多青智能人脸系统与落地解决方案

时间: 2019/09/5
  • 技术文章
  • 解决方案
  • 用户体验

 

通过多青平台和多青人脸识别设备的结合,可以让您快速搭建新一代高效率、数据化、智能化的学校管理系统、社区(生活小区)安防系统、门店(药店)管理分析销售系统以及企业、公众场合和私人的自定义人脸识别系统。

此文章主要阐述如何使用多青平台与其人脸识别设备相互结合并嵌入到企业、机构的管理系统里去、让人脸识别真正起到有用、实用和高效率的作用。

人脸识别系统的介绍

人脸识别系统(Facial Recognition System)是一种通过数字图像或视频源中的视频帧进行身份识别或对人们甄别的技术,又称为面部识别系统、人像识别系统、面孔识别系统等。面部识别系统有多种方法可以处理运作,但一般情况,它们通过数据库中的人脸图片与指定的人脸图片面部特征进行对比和辨别。 它还被描述为基于生物识别人工智能的应用程序,其可以通过基于人的面部纹理和形状分析模式来唯一地识别人。同时基于生物识别的人工智能应用程序,可通过基于人们的面部纹理和形状特征来分析识别某个人。

人脸识别系统最初是计算机应用的一种形式,但近来在移动平台和其他形式技术之中已经有了更广泛的用途,例如:机器人、人脸支付、人脸考勤技术等。它通常用作安防系统中的访问控制,可以与其他生物识别技术进行比较,如指纹或虹膜识别系统。虽然人脸识别系统作为生物识别技术的准确性低于虹膜识别和指纹识别,但由于其非接触式和非侵入性给我们带来的便捷而被广泛采用。最近,它也被追捧为一种商业识别应用和市场营销工具。其他应用包括人机交互、视频监控、图像自动索引、视频数据库、失踪人口和对疑犯追踪等等。

人脸识别的先驱包括Woody Bledsoe、Helen Chan Wolf和Charles Bisson。在1964年和1965年期间,Bledsoe与Helen Chan和Charles Bisson一起致力于使用计算机识别人脸。他为这项工作感到自豪,但由于资助是由一家不允许大力公开的无名情报机构提供,因此少有工作报告发表。根据现有参考文献,据透露,Bledsoe最初方法涉及手工标记脸部各种标志,如眼睛正中、嘴巴等,并通过计算机在数学上转化以弥补姿势的变动。标记之间的距离同时也自动进行电脑计算并在图像之间进行对比以确认身份识别。给定一个大型图像数据库和一张照片,可以说是一本大头照相册。问题是从数据库中选择一小组记录,使其中一张图像记录与照片相匹配。该方法的成功与否可以根据答案列表与数据库中记录数量的比率来衡量。Bledsoe于1966年解释了其中的困难:“此种识别的问题由于头部旋转、倾斜、光照强弱、角度、面部表情和年龄等的巨大变化而变得困难。还有一些试图尝试,通过机器进行面部识别允许少量变化或没有变化。 然而,一些研究人员经常使用的未处理光学数据的相关建模匹配方法在可变性很大的情况下肯定不成功。 尤其是具有两个不同头部旋转的同一人的两张图片之间的相关性非常低”。

在Bledsoe于1966年离开之后,这项工作在斯坦福研究所继续进行,主要由Peter Hart主持工作。在对超过2000张照片于数据库进行的实验中,当呈现相同的识别任务时,计算机始终执行正确识别。Peter Hart回忆起这个项目时,心情激动地说:“它真的起效了”!

到1997年左右,由Christoph von der Malsburg和德国波鸿大学与美国南加州大学研究生开发的系统表现优于大多数系统,麻省理工学院和马里兰大学次之。波鸿系统是由美国陆军研究实验室资助研发该软件作为ZN-Face出售,并被诸如德意志银行以及机场运营商等客户和其他纷繁地点使用。该软件“足够稳固,可以从不完美的面部视图中进行识别。它甚至还可以识别出这些障碍:如留胡须、改变发型、戴眼镜 - 甚至太阳镜”。

人脸识别研究的不断提升,研究者开始关注面向真实条件的人脸识别问题,其主要包括以下四个方面的研究:

提出不同的人脸空间模型,包括以线性判别分析为代表的线性建模方法,以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法。
深入分析和研究影响人脸识别的因素,包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等。
利用新的特征,包括局部描述子(滤波算法, LBP算法等)和深度学习方法。
利用新的数据源,例如基于视频的人脸识别和基于素描、近红外图像的人脸识别。

据人脸识别行业发展现状;预计到2021年,全球人脸识别市场预计将达到63.7亿美元,按预计期间的复合增长率达17.83%。估算我国人脸识别市场规模约占全球市场的10%左右。2010-2016年,我国人脸识别市场规模逐年增长,年均复合增长率达27%。2016年,我国人脸识别行业市场规模约为17.25亿元,同比增长27.97%,增速较上年上升4.64个百分点。

多青人脸识别系统构架

 多青人脸识别系统人脸采集

不同的人脸图像通过摄像镜头采集得到,比如静态图像、动态图像、不同的位置、不同表情等,当采集对象在多青人脸摄像头的拍摄范围内时,采集设备会自动搜索并拍摄人脸图像。

人脸采集的主要影响因素

图像大小:人脸图像过小会影响识别效果,人脸图像过大会影响识别速度。非专业人脸识别摄像头常见规定的最小识别人脸像素为60*60或100*100以上。在规定的图像大小内,算法更容易提升准确率和召回率。图像大小反映在实际应用场景就是人脸离摄像头的距离。(多青人脸像素设置为85*100)

图像分辨率:越低的图像分辨率越难识别。图像大小综合图像分辨率,直接影响摄像头识别距离。现4K摄像头看清人脸的最远距离是10米,7K摄像头是20米。(多青人脸摄像头为1080p)

光照环境:过曝或过暗的光照环境都会影响人脸识别效果。可以从摄像头自带的功能补光或滤光平衡光照影响,也可以利用算法模型优化图像光线。(可查多青人脸摄像头参数详情)

模糊程度:实际场景主要着力解决运动模糊,人脸相对于摄像头的移动经常会产生运动模糊。
(可查多青人脸摄像头参数详情)

遮挡程度:五官无遮挡、脸部边缘清晰的图像为最佳。而在实际场景中,很多人脸都会被帽子、眼镜、口罩等遮挡物遮挡,这部分数据需要根据算法要求决定是否留用训练。

采集角度:人脸相对于摄像头角度为正脸最佳。但实际场景中往往很难抓拍正脸。因此算法模型需训练包含左右侧人脸、上下侧人脸的数据。对此多青已通过2000次测试能自动识别出左右侧脸、上下侧脸94%的正确率。

多青人脸识别摄像头规格参数

型号:多青智能AI摄像头
图像传感器:嵌入式RTOS设计,双核32位DSP(海思3516D),纯硬压缩,看门狗 
协处理器:horizon
分辨率:主码流:1080P/720P,子码流:D1/VGA/640*360/CIF/QVGA
帧率:1920x1080@50fps / 1280x720@50fps
视频处理:各场景下深度优化的图像效果,白天色彩还原度高,夜视清晰度高,
支持3D降噪,支持数字WDR,支持宽动态,
高效自适应H264/H265图像压缩算法实现超低码流,码率/帧率可调。
支持JPEG抓拍。

智能分析:支持人脸检测、分析、识别、抓拍
人脸最大数量检测:每秒最多分析1080P@25fps,最多同时检测100张人脸
人脸上传方式:支持FTP、HTTP上传
抓拍模式:支持快速抓拍、间隔抓拍、离开后抓拍
逆光人脸抓拍:支持
音频处理:一个音频输入输出接口,G711/AAC编码,支持语音双向,
支持降噪,自动增益调整,高频滤波,回声抵消
网络接口:1个RJ45 10/100M自适应以太网接口
网络功能:10/100M自适应,8KV抗静电能力;
RTSP/HTTP/SMTP/FTP/DHCP/NTP/QQIOT/RTMP/GB28181
视频输出:1路CVBS标清复合视频输出(BNC接口)
本地存储:支持TF卡扩展接口,最大支持128G Micro SD卡
485接口:支持1路485
变焦接口:支持电动变焦和自动聚焦接口,需搭配变焦镜头,默认搭配宇瞳5倍变焦镜头
报警输入输出:1路报警输入,1路继电器报警输出
复位:支持
灯板接口:支持灯板的红外开关检测和红外灯亮度的控制
USB接口:一个USB接口,3.3V/5.5V可选,
可做USB主机扩充WIFI/4G/USB存储,也可做USB设备和USB主机通信。

IRCUT接口:集成IRCUT切换电路,自动读取灯板状态信号,切换红外日夜模式
外形尺寸:38*38,四层板全功能
电源电压:DC 12V±10%,, 最大功耗3W,防雷击防静电,支持过压保护

业务功能:支持WEB配置,支持OSD,支持移动侦测,支持JPEG抓图,
支持P2P云服务,支持手机监控(iPhone,Android),
支持集中监控平台,支持NETSDK(WINDOWS/LINUX),
手机SDK(IOS/Android),支持设备侧SDK二次开发接入第三方平台

 多青人脸识别系统+新零售

人脸识别的优势

1. 为重点客户画像:帮助卖家获得顾客和潜在顾客更精准的信息,构建用户画像。可以安装在超市、商场、门店等入口,统计每天进入门店的人数、大致年龄和性别等;另一种可以安装在货架上,分析客户的关注点和消费习惯等。通过大数据分析挖掘回头客,提升客户提袋率和VIP转化率。

2. 为零售商降本增益:以智能化系统来代替人工,以人脸识别系统连接支付端来代替收银员,能跟快实现零售店的导流和商品人流分析等。

3. 减少突发事件的产生:门店遇到商品失窃的突发事件,通过对所获数据的分析,也可以将不良客户拉入“黑名单”或是降低其信用水平。

4. 完美连接线上线下:识别系统获得的用户偏好还能反哺线上,将所得数据通过线上反馈给厂商,助力于厂商更全面地了解消费者需求,进而精准地研发产品,设计营销策略。这些都是完美实现新零售“打通线上线下”内在要求的极佳方式。

多青人脸识别系统+安防

智慧城市的基础

视频分析:基于视频中的人脸照片进行远距离、快速、无接触式的重点人员布控预警。让应用于车站、机场、地铁等重点场所和大型商场超市等人群密集的公共场所视频监控系统能够对视频图像进行采集、自动分析、抓取人脸实时比对,主动在监控场景中识别重点关注人员,实现重点人员的布控和识别。

重要场所的布控:对机场、车站、港口、地铁重点场所和大型商超等人群密集公共场所进行布控,以达到对一些重点人员的排查,抓捕逃犯等目的。

静态库或身份库的检索:对常住人口、暂住人口的人脸图片进行预先建库,通过输入各种渠道采集的人脸图片,能够进行比对和按照相似度排序,进而获悉输入人员的身份或者其他关联信息,此类应用存在两种扩展形式,单一身份库自动批量比对并发现疑似的一个人员具有两个或以上身份信息的静态库查重,两个身份库之间自动交叉比对发现交集数据的静态库碰撞。

动态库或抓拍库的检索:对持续采集的各摄像头点位的抓拍图片建库,通过输入一张指定人员的人脸图片,获得其在指定时间范围和指定摄像头点位出现的所有抓拍记录,方便快速浏览,当摄像头点位关联多青人脸识别系统,则可以进一步的按照时间顺序排列检索得到的抓拍记录,并绘制到系统上,得到人员运动的轨迹。

 多青人脸识别系统在医疗行业的前景

对接公安视频监控、医警联动平台:系统满足公安现有标准要求,后续可与公安机关视频监控、医警联动等平台进行无缝对接,将报警信息及关联的视频、图片推送给辖区派出所,实现联动。

人脸身份查证:
输入目标人员照片,即可知道此人身份及其是否属于重点管控人员,是否曾经来过医院,及其出现时间、频次。可用于筛查可疑人员,找到其活动规律。人员轨迹回放:输入目标人员照片,即可查询此人是否来过医院,到过哪些地方。此功能可还原特定人员的行动轨迹,用于嫌疑人行为研判和事后取证。

对接门禁系统:
与门禁系统对接,预留刷脸开门、人脸考勤等高级功能,方便办公区、手术室、药品库、住院部等区域的出入管理。

对接刷卡系统:
与二代证、医保卡等刷卡系统对接,将采集的人脸照片与证件上存储的照片进行比对,验证刷卡人的真实身份。

 

多青运营团队