文貴華 李輝輝 李丹揚(yáng) 江麗君 郇二洋

摘要：視頻監(jiān)控系統(tǒng)已在社區(qū)、火車站、機(jī)場、地鐵等公共場所安裝應(yīng)用，但主要依靠人工觀察監(jiān)控視頻，發(fā)現(xiàn)人群甄別，工作強(qiáng)度大，刑偵能力要求高，容易誤報(bào)和漏報(bào)。采用大數(shù)據(jù)和人工智能技術(shù)來實(shí)現(xiàn)監(jiān)控視頻中的人群甄別身份及其微表情識別，進(jìn)而對可疑人群發(fā)出安全預(yù)警，其意義在于提高社區(qū)的安全程度，促進(jìn)視頻監(jiān)控產(chǎn)業(yè)的發(fā)展，提升了系統(tǒng)的實(shí)用性，不會引起可疑人群的警覺。

關(guān)鍵詞：社區(qū)安全；人群甄別；微表情識別；視頻監(jiān)控

中圖分類號：X924 文獻(xiàn)標(biāo)志碼：A 文章編號：1009-055X（2016）04-0079-06

doi：10.19366/j.cnki.1009-055X.2016.04.011

一、引言

隨著我國經(jīng)濟(jì)和城鎮(zhèn)化的高速發(fā)展，使得城市人口的密集程度和流動性都大為增加，公共安全面臨更嚴(yán)峻的挑戰(zhàn)[1]，例如2014年在昆明火車站和廣州火車站都發(fā)生了嚴(yán)重的暴力安全事件。特別是隨著高科技的快速發(fā)展，采用高科技實(shí)現(xiàn)犯罪的現(xiàn)象層出不窮，犯罪行為的突發(fā)性、不可預(yù)測性增強(qiáng)，這些給犯罪行為的防范和偵破工作帶來極大的困難。公安人員在人工排查犯罪嫌疑人時(shí)如大海撈針，成功率很低，效果不明顯。社區(qū)在應(yīng)急準(zhǔn)備、預(yù)測預(yù)警、應(yīng)急處置、恢復(fù)重建的過程中發(fā)揮著組織、指揮、協(xié)調(diào)等重要作用。[2]目前大多數(shù)社區(qū)應(yīng)對公共安全事件的反應(yīng)能力普遍較弱，不具備應(yīng)對突發(fā)性事件的基礎(chǔ)設(shè)施，社區(qū)工作人員缺乏必要的公共安全知識，特別是這些問題的解決目前還未提上社區(qū)的日常工作安排[3]，因而急需建立面向公共安全的可疑人群的預(yù)警與應(yīng)急處理機(jī)制，以預(yù)防與控制突發(fā)事件的發(fā)生，保障公共安全。

視頻監(jiān)控是目前最可靠最有效的安防技術(shù)，已在火車站、機(jī)場、地鐵、社區(qū)等公共場所安裝和應(yīng)用，但主要是被動式地事后視頻查驗(yàn)，很難滿足公共安全要求，主要表現(xiàn)在以下方面：首先在大多數(shù)情況下，視頻監(jiān)控系統(tǒng)的視頻畫面并沒有被安防人員全部看到。研究表明，人類在連續(xù)監(jiān)視某個(gè)畫面22分鐘以后，會丟失90%以上的畫面信息，即使看到了，安防人員也不可能全部完全記得犯罪嫌疑人的相貌。其次是數(shù)據(jù)分析困難，傳統(tǒng)的視頻監(jiān)控系統(tǒng)沒有應(yīng)用先進(jìn)的人工智能技術(shù)，需要保存完整的24小時(shí)錄像，不僅占用大量的存儲空間，而且錄像的視頻數(shù)據(jù)無法自動分類，最多只能打上時(shí)間標(biāo)簽，這使得這類數(shù)據(jù)的分析變得非常耗時(shí)、困難。同時(shí)，安防監(jiān)控人員通過不斷地觀察監(jiān)控視頻來發(fā)現(xiàn)可疑人群，工作強(qiáng)度很大，部分安防監(jiān)控人員也缺乏必要的刑偵能力，容易誤報(bào)和漏報(bào)。例如，為偵破2012年南京發(fā)生的“1.6”銀行搶劫案，公安局組織大約1500名民警，花一個(gè)多月時(shí)間查閱了南京的10000 多臺攝像頭的視頻，只查出20多秒與嫌疑人有關(guān)的信息。再次，現(xiàn)有視頻監(jiān)控系統(tǒng)是被動的，僅起到一個(gè)錄像作用，基本上是等待突發(fā)事件發(fā)生之后，再進(jìn)行事后查驗(yàn)，但此時(shí)損失和影響已經(jīng)發(fā)生，無法挽回。最后，目前有部分人臉視頻監(jiān)控系統(tǒng)能識別黑名單中的嫌疑人[4-5]，但只應(yīng)用于特定場合，如2008年北京奧運(yùn)會、2010年上海世博會、深圳羅湖口岸等，這類系統(tǒng)沒有實(shí)現(xiàn)人群甄別的微表情識別，不能發(fā)現(xiàn)黑名單之外的人群甄別。

因此，建立面向社區(qū)安全的智能人群甄別視頻預(yù)警系統(tǒng)有很重要的價(jià)值，方法是采用人工智能和大數(shù)據(jù)技術(shù)，通過視頻監(jiān)控中的視頻數(shù)據(jù)來分析過往人群的面部特征，例如身份、性別、情緒等，以更加精準(zhǔn)地實(shí)現(xiàn)人群甄別的實(shí)時(shí)追蹤和提前預(yù)警。

二、人群甄別視頻預(yù)警的可行性

人群甄別視頻預(yù)警系統(tǒng)主要通過視頻監(jiān)控系統(tǒng)中的視頻對危害社區(qū)安全的人群甄別監(jiān)測預(yù)警，采用的主要方法是基于黑名單的人臉識別和過往人群的微表情識別。

（一）黑名單與社區(qū)安全

通常，公安的黑名單包括前科人員、吸毒人員及在逃人員等，這些人員對社區(qū)安全有潛在威脅。由于這些人員的人臉照片都保存在黑名單數(shù)據(jù)庫中，通過人臉視頻監(jiān)控系統(tǒng)就可以實(shí)現(xiàn)黑名單中人群的自動發(fā)現(xiàn)。人臉視頻監(jiān)控系統(tǒng)是視頻分析、運(yùn)動跟蹤、人臉檢測和人臉識別技術(shù)在視頻監(jiān)控領(lǐng)域的綜合應(yīng)用，其在前端社區(qū)的指定位置安裝網(wǎng)絡(luò)攝像機(jī)，對過往人群進(jìn)行人臉抓拍，然后將抓拍的人臉圖像通過互聯(lián)網(wǎng)傳輸?shù)奖O(jiān)控中心的數(shù)據(jù)庫保存，并與黑名單數(shù)據(jù)庫中的人臉圖像比較，當(dāng)相似度達(dá)到預(yù)先設(shè)定的閾值時(shí)，便識別為可疑人群，系統(tǒng)主動發(fā)出報(bào)警，以多種聯(lián)動方式通知安防人員處理。除預(yù)警功能外，系統(tǒng)實(shí)現(xiàn)的功能還有高清人臉圖像的抓拍、傳輸、存儲，人臉圖像的特征提取和索引，聯(lián)網(wǎng)布控，快速人臉圖像查詢，快速視頻查詢等功能。

（二）通過微表情來實(shí)現(xiàn)人群甄別

對于不在黑名單的人群甄別如何實(shí)現(xiàn)？可以通過微表情識別來發(fā)現(xiàn)。通常人在實(shí)施犯罪前，都很清楚被發(fā)現(xiàn)后面臨的嚴(yán)重懲罰，因此會感到恐懼，會不自覺地表現(xiàn)出恐懼微表情，這就是所謂的做賊心虛。微表情的產(chǎn)生來源于外界的某種刺激所引起的生理反應(yīng)。艾克曼教授通過大量研究發(fā)現(xiàn)，人類有7種不同微表情所反映的情緒：高興、傷心、害怕、憤怒、厭惡、驚訝、平靜。與表情相比，微表情具有客觀性，是心理變化在面部上的真實(shí)顯現(xiàn)，無法控制、隱瞞和偽造[6-7]，而表情是可以偽裝的。所以，微表情能夠在臉上表現(xiàn)出來，反映人類最真實(shí)的心理狀態(tài)，這為采用人工智能模型分析人臉圖像來了解人類內(nèi)心的真實(shí)想法提供了科學(xué)依據(jù)。同時(shí)，微表情的持續(xù)時(shí)間非常短暫，通常不到 1/5 秒，這使得沒有經(jīng)過專業(yè)訓(xùn)練的安防人員很難察覺，無法發(fā)現(xiàn)可疑人群。微表情的這些特點(diǎn)使得美國等西方發(fā)達(dá)國家已將其運(yùn)用于國家安全、司法偵訊等領(lǐng)域，但在我國起步較晚，在社區(qū)安全中的應(yīng)用基本上還處于空白。中國古代兵法就有“攻心為上，攻城為下，心戰(zhàn)為上，兵戰(zhàn)為下”之說，強(qiáng)調(diào)心理戰(zhàn)的重要作用。心理戰(zhàn)策略同樣適用于偵訊人員同犯罪嫌疑人之間的對抗。大多數(shù)犯罪嫌疑人事先都會做好防御計(jì)劃應(yīng)對偵訊人員的訊問，以逃脫法律制裁。由于每個(gè)偵訊人員的詢問策略和方法都可能不同，犯罪嫌疑人事先難以準(zhǔn)確預(yù)測，因此在整個(gè)訊問過程中犯罪嫌疑人的心理會不斷變化，這些心理變化會在犯罪嫌疑人的微表情中表現(xiàn)出來，通過分析微表情就能迅速識別犯罪嫌疑人的心理變化，進(jìn)而發(fā)現(xiàn)破綻。[8-9]例如提供一些特定物品給犯罪嫌疑人時(shí)，犯罪嫌疑人往往會產(chǎn)生其犯罪證據(jù)已被查獲的錯(cuò)覺，從而打破了其僥幸逃脫的心理，表現(xiàn)出悲傷微表情。當(dāng)使用一些證據(jù)揭穿嫌疑人謊言的瞬間，犯罪嫌疑人往往會表露出驚奇的微表情。同時(shí)，很多犯罪嫌疑人為了證明自己的清白，往往會偽裝悲傷博取同情。當(dāng)審訊人員運(yùn)用分化瓦解這種離間計(jì)審訊犯罪嫌疑人時(shí)，嫌疑人往往會不自覺地表現(xiàn)出憤怒微表情，但真正的罪犯可能會偽裝憤怒。[8]表情可以偽裝，但微表情不能偽裝。微表情識別技術(shù)的其他價(jià)值還表現(xiàn)在訊問方法不依賴于暴力威脅、恐嚇等非法途徑，避免刑訊逼供，同時(shí)可快速排查犯罪嫌疑人、縮小偵查范圍，提高偵查效率。與測謊儀相比，微表情識別技術(shù)更有優(yōu)勢，主要表現(xiàn)在測謊儀只在特定場所才能使用，操作不方便，使用的審查程序嚴(yán)格，并且需要犯罪嫌疑人配合，這會導(dǎo)致犯罪嫌疑人在測謊之前提前做好準(zhǔn)備。微表情技術(shù)就沒有這些缺點(diǎn)，從而能夠更加真實(shí)地了解犯罪嫌疑人的心理。[9]

三、人群甄別視頻預(yù)警技術(shù)方案

人群甄別視頻預(yù)警系統(tǒng)主要采用微表情技術(shù)和人臉識別技術(shù)，通過視頻監(jiān)控系統(tǒng)中的視頻，對威脅社區(qū)安全的人群甄別進(jìn)行監(jiān)測、詢問、預(yù)警，進(jìn)而提出預(yù)控對策，確保社區(qū)安全。

（一）系統(tǒng)拓?fù)浣Y(jié)構(gòu)

人群甄別視頻預(yù)警系統(tǒng)的拓?fù)浣Y(jié)構(gòu)如圖1所示，包括5部分，并通過互聯(lián)網(wǎng)連成整體。第一部分是安裝在社區(qū)安全區(qū)域的網(wǎng)絡(luò)攝像機(jī)，實(shí)時(shí)采集過往人群視頻。第二部分是流媒體服務(wù)器，實(shí)時(shí)采集視頻流，并從中檢測出人臉圖像。第三部分是可疑人群預(yù)警應(yīng)用服務(wù)器，實(shí)時(shí)調(diào)用面部云平臺中的人臉識別和微表情識別云服務(wù)，判斷過往人群是否在黑名單，是否有恐懼、悲傷等異常微表情。此服務(wù)器還同時(shí)完成預(yù)警準(zhǔn)備、預(yù)警分析、預(yù)警管理功能。第四部分是面部云平臺，支持人臉圖像的各類特征分析，包括人臉身份、微表情、性別、年齡、民族等識別，并以云服務(wù)方式對外提供服務(wù)。第五部分是計(jì)算機(jī)和移動設(shè)備，以便偵訊和管理人員使用這些設(shè)備操作系統(tǒng)提供的各項(xiàng)功能。

（二）系統(tǒng)功能結(jié)構(gòu)

人群甄別視頻預(yù)警系統(tǒng)包括三部分：預(yù)警準(zhǔn)備、預(yù)警分析、預(yù)警管理。

1. 預(yù)警準(zhǔn)備

第一個(gè)準(zhǔn)備工作是建立人群甄別視頻預(yù)警的指標(biāo)體系，從而確定相關(guān)的預(yù)警規(guī)則，包括人群甄別的判定標(biāo)準(zhǔn)，例如設(shè)定相似度閾值，當(dāng)人臉照片與黑名單中的某個(gè)人的相似度超過這個(gè)相似度閾值時(shí)，這個(gè)人即識別為人群甄別。對于沒有在黑名單中的人群，也可能對社區(qū)安全造成威脅，比如首次盜劫的犯罪嫌疑人，此時(shí)需要通過其微表情識別來判別，一般這類人群會出現(xiàn)恐懼微表情。但是這些判斷標(biāo)準(zhǔn)是可以動態(tài)變化的，可以通過以往犯罪嫌疑人的共性特征通過數(shù)據(jù)挖掘自動確定。第二個(gè)工作是訓(xùn)練大數(shù)據(jù)的準(zhǔn)備。[10]人群甄別的識別包括人臉識別和微表情識別，所采用的機(jī)器學(xué)習(xí)方法屬于人工智能中的深度學(xué)習(xí)，需要海量的訓(xùn)練數(shù)據(jù)，數(shù)據(jù)越多，識別越準(zhǔn)確。訓(xùn)練數(shù)據(jù)的采集包括三類，第一類是微表情數(shù)據(jù)的采集，目前微表情分為7種，但是可將其分為兩類，以提高識別的準(zhǔn)確率，其中將可疑人群容易產(chǎn)生的各種微表情劃為一類，其余的微表請類別為另一類。然后從電影、安防系統(tǒng)、互聯(lián)網(wǎng)、電視新聞報(bào)道中采集每個(gè)類別的微表情人臉圖像。第二類是人臉識別數(shù)據(jù)的采集，方法是從互聯(lián)網(wǎng)上下載人臉大數(shù)據(jù)，訓(xùn)練深度學(xué)習(xí)算法，然后對新出現(xiàn)的人臉，只采用少量人臉圖像在訓(xùn)練好的模型上再訓(xùn)練，因?yàn)椴捎玫膶W(xué)習(xí)算法屬于增量學(xué)習(xí)算法。

2.預(yù)警分析

預(yù)警分析完成對社區(qū)安全造成威脅的人群甄別的識別與預(yù)警，包括：從監(jiān)控視頻中獲取人臉圖像；完成黑名單中的人群甄別識別，并預(yù)警；完成人群甄別的表情識別，并預(yù)警；若預(yù)警，則根據(jù)人臉身份識別跟蹤識別此人群甄別。其中的關(guān)鍵技術(shù)解釋如下：

（1）視頻人臉檢測

深度學(xué)習(xí)算法不需要提取人臉圖像的特征，而是直接以像素作為輸入，但需要從視頻中準(zhǔn)確提取人臉圖像。目前提取人臉圖像的檢測算法已十分成熟，也有硬件實(shí)現(xiàn)。系統(tǒng)直接采用最流行的Viola人臉檢測方法，并采用CamShift算法在短時(shí)間范圍內(nèi)局部人臉跟蹤目標(biāo)，具有較好的實(shí)時(shí)性和魯棒性?？紤]到采集的人臉圖像的質(zhì)量存在一些問題，包括人臉分辨率、姿態(tài)、光照等，系統(tǒng)采用大量不同環(huán)境下的人臉圖像作為訓(xùn)練樣本，深度算法能夠自動學(xué)習(xí)到這些不變性特征，以消除這些問題的影響。

（2）人臉識別

系統(tǒng)采用深度學(xué)習(xí)方法如卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人群甄別身份（黑名單），判斷某個(gè)人臉圖像是否出現(xiàn)在黑名單數(shù)據(jù)庫中。為防止單張人臉圖像識別的不準(zhǔn)確性，可以從視頻中采集連續(xù)小間隔的多幅人臉圖像，分別調(diào)用深度學(xué)習(xí)算法識別，最后采用貝葉斯方法融合決策，獲得最終的識別結(jié)果。

（3）微表情識別

系統(tǒng)采用深度學(xué)習(xí)方法如稀稀疏編碼[11]、卷積神經(jīng)網(wǎng)絡(luò)[12]來識別人臉微表情，其他方法還包括集成學(xué)習(xí)方法[13-15]，其輸入為人臉圖像，輸出為微表情類別。為防止單張人臉圖像微表情識別的不準(zhǔn)確性，可以從視頻中采集連續(xù)小間隔的多幅人臉圖像，分別調(diào)用深度學(xué)習(xí)算法識別微表情，最后采用貝葉斯方法融合決策，獲得最終的微表情識別結(jié)果。

（4）人群甄別跟蹤

人群甄別發(fā)現(xiàn)可疑人群后，希望持續(xù)發(fā)現(xiàn)他們的行為軌跡。系統(tǒng)采用機(jī)器學(xué)習(xí)方法識別身份，進(jìn)而實(shí)現(xiàn)跟蹤。現(xiàn)有少量的視頻監(jiān)控系統(tǒng)能夠識別人臉身份，但識別算法屬于淺層學(xué)習(xí)，沒有利用大數(shù)據(jù)優(yōu)勢，識別準(zhǔn)確率低。為防止單張人臉圖像識別的不準(zhǔn)確性，可以從視頻中采集連續(xù)小間隔的多幅人臉圖像，分別調(diào)用深度學(xué)習(xí)算法識別，最后采用貝葉斯方法融合決策，獲得最終的識別結(jié)果。

3.預(yù)警管理

（1）實(shí)時(shí)報(bào)警

提供黑名單管理功能，包括增加、刪除和查詢黑名單，例如把要布控人員的信息（包含姓名、性別、身份證號、家庭住址、人臉照片等信息）增加到黑名單數(shù)據(jù)庫，然后按照時(shí)間、地點(diǎn)、布控等級等信息，對可疑人群布防。最后啟動系統(tǒng)，實(shí)時(shí)監(jiān)視各個(gè)網(wǎng)絡(luò)攝像機(jī)，對人群甄別實(shí)時(shí)報(bào)警，提醒監(jiān)控人員。監(jiān)控人員可隨時(shí)查看報(bào)警信息，并通過瀏覽抓拍的人臉圖像和視頻進(jìn)行核實(shí)。

（2）歷史查詢

系統(tǒng)保存了歷次報(bào)警記錄，人臉圖像及相關(guān)的小段視頻。系統(tǒng)根據(jù)社區(qū)位置和時(shí)間段作為查詢條件，可查詢該位置在設(shè)定時(shí)間段內(nèi)所有抓拍的人臉圖像及相關(guān)的小段視頻以及預(yù)警詳情。此功能可快速查找可疑人群是否進(jìn)出過某個(gè)重點(diǎn)場所。

（3）人臉?biāo)阉?/p>

當(dāng)發(fā)現(xiàn)人群甄別時(shí)，辦案人員可能需要知道其最近一段時(shí)間內(nèi)出現(xiàn)的位置，需要對海量視頻數(shù)據(jù)中進(jìn)行人群甄別目標(biāo)的查找，這就要用到人臉?biāo)阉?。人臉?biāo)阉饕策m用于公安部門抓捕到普通案件中嫌疑犯的人臉照片時(shí)候，在全國在逃人員庫中進(jìn)行照片檢索，幫助民警快速判斷該嫌疑犯是否還涉及其他案件的可能性。系統(tǒng)根據(jù)輸入的人臉照片、位置、時(shí)間段以及相似度閾值，自動檢索人臉數(shù)據(jù)庫，并將檢索出的人臉圖像按相似度降序排列顯示。

（4）人臉跟蹤

人群甄別發(fā)現(xiàn)可疑人群后，希望持續(xù)發(fā)現(xiàn)他們的行為軌跡。系統(tǒng)根據(jù)輸入待跟蹤的人臉照片、位置、時(shí)間段以及相似度閥值后，自動跟蹤此人在各個(gè)位置采集的人臉圖像及視頻，以實(shí)現(xiàn)可疑人群位置的快速跟蹤。

（5）輔助偵訊

系統(tǒng)支持安防人員通過智能終端對人群甄別現(xiàn)場訊問，例如將被預(yù)警的嫌疑人叫到辦公室問訊，系統(tǒng)提供問訊的輔助手段，例如預(yù)先設(shè)置的詢問問題，辦公室攝像機(jī)現(xiàn)場分析微表情，觀察人群甄別是否在說謊等方法，幫助安防人員及時(shí)確認(rèn)可疑人群，此功能類似于建立一個(gè)偵訊輔助專家系統(tǒng)。

四、人群甄別視頻預(yù)警系統(tǒng)應(yīng)用

人群甄別視頻預(yù)警系統(tǒng)在特定場合及社區(qū)安全的應(yīng)用有著重要的意義，有助于打擊違法犯罪和消除治安隱患，減輕公安人員和服務(wù)人員的日常工作量，有效提高工作效率和服務(wù)質(zhì)量。它彌補(bǔ)了傳統(tǒng)方式的不足，例如單純依靠安檢人員查驗(yàn)身份證核實(shí)身份，工作量大、繁瑣、速度慢。通常抽檢方式還有可能造成不法分子逃之夭夭，對人民生命財(cái)產(chǎn)安全造成極大的威脅。

（一）人群甄別視頻預(yù)警系統(tǒng)優(yōu)勢

人群甄別視頻預(yù)警系統(tǒng)的優(yōu)勢很多，首先系統(tǒng)采用了深度學(xué)習(xí)方法，減少了誤報(bào)和漏報(bào)，提高了安全威脅的預(yù)報(bào)正確率。其次，系統(tǒng)通過視頻采集人臉圖像，是非接觸性的，無需人群甄別配合，實(shí)用性強(qiáng)，嫌疑人無察覺。再次，系統(tǒng)使用時(shí)無須工作人員干預(yù)，減少了安防人員的工作量。一旦有事件發(fā)生，也有利于偵訊人員人工判斷，因?yàn)榕袛嘁粋€(gè)人是誰，人臉最直觀，不像指掌紋、虹膜需要相關(guān)領(lǐng)域?qū)＜也趴梢耘袆e。最后，系統(tǒng)的可擴(kuò)展性好，其前端的人臉采集完全可以采用現(xiàn)有視頻監(jiān)控系統(tǒng)的攝像設(shè)備，也可以增加新的攝像設(shè)備。后端應(yīng)用可擴(kuò)展到出入控制（如門禁系統(tǒng)）、黑名單監(jiān)控、人臉照片搜索、視頻搜索等多領(lǐng)域。同時(shí)，系統(tǒng)可同時(shí)識別性別、年齡、民族等，輻射性強(qiáng)，可推廣到海關(guān)、情緒健康等其他行業(yè)。

（二）人群甄別視頻預(yù)警系統(tǒng)部署

人群甄別視頻預(yù)警系統(tǒng)由多臺攝像機(jī)、桌面電腦、智能終端和多臺帶GPU電腦構(gòu)成的面部云平臺組成。攝像機(jī)采用1080P高清攝像機(jī)采集各類情況下視頻的人臉圖像。系統(tǒng)采用云平臺體系結(jié)構(gòu)，數(shù)據(jù)庫采用Mysql。人群甄別視頻預(yù)警系統(tǒng)的一個(gè)運(yùn)行效果如圖3所示，實(shí)現(xiàn)了視頻人臉的身份、性別、年齡、民族等識別。

人群甄別視頻預(yù)警系統(tǒng)在社區(qū)的關(guān)鍵位置如出入口安裝網(wǎng)絡(luò)攝像機(jī)，后端安裝流媒體服務(wù)器、可疑人群預(yù)警應(yīng)用服務(wù)器、面部云平臺、數(shù)據(jù)庫服務(wù)器等實(shí)現(xiàn)對過往人群的視頻捕獲，人群甄別實(shí)時(shí)識別與預(yù)警。同時(shí)提供預(yù)警管理、人臉?biāo)阉?、輔助偵訊等功能。對帶寬有限的情況，可將人臉檢測功能前置到前端攝像機(jī)，實(shí)現(xiàn)人臉圖像的檢測和上傳，上傳信息包括人臉照片、抓拍地點(diǎn)、抓拍時(shí)間等壓縮信息，減輕網(wǎng)絡(luò)帶寬傳輸壓力。

五、結(jié)論

人群甄別視頻預(yù)警系統(tǒng)采用人工智能最新技術(shù)，實(shí)現(xiàn)了人群甄別的人臉識別和微表情識別，識別性能和速度優(yōu)于現(xiàn)有方法，具有非常重要的應(yīng)用價(jià)值。首先，符合技術(shù)和行業(yè)的發(fā)展趨勢，提升了市場巨大的視頻監(jiān)控產(chǎn)業(yè)。其次，該技術(shù)填補(bǔ)了國內(nèi)空白，減少了誤報(bào)和漏報(bào)，提高了安全威脅的預(yù)報(bào)正確率。再次，系統(tǒng)實(shí)用性強(qiáng)，嫌疑人無察覺。最后，系統(tǒng)及技術(shù)的輻射性強(qiáng)，可推廣到海關(guān)、情緒健康等其他行業(yè)。

除了微表情外，其他面部特征還可以用于人群甄別的識別與預(yù)警。研究表明，性別、年齡與犯罪傾向之間有相關(guān)性[16]，未來的工作將融合這些面部特征構(gòu)造更加準(zhǔn)確的人群甄別預(yù)警系統(tǒng)。

參考文獻(xiàn)：

[1]李巖，陳翔.廣州市小城鎮(zhèn)社區(qū)安全預(yù)警系統(tǒng)構(gòu)建[J].今日湖北（下旬刊），2014（1）： 144-145.

[2]余樹華，周林生.社區(qū)應(yīng)急管理的定位研究[J]. 華南理工大學(xué)學(xué)報(bào)（社會科學(xué)版），2016（1）：46-56.

[3]王穎. 城市社區(qū)治理中的公共安全保障問題研究[J]. 發(fā)展，2015（3）：97-98.

[4]桑海峰，吳丹陽，王會.視頻監(jiān)控下的人臉跟蹤與識別系統(tǒng)[J].計(jì)算機(jī)工程與應(yīng)用， 2014（12）： 175-179.

[5]王煒，田野. 人像識別系統(tǒng)在視頻監(jiān)控領(lǐng)域的應(yīng)用[J].警察技術(shù)，2014（5）：12-15.

[6]Bernard Fong， Joyce Westerink. Affective Computing in Consumer Electronics[J]. IEEE transactions on affective computing， 2012， 3（2）：129-131.

[7]S L Happy，Aurobinda Routray. Automatic Facial Expression Recognition Using Features of Salient Facial Patches[J]. IEEE Trans. Affective Computing， 2015， 6（1）：1-12.

[8]胡建偉.淺析公安機(jī)關(guān)偵查審訊中犯罪嫌疑人的微表情[J].北京警察學(xué)院學(xué)報(bào)， 2014（1）：66-70.

[9]徐良峰.微表情——訊問僵局下新的突破口[J]. 犯罪研究， 2015（4）：47-52.

[10]C Mayer， M Eggers，B Radig. Cross-database evaluation for facial expression[J]. Pattern Recognition and Image Analysis，2014， 24（1）：124-132.

[11]ChenYing， Zhang Shiqing， Zhao Xiaoming. Facial expression recognition via non-negative least-squares sparse coding[J]. Information （Switzerland），2014，5（2）： 305-318.

[12]Samira Ebrahimi Kahou，Xavier Bouthillier， Pascal Lamblin，et al. EmoNets： Multimodal deep learning approaches for emotion recognition in video[J].Journal on Multimodal User Interfaces，2016，10（2）：99-111.

[13]Tariq U， Kai-Hsiang Lin， Zhen Li，et al. Recognizing Emotions From an Ensemble of Features[J]. IEEE Transactions on Systems， Man， and Cybernetics， Part B： Cybernetics， 2012，42（4）：1017-1026.

[14]Jia Xibin ， Zhang Yanhua， PowersDavid，Ali，et al. Multi-classifier fusion based facial expression recognition approach[J]. KSII Transactions on Internet and Information Systems， 2014，8（1）：196-212.

[15]R Mousavia， M Eftekhari. A new ensemble learning methodology based on hybridization of classifier ensemble selection approaches[J].Applied Soft Computing，2015， 37（C）： 652-666.

[16]熊謀林，江立華，陳樹嬌.生命周期研究：性別、年齡與犯罪[J].青少年犯罪問題，2013（1）：75-82 .

Abstract： Video surveillance systems have been applied to the community， railway station， airport， subway and the other public places， where the crowd screening is now finished mainly through manually observing surveillance video. In such case， the larger working intensity and nice ability for criminal investigation are required， while the false positives and negative recognition easly happen. This paper applies the big data and artificial intelligence technologies to perform crowd screening and micro expression recognition based on surveillance video， and then issues the safety warning for risk crowd. It has the significant value in improving the community safety degree， enhancing the video surveillance industry， and enhancing the practicability due to without interfering the suspect.

Keywords：community safety； crowd screening； micro expression recognition；video surveillance