文章目錄 [+]

人臉識別技術以及人臉識別在軌道交通領域應用的調研分析報告

作者：范瑋、朱磊成都地鐵運營有限公司

謝偉西南交大鐵路發展股份有限公司

李星志中國移動通信集團成都分公司

引言

目前我國已經成為世界上最大的城市軌道交通建設市場，城市軌道交通呈現迅猛式發展。根據不完全統計2019年有超過40個城市開工建設超過4000公里的城市軌道交通線路。從2018年11月份起，國家發改委批復了重慶市城市軌道交通第三期建設規（2018~2023年）、長春市城市軌道交通第三期建設規劃（2019~2024年）、上海市城市軌道交通第三期建設規劃（2018~2023年）、武漢市城市軌道交通第四期建設規劃（2019~2024年），批復調整了濟南市城市軌道交通第一期建設規劃（2014~2019年）和杭州市城市軌道交通第三期建設規劃（2017~2022年），還有成都第四期軌道建設規劃、鄭州第三期軌道交通建設規劃（2017~2022年）、合肥城市軌道交通三期和西安城市軌道交通規劃（2018-2024）也進入審批程序。截止2019年6月30日，中國（含港澳臺）城市軌道交通開通運營的城市已達到39個，運營里程5734.8公里， 2019年上半年總客運量134.86億人次，日均7469.6萬人次。

國務院辦公廳關于保障城市軌道交通安全運行的意見（國辦發〔2018〕13號）要求：“完善體制機制，健全法規標準，創新管理制度，強化技術支撐，夯實安全基礎，提升服務品質，增強安全防范治理能力，為廣大人民群眾提供安全、可靠、便捷、舒適、經濟的出行服務”，對地鐵運營提出了新的要求，眾多新的技術在軌道交通開始應用甚至爆發式發展，人臉識別技術及相關解決方案便是其中之一，成為當下炙手可熱的技術，踏上了軌道交通的舞臺。人臉識別不算新技術，1964年就被提出來，但在實際應用上一直裹足不前，在2006年提出深度算法，人工智能技術應用取得突破性發展以后，才開始出現爆發式發展。現如今，人臉識別技術已在金融、安防等領域進行較廣泛的應用，人臉識別技術通過互聯網和物聯網信息共享，“身份識別+物聯網”的發展應用，未來將十分普遍。

一、調研目的

本報告將著眼于市場和技術兩大方面，通過不同維度的比較，研究人臉識別技術發展現狀以及在城市軌道交通運營管理的應用情況，為地鐵運營管理實踐提供參考。

二、調研方法

（一）調研設計

因為目前人臉識別技術在城市軌道交通運營管理的應用仍處于實驗階段，人臉識別在該領域需求定制化程度高，所以相對不太容易進行常規市場情況對比。本次調研屬于描述性調查。

（二）資料收集的方法

本次調研所采集的信息都是通過調研考察獲取。獲取信息的渠道有網頁搜索、行業交流、專家訪談等。

三、調研結果

（一）中國人臉識別的市場

根據人臉識別行業發展現狀，估算我國人臉識別市場規模約占全球市場的10%左右。2016年以來，我國人臉識別市場規模逐年增長，預計到2021年，參與規模將達51億以上。

（二）中國人臉識別主要公司介紹

國內從事人臉識別技術研究的企業主要有：北京商湯科技、北京曠視科技、重慶云從科技、上海依圖科技等,其基本信息如下。

以下是一些具有代表性公司的介紹：

1.曠視科技

2014年，獲阿里巴巴旗下螞蟻金服投資，主攻金融和監控兩大行業，有子公司曠視智安；團隊成員除了幾名來自清華校友外，還有來自美國哥倫比亞大學、英國牛津大學和美國南加州大學的科研及開發人員，截至目前員工僅有100余人。

在金融、安防、零售領域分別開始了商業化探索成功發育出Face++Financial，Face++Security，Face++BI等垂直人臉驗證解決方案，主要將人臉識別應用在互聯網產品上，自己做研發，在美圖秀秀、淘寶等互聯網領域得到良好的應用，在金融領域的市場一直占據沙發前排陣營；2016年獲得上億元C輪融資，最后選擇通過計算機視覺技術與NLP技術的結合，制造出能“識別萬物”的智能機器人，提供硬件模組，里面內置他們家的算法。目前正在準備啟動IPO的步伐，VIE架構讓他們得以繞過A股，不用達到連續三年盈利的標準實現快速上市。

2.商湯科技

SenseTime（商湯科技），獲IDG資本投資，主攻金融、移動互聯網、安防監控三大行業；由香港中文大學的湯曉歐創建，“商湯”中的湯指的就是湯曉歐本人，湯曉鷗及其研究團隊所開發的DeepID算法率先將深度學習應用到人臉識別上，在技術指標上實現了新的突破。主要案例是圍繞各個美化軟件與直播平臺制作人臉貼圖，重點強化了人臉識別的關鍵點檢測及跟蹤技術。團隊有300多號，也從當初toC轉向toB領域；成立于2014年的商湯科技選擇另辟蹊徑，選擇用“四大美女”這個話題讓人們躁動起來，到最后四大美女走了三個；商湯的網絡都是自己設計的，這樣對于深度學習網絡的掌控力就會更強，提供SaaS服務的同時，可以通過SaaS把背后的數據拿到，再進行更多更細致的分析再次提升服務質量。

3.云從科技

2015年4月，周曦拿到戰略投資成立云從科技，同年針對金融和銀行業推出了40多種解決方案，包含從算法、產品、銷售、售后的全產業鏈打造，針對農行、建行、交行、中行及多地公安提供定制化服務。團隊成員除了來自中科大的校友外，還來自中國科學院各大研究所、UIUC、IBM、NEC、MicroSoft等全球頂尖學府及研究機構。

截止2016年11月，成立一年半，研發團隊擴展為200余名，核心產品是人臉識別系統及IBIS集成生物識別平臺，還具備3D模型、紅外活體、靜默活體等技術，可根據場景需求自由調節。選擇連接硬件、開發與技術，屬于全產業鏈模式，因為人臉識別系統多數情況下需要深度定制，只有這樣，才能在客戶提出需求的情況下迅速反饋，修改，統一用戶體驗。

4.依圖科技

2012 年九月，朱瓏與他的好友林晨曦在創立依圖科技，這家從事人工智能創新性研究的創企從圖像識別入手，首先與全國省市級公安系統合作，對車輛品牌、型號等進行精準識別，隨后擴展到人像識別，通過靜態人像比對技術和動態人像比對技術，協助公安系統進行人員身份核查、追逃、監控、關系挖掘等。發展近6年，依圖科技的產品已經應用到全國二十多個省市地區的安防領域，安防領域之外，依圖也進入智慧城市領域和健康醫療領域，它要協助政府構建"城市大腦"，也希望將醫療領域的巨大知識鴻溝縮小，改善醫患體驗。

5.廣電運通

廣電運通是少數將人臉識別應用到地鐵應用場景并且有試點檢驗的企業。廣電運通創立于1999年，是國有控股的高科技上市企業，主營業務覆蓋智能金融、交通出行、公共安全、政務便民以及大文旅、新零售等領域，致力為全球客戶提供運營服務、大數據解決方案以及各種智能終端設備，是國內知名的行業人工智能解決方案提供商。2019年3月，深圳地鐵與廣電運通合作的“生物識別+信用支付”售檢票系統解決方案”實行試點，計劃從今年8月份起，分三個階段逐步開放對乘客服務。該案例已成功入選“2019年廣東省大數據優秀案例”。

（三）人臉識別商業模式

人臉識別商業模式設計步驟

確定業務范圍并尋求市場定位->分析和把握顧客需求以鎖定目標客戶->構建獨特業務系統，提高模仿難度->發掘關鍵資源能力，形成核心競爭優勢->構建獨特的盈利模式->提好企業投資價值，獲取資本號召力。

人臉識別盈利模式

（四）人臉識別關鍵技術

1.人臉檢測（Face Detection）

檢測出圖像中人臉所在位置。人臉檢測算法的輸入是一張圖片，輸出是人臉框坐標序列(0個人臉框或1個人臉框或多個人臉框)。一般情況下，輸出的人臉坐標框為一個正朝上的正方形，但也有一些人臉檢測技術輸出的是正朝上的矩形，或者是帶旋轉方向的矩形。

2.人臉配準（Face Alignment）

定位出人臉上五官關鍵點坐標。人臉配準算法的輸入是“一張人臉圖片”加“人臉坐標框”，輸出五官關鍵點的坐標序列。五官關鍵點的數量是預先設定好的一個固定數值，可以根據不同的語義來定義(常見的有5點、68點、90點等等)。

3.人臉屬性識別(Face Attribute)

識別出人臉的性別、年齡、姿態、表情等屬性值的一項技術。這在有些相機APP中有所應用，可以自動識別攝像頭視野中人物的性別、年齡等特征并標注出來。

4.人臉特征提取(Face Feature Extraction)

將一張人臉圖像轉化為可以表征人臉特點的特征，具體表現形式為一串固定長度的數值。

5.人臉比對(Face Compare)

實現的目的是衡量兩個人臉之間相似度。基于人臉比對可衍生出人臉驗證(Face Verification)、人臉識別(Face Recognition)、人臉檢索(Face Retrieval)、人臉聚類(Face Cluster)等算法。

6.人臉驗證(Face Verification)

判定兩個人臉圖片是否為同一人的算法。它的輸入是兩個人臉特征，通過人臉比對獲得兩個人臉特征的相似度，通過與預設的閾值比較來驗證這兩個人臉特征是否屬于同一人(即相似度大于閾值，為同一人;小于閾值為不同)。

7.人臉識別(Face Recognition)

識別出輸入人臉圖對應身份的算法。它的輸入一個人臉特征，通過和注冊在庫中N個身份對應的特征進行逐個比對，找出“一個”與輸入特征相似度最高的特征。將這個最高相似度值和預設的閾值相比較，如果大于閾值，則返回該特征對應的身份，否則返回“不在庫中”。

8.人臉檢索（Face Retrieval）

查找和輸入人臉相似的人臉序列的算法。人臉檢索通過將輸入的人臉和一個集合中的說有人臉進行比對，根據比對后的相似度對集合中的人臉進行排序。根據相似度從高到低排序的人臉序列即使人臉檢索的結果。

9.人臉聚類(Face Cluster)

將一個集合內的人臉根據身份進行分組的算法。人臉聚類也通過將集合內所有的人臉兩兩之間做人臉比對，再根據這些相似度值進行分析，將屬于同一個身份的人劃分到一個組里。

10.人臉活體(FaceLiveness)

判斷人臉圖像是來自真人還是來自攻擊假體(照片、視頻等)的方法。

（四）人臉識別技術在不同場景下的應用方式

1.身份查證現場確認

典型應用場景包括人臉識別支付業務，銀行柜臺業務辦理,社保實名認證,場館安保管理等。采集對象需配合采集人臉圖像，采用人臉確認比對方式識別，驗證現場采集圖像與持證人員是否為同一個人。根據安全等級需要，可無人臉防偽要求。

2.身份核驗遠程確認

典型應用場景包括銀行、證券、網絡遠程開戶，社保網絡實名認證，遠程教育考生認證，征信報告自助打印，ATM機取款身份驗證等。與1的區別在于圖像采集現場無人工監管，應有人臉防偽要求，確保系統不受假體人臉攻擊。

3.配合式身份辨認

典型應用場景包括無卡門禁考勤等。采用人臉辨認方式識別，采集對象主動配合采集人臉圖像。根據安全等級需要，可有人臉防偽要。

4.非配合式身份辨認

典型應用場景包括追逃布控，黑名單人員視頻監控，VIP會員、客戶識別迎賓服務等。采用人臉辨認方式識別，采圖時，采集對象處于不知情的非配合狀態.這類應用一般對防偽無要求。

5.批量的多對多比對

典型應用場景包括嫌疑人名單檢索的多個人臉數據庫的交叉比對等。輸入一組圖片數據與數據庫中另一組圖片數據交叉比對，返回相似度較高的圖片對，供后續分析使用。

（六）人臉識別在軌道交通應用

1.人臉識別在軌道交通應用的意義

近年來，隨著移動互聯網支付技術的發展，城市軌道交通 AFC（自動售檢票系統）已進入互聯網 + 時代，多元化支付及二維碼電子票過閘等技術成為了新線 AFC 建設、老線AFC改造時的重要組成內容。但是，無論采用哪種購票/檢票方式，乘客仍然需要持有一種實物車票媒介（非接觸式IC 卡、紙票或手機等智能終端）才能進站乘車。對員工、地鐵配合服務人員、勞務人員、老年、軍人和兒童等特殊人群的管理成本較高的問題并沒有得到有效解決，無法時刻監管特殊票卡沒有被冒用。最近幾年生物特征識別技術也越來越為大眾所熟知和應用。隨著技術的升級，未來生物識別技術一定會越來越準確，應用到各行各業，滲透到生活的方方面面。目前，乘客對交通舒適度的要求越來越高，市民多次提出對無感過閘的需求。現在鐵路、航空、銀行均開始了機器的認證合一，各地軌道交通和配套自動售檢票系統和設備廠商目前也在探索生物識別技術的應用。目前實現無感出行主要采取生物識別技術，主要包括人臉、虹膜、指紋、掌靜脈等。人臉識別，具有操作簡單、結果直觀、用戶體驗好、等特點。一旦被廣泛應用，將減少管理成本、維護成本和人力成本，避免冒用、逃票等行為，確保票務收益安全，提升安全及管理效率，提高服務質量和服務水平。研究人臉識別在軌道交通的應用，制定人臉識別的實施策略，實現高效、安全、準確的人臉識別系統，實現地鐵無感出行，智慧授信，勢在必行。

2.人臉識別在軌道交通中的應用方向

（1）AFC系統

針對與人民群眾息息相關的交通出行系統領域，利用“人工智能+”技術，尤其“人臉識別技術”，實現對傳統交通出行系統進行升級改造，提升通行效率，降低運營成本，提升服務滿意度，全方位360°體現“智慧社會”。“智慧出行”也已成為了軌道交通行業迫切需要關注和解決的問題，具有潛力無限的市場。基于“實名認證+人臉識別+信用支付”，借助云票務平臺和智能終端應用，以實名制賬戶為依托，將生物特征與賬戶掛鉤，形成卡、碼、人臉為一體的賬戶系統，實現身份識別+扣費憑證的無感支付，解放乘客雙手，進一步推動軌道交通行業從以“票”轉向以“人”為核心的場景升級，實現對實名乘客的精準、細致服務。

（2）人臉布控站內管理

利用行業領先的深度學習AI算法，進行高效、準確的視頻圖像實戰應用，將實時視頻監控邊被動為主動，及時主動發現站內管理中出現的異常情況，防患于未然，實現進出人員特征記錄管理，可有效提高人員管理效率，提升運營管理安全。

(3)智能邊門

智能邊門安裝在付費區和非付費區之間，與傳統閘機不同，目前是為特殊人群提供進出通道，不產生扣費業務；隨著以后的發展升級，可以逐步增加扣費功能，完全實現乘客無感扣費過閘功能。針對地鐵工作人員、志愿者等：通過自助注冊終端進行實名注冊，填寫工作崗位及使用時間段、有效期，選擇幾個常駐地鐵站，并采集身份證信息、人臉信息；后臺審核通過后，即可在邊門閘機上通過人臉1：N匹配進出站；針對符合免費通行的老年人：各地城市可根據當地政策，對符合年齡條件的老年人，引導使用身份證+人臉識別模式，本地1:1匹配成功后免費通行，不需要注冊，并可以防止免費權益被他人利用。

(4) 人臉識別門禁

當前軌道交通門禁系統現狀是：每條線路單獨的門禁系統，沒法統一授權，工作人員進出不同地鐵線路的需要分管授權；員工門禁卡遺失銷戶不及時，造成非員工持卡人通過通道進入；員工進出工作區，無法確認是否為本人，留下安全隱患。人臉識別門禁針對以上問題進行了有效的解決。白名單內（已注冊授權）人員人臉識別通過閘機，避免代刷卡違規進入隱患；持已授權居民身份證的公民可通過人臉識別技術（1:1比對識別）自助通過閘機，也可以現場采集人臉信息與本地預存人臉信息庫（1：N比對識別）白名單的身份查驗。

(5) 人臉識別快速安檢

地鐵場景公共安全問題，由于乘客數量巨大，屬性復雜，面臨巨大的安全壓力。地鐵安檢對乘客實施無差別安檢，不區分常客和訪客，在客流量達到百萬級的情況下，工作量巨大。乘客分類安檢方案是基于人臉識別、乘客行為分析、可信名單管控等技術，智能分類引導于一體的分類安檢方案，有效提升大客流下的乘客通行效率和輔助安檢效率。

3．人臉識別在AFC系統中的應用

（1）人臉識別的基本流程

從地鐵的應用流程上看，通常分為注冊和識別兩個階段：注冊階段通過傳感器對人體生物信息進行采集；識別階段采用與注冊過程一致的信息采集方式對識別人進行信息采集、預處理和特征提取。

（2）人臉識別的系統組成

系統主要由以下幾部分構成：

1人臉識別算法服務器：負責對軌道交通會員注冊的照片和通行時的人臉抓拍照提取人臉特征（用于更新人臉數據庫），為人臉搜索服務準備必要的數據。

2人臉識別檢索服務器：用于緩存軌道交通會員人臉特征數據，支持軌道交通會員人臉特征數據實時更新。同時用于進出站時的人臉特征數據比較，BOM事件受理時的人臉特征數據查詢、更新等服務。

3人臉采集終端：用于識別軌道交通進出站乘客人臉特征抓拍提取。

（3）人臉識別終端

人臉識別終端大致可以分為兩類：基于2D人臉圖像的人臉識別和基于3D人臉圖像的人臉識別。

2D主要采用雙目攝像機，通過軟件算法實現活體檢測

3D主要采用、結構光、TOF等技術，獲取人臉景深實現硬件級活體檢測。

由于軌道交通自動售檢票系統涉及賬戶金額，對人臉識別的安全要求高，因此建議采用3D結構光或者TOF等技術的活體檢測。

（4）行業人臉識別性能指標

人臉識別速度要求：小于500ms/人（2000并發數）；

1：N比對能力：不小于300萬數據量；

準確率：在閾值為0.90~0.92的情況下，為99.5%；

誤識率：在閾值為0.90~0.92的情況下，為0.5%；

具備活體檢測功能，能夠抵御照片、手機視頻進行偽造人臉攻擊的場景。

（5）人臉識別系統儲能預估

按平均每張人臉圖片20KB，按300萬庫每天往返一次計算整個項目人臉圖片每天占用硬盤空間為：人臉圖片：20KB×3000000×2（300萬庫往返）≈114.4GB。按照30天計算約為3.35TB，90天約為：10.05TB。人臉識別系統中，人臉特征數據包括兩塊：

1抓拍庫人臉特征數據；

2注冊庫人臉特征數據每條人臉特征數據大小約2KB，300W抓拍庫、300W注冊庫約占空間 5.7GB×2=11.4GB。

4．主要難度和挑戰

軌道交通客流量大，注冊人臉庫可能達到百萬級別，設備終端數量眾多，高峰期并發量大，如何解決高壓力情況下的人臉比對搜索速度、確保大客流的順暢通行，是本項目研究的重點和難點之一。需要通過算力及策略優化、分布式人臉庫建設等方式解決；軌道交通過閘場景受運動模糊、環境光線、拍攝角度、人臉遮擋等復雜因素影響，人臉捕捉采集質量難以保證，另外受算法模型的適應性影響，對人臉識別的誤識率和通過率均有較大影響，需要對算法訓練和迭代升級，并建立防重、防抖等人臉過閘通行邏輯。

5．人臉識別的拓展

（1）虹膜識別技術

虹膜識別技術是基于眼睛中的虹膜進行身份識別，在包括指紋在內的所有生物識別技術中，虹膜識別是當前應用最為方便和精確的一種。科學研究表明，虹膜環狀區域的細節一歲半之后就定型，終生幾乎變化。虹膜識別技術的優勢是：非接觸性，中遠距離就可以識別大容量，速度快、實時性強；防偽性，通過瞳孔震顫可實現活體檢測；它的不足是：設備要求高，造價高。

（2）遠程虹膜識別技術

遠距離虹膜識別技術是一種新興的生物特征識別技術，相對于指紋識別和人臉識別具有更高的準確率和穩定性，影響虹膜識別的瓶頸問題在于虹膜圖像獲取不太方便。當前該領域的熱點就是研發一種可以在遠距離、全自動地拍攝虹膜圖像的設備，以解決虹膜識別易用性問題。設計了一種基于雙目視覺的遠距離虹膜識別系統，該系統首先對攝像機進行標定。對雙目攝像機中的人臉圖像進行配準，從而估計人臉在空間中的大致位置；然后在捕獲到清晰地虹膜圖像后進行虹膜識別。

（3）人臉+虹膜識別組合使用

1.虹膜識別的過程中，需對人臉進行建模，用于定位虹膜位置。

2.虹膜識別相對與人臉識別速度慢一些，主要瓶頸在圖像采集端的定位和數據獲取。

3.采用人臉識別來識別用戶，虹膜識別認證用戶的方式，速度快而且準確。

4.特殊人群可能缺乏虹膜數據，使用人臉數據。

（4）虹膜識別的特性

1.高吞吐量

具備面部和虹膜的快速并動態捕獲、匹配功能；可達到每分鐘30人以上的識別通行率，允許大流量的乘客快速通行，最大限度地減少停留的需要。

2.高可用性

可設置的配置及參數；可自定義用戶界面；可忽視復雜的環境照明條件，嵌入式自動增益和曝光控制；適應性強：大捕獲區域適應不同乘客的身高，可無需摘除眼鏡（包含美瞳等隱形眼鏡）

3.高安全性

3D面部和兩個虹膜的高圖像質量共同保證無誤識別率；自動正面化和表情優化；自動聚焦虹膜識別；嵌入式面部和匹配算法：； 1:N（本地可達10萬量級，云端可達千萬量級）；活體和反欺騙功能；安全的加密通信。

四、啟示和建議

（一）人臉識別技術在軌道交通應用屬于起步階段，未經過大客流檢驗，還欠缺大量數據支撐。

（二）人臉識別技術目前的準確率水平針對地鐵收費業務來說還有待提高，應計劃應用場景進一步優化完善。

（三）現階段可優先考慮以優免通道和人臉布控為主進行應用，待核心技術進一步試驗完善后再大范圍應用。

習近平總書記指出：人民對美好生活的向往就是我們的奮斗目標。為廣大人民群眾提供安全、可靠、便捷、舒適、經濟的出行服務，是軌道交通人義不容辭的責任，相信人臉識別等新技術不斷應用于軌道交通將為這項使命增加更多智慧的光芒。莫為浮云遮望眼，風物長宜放眼量，讓我們共同努力，開啟人工智能在軌道交通發展的美好未來。

參考文獻

[1]《人臉識別現狀與發展趨勢研究》張笛（2018.06）

[2]《基于改進的膚色空間和幾何特征的快速人臉檢測研究》王尋、趙懷勛（2015.02）

[3]《基于方向對稱變換的人臉定位方法》周杰、盧春雨、張長水、李衍達（1999.08）

[4]《改進的動態模糊神經網絡及其在人臉識別中的應用》梅蓉蓉、吳小俊、馮振華 (2012.01)

[5]《城市軌道交通AFC系統人臉識別技術應用研究》田沃 (2019.04)

[6]《地鐵AFC系統人臉識別檢測技術的現狀及應用》馬夢瑩 (2019.08)

[7]《Wildes虹膜識別方法的研究》白春艷 (2009.02)