作者根據多年人臉識別項目經驗，總結了人臉識別技術在安防、商業領域應用及產品設計細節，匯總成應用層下的人臉識別系列文章。本文為系列文章的第四篇，從什么是人臉研判及人臉研判類型和應用兩方面介紹相關內容。

一、什么是人臉研判

系統在人臉識別中會留下了大量優質的人臉數據，可分為人臉抓拍數據和人臉比對數據兩種類型。

目前，單純的人臉比對功能已經不能滿足項目的需求了，于是對人臉數據深層次的分析就孕育而生出人臉研判。

人臉研判就是對人臉數據的深層次分析運用，那么這些數據可做哪些運用呢？

例如：人臉軌跡分析、出行規律分析、同行人報警、落腳點分析、人臉碰撞、超時報警、區域管控等。

下面將詳細介紹這些應用：

二、人臉研判類型及應用

1. 人臉軌跡分析

人臉軌跡分析：是從海量路人庫數據中，通過人臉識別技術，尋找到目標人的數據，利用數據中的時間、地點等信息在地圖上繪制出目標人的運動軌跡，了解目標人員在一段時間內，從什么地方出發，經過了那些地方，最終在什么地方停下來，實現目標人員歷史動向的還原展示。

為什么要使用人臉識別做軌跡分析？

隨著公安加大對平安城市的建設力度，各種類型的監控攝像頭布滿了大街小巷，于是利用監控視頻尋找目標人便成為了一種有效的手段。

從視頻中識別目標人可以使用人體識別、人臉識別還有步態識別三種方法，其中人臉識別的準確率最高，人臉算法發展的最為成熟，人臉數據也是最容易獲取的。

應用場景：

獲取目標人運動軌跡可用于尋找目標人及目標人運動特點分析，于是就產生了以下四種應用場景：

人員通行管理：基于歷史通行記錄，值班人員或者監控人員按照時間地點查看通行人員情況，發現可疑人員信息。

嫌疑人員行動追蹤：根據人員通信歷史軌跡，了解重點嫌疑目標人員都去了哪、經過了什么地方、最后出現的地方等，為刑偵及治安管理人員提供線索依據。

走失老人小孩查找：治安管理人員根據家人提供的走失人員照片，檢索比對歷史通行記錄，尋找人員走失軌跡，為找到走失人員提供線索。

商場超市顧客行為分析：根據顧客運動軌跡分析顧客對什么類型的商品感興趣，以及什么類型的商品最受青睞，以此制定銷售策略。

實現方式：

實現條件：目標人員人臉照片、人臉抓拍庫、相機位置信息(經緯度)

實現流程：

實現要點：

需要設置輸入條件：目標人臉圖片，時間段，發生區域。

目標人臉會與設定范圍內的抓拍照片進行比對，篩選出大于比對閾值的人臉照片。再將照片按照抓拍時間順序排列，在地圖上按此順序依次連接抓拍地點，即可生成運動軌跡。

抓拍庫中會存在一個人在短時間內被重復抓拍的現象——即短時間內包含同一個人的多張照片。所以，需要制定人臉去重規則，在間隔時間X內選取比分最高的那張圖片，如果比分相同，則選擇圖片質量分數較高的。

間隔時間X需要考慮攝像頭間距和行人速度。

2. 同行人分析

同行人分析是指：通過人臉識別的方法，尋找到目標人的同行或尾隨人員，并在地圖中繪制尾隨或同行人員的行走軌跡，實現一人鎖定全體，掌握所有關聯人員的目的。

同行人分析常用于公安偵查團伙作案或尾隨作案，是基于人臉軌跡的更深層次數據應用。

應用場景：

刑偵人員或辦案人員，查詢一段時間內，其他人員與目標人員行走距離有一定間隔、通過地點多次重合、歷史軌跡相似的人員行為分析。從而找到與案事件或目標人員有關聯的同伙、蓄意尾隨的人員等，協助警方采集證據偵破案件。

實現方式：

實現條件：目標人員人臉照片、人臉抓拍庫、相機位置信息(經緯度)、時間間隔和尾隨次數。

實現流程：

繪制目標人員在設定時間段內的人臉軌跡；

從時間上第一個攝像頭開始，統計目標人員經過該攝像頭時間節點前后“時間間隔”內經過的所有人員人臉一直到最后一個攝像頭；

對這些人臉進行聚類分析，同一個人的人臉照片歸在一類里；

挑選出現在不同攝像頭下次數≥2的類型，并繪制這類人臉軌跡。

實現要點:

制定判定是否為同行人員的規則：這里引用了兩個參數X、M，設定同行人與目標人出現在同一個相機畫面中的時間間隔為X秒，及同行人和目標人出現在同一個相機下的頻次為M，M≥2。

X的設置需根據應用場景來，如果是做尾隨分析，在人流量較大的環境下，建議X設置在60秒內；如果是做同行人分析，人流量不大，可適當延長X。

3. 落腳點分析

某人在經過某些區域時，停留的時間較長，則認定該區域即為此人的落腳點。

在地圖上繪制某人的落腳點，可分析出某人經常活動的區域、住所、工作地點等。

應用場景：

針對涉案的人員，通過落腳點分析，可以了解涉案人員經常去哪，在哪停留較長，從而為人員抓捕、蹲點堵控提供信息支撐。

實現方式：

實現條件：目標人員人臉照片、落腳時間、人臉抓拍庫、相機位置信息(經緯度)

實現流程：

繪制在設置的某段時間某片區域內的人臉軌跡；

計算軌跡內兩兩攝像頭之間人臉出現時間差(停留時間)：后一個攝 像頭抓拍時間減去前一個攝像頭抓拍時間，該時間差可認為是目標人在這兩個攝像頭間的停留時間；

繪制的軌跡中會有重復的線段，重復次數即為目標人在該區域的出現頻次；

篩選出停留時間大于X且出現頻次大于M的線段，并過濾距離較長的線段(線段兩端相機為非鄰近攝像頭)；

以篩選出的線段中心為圓心，線段長度為直徑在地圖上畫圓，該圓形區域即為落腳點 。

實現要點:

統計目標人員在“時間段”內的人臉軌跡，目標人員按照時間順序經過的攝像頭及時間點為A、B、C……Z。

如果目標人員5次經過A、B時間，3次時間大于“間隔時間”(1小時)，AB攝像頭計“區域1” 3次；如果目標人員10次經過B、C時間，6次時間大于“間隔時間”(1小時)，BC攝像頭計“區域2” 6次；一直到最后攝像頭XZ計“區域Y” N次。

攝像頭無法抓拍每個經過的行人人臉，為防止AB攝像頭過遠，需要在查詢之前計算出所有攝像頭鄰近的攝像頭，首先獲知所有攝像頭的經緯度，計算A和B、C等所有攝像頭的距離，找出它最近的幾個攝像頭(暫定8個)。

計算B和A、C、D等所有攝像頭的距離，找出它最近的幾個攝像頭，一直找到最后一個攝像頭Z最近的幾個攝像頭。在查詢時將行人軌跡中時間相近的兩個攝像頭和以前存儲的表相比，如果屬于攝像頭鄰近探頭，則統計，不屬于鄰近探頭則不統計。

4. 人臉碰撞

多個地點不同時間抓拍到人臉進行比對，找到共同出現的人臉。

例如：地區A在h1段時間內抓拍到M張人臉，地區B在h2段時間內抓拍到N張人臉，地區C在h3段時間內抓拍到P張人臉，將地區A中M張人臉依次與地區B中N張人臉進行比對，找出其中相似的人臉，再將上述人臉與地區C中的P張人臉進行比對，得到A、B、C地區中共同相似的人臉。

應用場景：

針對案件中犯罪份子多次作案和在一起案件中確認嫌疑人多個出現的地點的情況，可采用碰撞分析鎖定嫌疑人員。

也可用于慣犯排查，辦案人員在處理類似三搶一盜的案件中，80%的案件是慣犯所為，找到經過線索地點所有人員和慣犯庫進行比對碰撞，可以快速排查，找出偵查方向。

實現方式：

實現條件：時間范圍、人臉抓拍庫、相機位置信息(經緯度)

實現流程：

選擇要碰撞的區域(即攝像頭)，輸入每個區域要碰撞的時間；

以區域為單位區域匯總輸入條件的人臉照片；

進行區域間的人臉比對；

輸出大于比對閾值的人臉照片。

5. 出行規律分析

分析一段時間內指定人員的活動規律，統計該人員出現在各個地點(攝像頭)的次數。

應用場景：

辦案人員找到一個嫌疑人線索后，需要知道：嫌疑人經常在那些地方活動？在這些地點經常什么時間出現？

為嫌疑人抓捕、掌握嫌疑人更多的作案地點提供信息支持。

實現方式：

實現條件：目標人員人臉照片、人臉抓拍庫、相機位置信息(經緯度)

實現流程：

輸入目標人臉照片及要統計的區域和時間；

篩選出輸入條件下的人臉抓拍照片，與目標人臉進行比對；

得到大于閾值的人臉抓拍照片；

統計上述照片出現在攝像頭下的頻次；

按照頻次高低排序并輸出目標人出現的攝像頭及出現次數。

以上就是系列文章的第四篇相關內容。

相關閱讀

應用層下的人臉識別(一)：圖像獲取

應用層下的人臉識別(二)：人臉庫

應用層下的人臉識別(三)：人臉比對

本文由@陽春柏樰 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議

總結

以上是生活随笔為你收集整理的c++ 人脸识别_应用层下的人脸识别（四）：人脸研判的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。