刑侦监控、反恐防暴等安全领域时，如何实现海量数据下人脸识别的快速查询以及实时识别、乃至动态跟踪——这对算法、硬件和环境都是一项挑战。目前世界很多技术专家和公司都在致力解决这些问题。相信在不久的未来，这项技术可以真正“落地”，帮助安全部门极大减少社会安全的隐患。