基於大數據與人工智慧分析的現代人口管控技術與應用研究

本文提出了一種基於大數據與人工智慧分析的現代人口管控技術，研究了複雜條件下人像識別技術，並將成果成功應用於基層公安實戰，探索了一條結合集成實際的公安信息化建設的道路。其成果能夠有效整合跨警種、跨部門的人員信息資源，有效的提升公共安全領域的信息化水平，並在實戰中取得優異成績。

(一)背景/引言：

隨著經濟的高速發展以及城鎮化進程的加快，我國城市人口日趨密集，城市人口流動性也大大增加，但是各種犯罪活動也爆髮式增長，犯罪手段也越來越豐富隱秘，如通過使用多重身份證、假身份證實行犯罪，逃避抓捕等，加之交通便利、人口流動性大，更加大了公安工作人員打擊抓捕犯罪嫌疑人的難度與力度。

當前城市治安視頻監控系統正處在大規模建設階段的後期，地方也投入大量資金人力去建設平安城市，但是僅僅依靠採集到的視頻圖像。當前應用的現狀是僅僅各級監控中心走馬觀花的看看各監控點的視頻，和在發生案件後刑偵部門為查找線索翻翻錄像資料。這種簡單的應用對於幾千萬甚至幾個億的建設投資，或每年成百上千萬租賃費用來講，顯然是遠遠不夠的。同時在大規模視頻監控系統中，因其缺乏對視頻的智能分析，要在海量的監控視頻以及百萬計的照片庫中找出犯罪嫌疑人，不僅費時費力，還有可能造成遺漏等情況，破案的效率大打折扣。對治安事件無法實時記錄和預警;長期觀察監控視頻也突顯了人員疲勞的局限性;而且海量的錄像數據難以管理和有效查看。對公安刑偵視頻破案、對犯罪嫌疑人、重點高危人員實時布控等需要智能信息技術的支撐。

進一步，由於沒有統一建設一個信息化平台，造成了公安機關各部門的信息資源不能得到充分的利用，也不能為領導的決策提供及時、準確、詳細的可靠依據。各級各部門的信息化建設目前基本處在各自應用的水平，沒有達到各警種各部門之間的信息共享，各類信息的應用資源沒有得到充分的挖掘和合理有效的綜合利用，還不能為領導決策提供科學及時的服務，也不能為一線民警提供全天候、全方位、全過程的綜合信息支持。

在進入人工智慧時代，人臉識別技術在以上情況下解決視頻、圖片等非結構化信息到人員照片、身份信息等結構化的轉變。針對目前現存的社會維穩、反恐工作壓力巨大，警力資源有限，傳統工作模式和技術手段難以支撐等各種問題，需要建立一套專業的公安人臉大數據實戰應用平台，助力公安辦案業務智能化。比如，對案發嫌疑人進行視頻偵查需要對嫌疑人的動態活動軌跡、社會關係等的數據的及時採集和分析，對重點場所的防控離不開對場所的人流趨勢、風險因素等深度分析;對重點人群的服務離不開對重點人群的組成、行為習慣等的分析;對社會矛盾的化解離不開對幕後推手的深挖。

因此，結合公安實戰，研究基於大數據與人工智慧分析的現代人口管控技術與應用，就可以最大限度發揮各類人像數據資源的作用，為各級公安機關和各警種提供服務，實現以「人臉」找人，深挖各類影像數據的實戰價值，為公安實戰提供簡單、高效、實用的技術手段。

同時將人像比對應用「嵌入」到平安城視頻監控系統中，在治安和刑偵業務開展環節，實現可疑身份、在逃份子等有效監管，能夠有效利用現有視頻監控資源。通過後期查詢抓拍庫的人員，確認出現在某個攝像機下的人員身份，能夠有效震懾犯罪，消除社會治安隱患。

(二)關鍵技術

人像比對就是在尋找一種人像的描述方式，能夠不受各種因素影響。但是，無論是最早使用的幾何描述方式還是後來比較常用的代數描述方式，都不可避免地存在各種干擾。正因為在人臉識別的過程中存在上述的各種各樣的問題，因此在實際的檢測和識別過程中，當這些因素疊加到一起的時候，情況就變得更加複雜，輕微的光線變化就有可能導致識別失敗。本文的研究是基於深度神經網路，通過引入深度學習技術，提升人像比對準確率，適應公安實戰需要。

一、分層矢量化模型

圖：單層的特徵編碼的流程圖

為了解決深度神經網路需要大量數據的問題，我們提出了分層矢量化多媒體信息表達體系。分層矢量化實際上是一個多層的特徵編碼的過程。一個單層的特徵編碼由以下幾個步驟組成：首先，對圖片庫里所有的人臉圖像進行分塊；其次對每塊區域提取局部特徵(如LBP、SIFT)形成局部特徵描述子；然後，對所有局部特徵進行量化形成字典；最後，根據字典信息和人臉圖像的映射，編碼形成人臉圖像的特徵向量，我們定義該特徵向量為人臉DNA。

人臉DNA特徵能夠很好的描述特定人臉的不變數，該特徵對人臉光線、角度、表情以及各種圖片雜訊具有一定的抗干擾性，再由雙層異構深度神經網路進行優化與學習，人臉的區分性更強，識別效果更佳。

舉個例子：我們認一個人，最簡單的從這個人的身高、體型出發、髮型等來判斷是誰(認知第一層);更深一層從這個人的人臉、骨骼、虹膜、指紋來確認這個人的身份(認知第二層);更深層次，我們可以通過這個人的DNA來確認這個人的真實身份(認知第三層)。所以認知一個人，隨著逐層深入，一層比一層更加可靠。

人臉DNA類似，在計算機人臉識別過程中，我們可以將人臉的最外在特徵眼睛大小形狀(丹鳳眼、濃眉大眼等)，鼻子形狀(鷹鉤鼻、平鼻)，嘴的大小形狀(櫻桃小嘴)理解成第一層;可以將眼睛的距離，五官的位置，臉的輪廓等理解成第二層;將人臉信息更抽象，提煉出人臉不隨光照、角度、年齡等影響的特徵，就是更深的層，我們定義為人臉DNA。

二、雙層異構深度神經網路

為了將兩張照片映射到同一特徵空間中進行比較，在異構深度神經網路基礎上，我們提出了雙層異構深度神經網路模型。此模型中每層都是一個深度網路(分別以兩張照片為輸入)，在訓練時採用二分類損失函數並對兩個網路中對應權值的差異性進行正則化，可實現不同圖像空間到相同特徵空間的映射。在特徵空間中，相同身份人臉圖像的類內差異變小，而不同身份人臉圖像的類間差異變大，從而增強了特徵的判別性。

以人證合一為例：人的證件照要和現場的抓拍照或者普通照片上的人臉進行比對，我們不能直接拿來比對，這樣因為年齡、光照等各種信息影響，識別不準。我們應該將證件照送到深度神經網路的一層，現場照送到深度神經網路的另一層，兩張照片通過兩層不同的網相互交換信息(年齡差距、角度差距、光照影響等)，逐漸的去掉這些對人臉識別不利的因素，將兩張人臉照片映射到同一個可比的空間再進行比較。

圖：雙層異構深度神經網路示意圖

(三)系統框架

本文研究設計的現代人口管控系統採用「部-省-市-縣」四級架構部署，分為視頻專網平台及公安網平台兩部分。

圖：現代人口管控系統平台總體拓撲圖

在各級視頻專網和公安網的人像實戰平台內部署視頻人像處理模塊，負責對視頻流進行分析，包括生成人臉抓拍圖像、人臉建模特徵及人像結構化數據等，建模數據和結構化數據通過匯聚平台經由安全平台同步推送至公安網內進行匯聚存儲。

視頻專網人像實戰平台主要對本級平台彙集的視頻流及卡口數據進行特徵提取建模及結構化，融合下級平台推送的重點特徵及結構化數據建立人臉基礎資料庫，進行非涉密事件的人臉靜態比對及人臉動態布控。同時結合平台彙集的告警及wifi探針等多維感知數據，構建大數據碰撞資料庫，實現重點關注目標人員信息和活動狀態確認，以及近期動向的預判，最終能確認重點關注目標的活動區域落腳點，實現主動式防控。

建設內容：

1、在前端建設方面，基於互聯網網、視頻專網、公安網在市、區重要區域建設前端人臉數據採集點，包括：所有居民小區居民樓聯動門禁的人像前端、封閉小區、酒店、商住樓、寫字樓出入口以及路口等重要區域的人臉前端、滿足各部門、各警種以及情報研判、偵查破案、治安防控、反恐防暴等工作對人員圖像信息的數據需求;

2、建設基於互聯網、視頻專網和公安網的人像大數據平台，完成人像數據匯聚、關聯、碰撞，建立人像數據與公安專業數據之間的關聯關係，形成統一的數據融合大資料庫，並提供各種直接面對用戶的業務服務應用;

3、建設一批大數據應用，大幅度提升公安部門對視頻資源的使用效能;包括重點人員管控以及各類大數據技戰法等;

4、實現綜合應用，各類應用的最終目標是：為各警種提供高性能、高智能、高效能、實戰性強的人臉實戰業務;

(四)典型應用

泉州市公安局臨江派出所轄區面積1.7平方公里，共有臨江屬於老城區，轄區內有著大量的古民居、老式自建小區、開放式無物業小區以及背街小巷，同時轄區內的宗教場所、醫院、學校等重點場所、部位集中，治安管理複雜。同時，現在的案件偵破很多依賴於視頻監控的延伸，單純依靠肉眼去這海量視頻監控資源中去發現有價值的信息，耗費了大量的人力和精力。

在市局、分局各級領導的指導下，市局、鯉城分局、臨江所以及雲從公司深入臨江所轄區各類實際的警務實戰需求和治安防控需求基礎上進行創新，以視頻監控人臉識別為核心，聯合研發了人臉大數據平台，通過覆蓋轄區重點部位的視頻及智能化人臉識別分析，結合各類日常警務實戰應用，形成了一整套以人臉為核心「打、防、管、控」的智能化主動立體防控體系。

泉州人臉大數據平台是基於人臉識別及大數據分析技術，在深入理解公安業務實戰需求基礎上，結合ArcGIS等各類離線地圖技術，通過接入監控攝像機、各類人證核驗設備等，以精準檢索、全城追蹤、一鍵布控、區域巡查、重點人員管理，小區流動人員管控等各類人臉公安戰法為核心的公安智能化人臉識別業務實戰系統。

泉州系統從今年1月份開始建設以來穩定運行，各項系統功能和性能不斷完善。現已形成以雙網雙平台為基礎的，具有各類豐富業務實戰戰法的，深受一線基層民警好評的，對接警務通APP實時報警推送的高效成熟人臉識別實戰系統。

泉州系統已成功為分局預警2名全國在逃人員，協助分局、臨江所快速破獲「3.3易建福偷車案」、「黃永程盜竊電動車案」、「謝少華盜竊電動車」案等多起系列盜竊案件。系統的識別率、功能也在不斷提高。臨江派出所也將重點上訪人員通過警務通APP日常出現報警、小區人員陌生人員頻次統計分析等功能融入了日常工作中。 基於泉州系統的新風小區「智能門衛」系統，極大的提升了居民的安全感，深受群眾好評。

(五)結語

本文提出了一種基於大數據與人工智慧分析的現代人口管控技術，其研究技術成果成功應用於基層公安實戰系統，通過共享人像庫信息，加強跨警種、跨部門的人員信息資源的整合和綜合利用，有效的提升公共安全領域中特殊人群監控、恐怖分子布防、涉案人員追逃等人員的追蹤能力，對社會治安管理、刑偵分析、反恐維穩起到積極的作用。

文/李夏風 雲從科技研發總監

參考文獻：

1. Luoqi Liu, Junliang Xing, Si Liu, Hui Xu, Xi Zhou, Shuicheng Yan, Wow! You Are So Beautiful Today. ACM Transactions on Multimedia Computing, Communications and Applications, 11, 2014, (SCI, EI)

2.Yanfei Liu, Xi Zhou, Yuanqian Li, Yihao Wang, Shuicheng Yan, Visibility-aware Part Model for Robust Facial Point Detection, Neurocomputing, 2014(SCI)

3.Jinjun Kuang, Xi Zhou, Anthony Gamst. Robust Visual Cooperative Tracking Using Constrained Adaptive Sparse Representations and Sparse Classifier Grids. IEEE Transactions on Circuits and Systems for Video Technology, 24(9), 1509-1521, 2014. (SCI)

4.Jian Dong, Bin Cheng, Xi-angyu Chen, Tat-Seng Chua, Shuicheng Yan and Xi Zhou. Ro-bust Image An-no-ta-tion via Si-mul-ta-ne-ous Fea-ture and Sam-ple Out-li-er Pur-suit. ACM Transactions on Multimedia Computing, Communications, and Applications (TOM-C-CAP), 9(4),24, 2013 (SCI)

5.Luoqi Liu, Hui Xu, Junliang Xing, Si Liu, Xi Zhou. Shuicheng Yan, Wow! You Are So Beautiful Today!. ACM Multimedia, 2013:3-12 (EI)

6. Zhen Li, Xi Zhou and Thomas Huang, "Hierarchical Density Estimation for Image Classification," International Conference on Image Processing, 2010 (EI)

※【本論文受到公安部技術研究計劃項目（2017JSYJB01)的支持】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！