公安辨识应用的特点：刑事科学技术信息化应用教程！

辨识应用最先使用于人脸考勤机、人脸门禁等，但公安领域的辨识应用与其他领域的应用主要存在两个不同：一是样本数据量巨大，首先公安二代身份证人脸库与其他领域的样本数据库存在跨越多个数量级的差别，其次公安系统多年来积累了大量各类特定人员的数据库，这都为辨识应用奠定了数据基础，同时也大大提升了比中的难度；二是检材条件比其他领域的条件差，其他领域的辨识应用一般为现场采集，要求被采集人配合以到达较好的辨识条件，而公安实践工作中需要辨别的检材人脸大多为监控视频中截取的，普遍存在像素低、角度偏、光照差等各类问题。下面将从人脸识别技术本身的应用难点和静态人脸识别实战应用两方面来介绍公安辨识应用特点带来的问题及应对方法。

1.人脸识别技术的应用难点

（1）类间差别小。指人脸结构相似、外形相似，所有人脸的结构都相似，甚至人脸器官的结构外形都很相似，故不同个体之间的区别不大。这样的特点对于利用人脸进行定位是有利的；但是对于利用人脸区分人类个体是不利的。

（2）类内变化大。指人脸的外形很不稳定，同一人因其不同的年龄、胖瘦、胡须、发型、表情等都可能影响脸部发生很大变化。另外，人脸识别还受外部因素（例如光照条件、角度、帽子围巾等穿戴物的遮盖掩饰）等多方面因素的影响。如图6-2所示，为通缉犯周克华不同年龄、发型、角度的人脸图像。

图6-2　周克华不同年龄、发型、角度的人脸截图

（3）信息损失。人脸识别本质是对三维塑性物体的二维投影图像进行匹配，三维变二维本身会损失深度信息。通常影响人脸识别的因素有年龄、角度、表情、光线、修饰、双胞胎等，如图6-3所示。

图6-3　影响人脸识别的因素示例

2.静态人脸识别实战应用中的问题

（1）检材人脸低像素。通过实践来看，人脸识别系统一般要求瞳距像素在15个以上，即约为30*50像素的人脸才具备较好辨识比对条件。通过对实战案件中获取的各种视频人脸截图来看，人脸小于20*35像素的占75%左右，故在实际工作中，要求公安机关建设的静态人脸识别系统，对低像素人脸能够进行有效比对。

图6-4　像素人脸图像示例

在应对方面，2016年后的静态人脸识别系统依托于深度学习及大数据资源，针对低像素检材多次迭代学习优化软件算法，以及单一人脸字符长度由2K—5K扩展至500B—25K，定位人眼方式由瞳孔定位到眼眶中心定位等方式提高了对低像素检材辨识度，从而极大提升比中率。(www.xing528.com)

（2）检材人脸角度偏。在案件侦查中发现的嫌疑人人脸，绝大多数都有一定的偏转角度。由于监控安装的高度往往高于人的头部，在纵向方面都有一个俯角；另外，由于视频监控安装于公共区域，辨识对象经过监控时不会专门正视监控，导致横向方面往往也有一个左右方向的倾角，如图6-5所示。

图6-5　偏转姿态人脸示例

现在基于3D人脸校正也引入人脸识别系统，采用人脸图拟合3D模型方式，通过旋转及表情归一化，获取正面且表情正常人脸，如图所示6-6所示。但实践中对左右和俯仰超过30°以上的人脸辨识度较低。

图6-6　3D人脸校正

（3）检材人脸变形、模糊、穿戴饰物，如图6-8所示。人脸变形是由于设备本身的因素（如广角拍摄），所记录的人脸可能存在扭曲变形的情况；人脸模糊是因为嫌疑人在作案时，基本都是处于运动状态，导致监控画面可能存在运动模糊；穿戴饰物则是嫌疑人面时监控视频，常常存在戴眼镜、戴帽子等情况。这三类常见情况均对静态人脸识别系统提出了更高的要求。

图6-7　人脸变形、模糊、穿戴饰物示例

将此三类集中介绍，是因为前期的静态公安人脸识别系统对此辨识效果较差，但现今基于深度学习、大数据的静态人脸识别系统针对变形、模糊、穿戴饰物特殊情况进行针对性软件算法开发，目前对此类情况能达到较为满意的辨识效果。

（4）人脸库越大，比对精度越低。就四川而言，目前有二代身份证人脸约1.2亿张，标采、驾管库、出入境库、前科库的人脸数据等共计千万以上。对于全国来看，在逃人员27万人、前科人员1.3亿人，人口数据为15亿人。公安机关人脸比对工作面临的难题，就是从这些规模庞大的人像库中，查找嫌疑人的真实身份。前面提到人脸识别的类间差别小，故人像库越大、相似度接近的人越多，导致比对精度越低、误差率越大。

（5）人脸库权限问题。前面提到样本库越全面，比中期望值越高，但二代身份证人脸信息是个人信息，因而越大的样本库就需要越大的权限。就实际使用情况而言，各省能建设自己的样本库，但对流窜案、外地电信诈骗等特定案件的侦查乏力，缺少一种健全资源共享的方式。

此五类问题，是公安辨识应用中必然出现的，对人脸识别系统提出了更高的要求，其中部分已得到较好的解决，其余部分还亟待技术发展及机制的健全。