李 柱，王毅虹

（中國人民公安大學(xué)，北京 100038）

一、人臉識別技術(shù)的應(yīng)用現(xiàn)狀

人臉識別技術(shù)是大數(shù)據(jù)時代人工智能的重要組成部分，也是近年來在預(yù)防犯罪領(lǐng)域運用最廣的新型科學(xué)技術(shù)之一。隨著網(wǎng)絡(luò)技術(shù)的突飛猛進，人臉識別技術(shù)更精確地應(yīng)用于預(yù)防犯罪，維護公共安全，在短時間內(nèi)大幅提高了公安工作專業(yè)效能。雖然在犯罪預(yù)防領(lǐng)域的綜合應(yīng)用有了極大的發(fā)展，但仍存在部分限制性因素，如犯罪嫌疑人通過戴口罩、帽子、眼鏡或者低頭遮擋等方式逃避人臉識別、視頻采集。如何快速準(zhǔn)確識別數(shù)據(jù)前端的有遮擋對象是人臉識別技術(shù)面臨的技術(shù)瓶頸，目前綜合的人臉識別技術(shù)成功解決了這些問題，使得人臉識別技術(shù)的準(zhǔn)確性、安全性、實用性等方面有進一步提升。

（一）概述

人臉識別技術(shù)是指通過計算機程序，運用綜合算法，提取人臉?biāo)N含的特征、結(jié)構(gòu)比例等進行編碼標(biāo)識，以達到快速準(zhǔn)確識別特定對象身份的目的。該種技術(shù)是運用大數(shù)據(jù)來分析人臉圖像，從中提取有效的人臉特征信息，進而識別出特定對象身份的一種智能手段[1]。20世紀20年代，英國通過數(shù)據(jù)壓縮技術(shù)向美國傳送了第一張數(shù)據(jù)圖片，數(shù)據(jù)圖像處理技術(shù)應(yīng)運而生。數(shù)據(jù)圖像應(yīng)用研究技術(shù)始于20世紀60年代，1964年美國“噴氣推進實驗室”通過數(shù)據(jù)傳送手段，遠程搜索到太空“徘徊者七號”拍攝的月球信息[2]，開啟了數(shù)據(jù)圖像技術(shù)應(yīng)用的先河。之后，經(jīng)科研人員不斷攻堅克難，數(shù)據(jù)圖像技術(shù)中的人臉識別技術(shù)得到迅速發(fā)展。

（二）人臉識別的犯罪預(yù)防模式

犯罪預(yù)防是指消除犯罪的起因，防止犯罪發(fā)生并將犯罪消除在萌芽狀態(tài)而采取的有效措施。近年來引用互聯(lián)網(wǎng)、大數(shù)據(jù)進行犯罪預(yù)防和預(yù)測，同時借助行為科學(xué)、計算機科學(xué)和犯罪心理學(xué)等研究理論，將犯罪衍生和變化的規(guī)律具體化、可視化，提高了犯罪預(yù)防的有效性，同時也為打擊犯罪提供了有力的技術(shù)支撐，在一定程度上彌補了傳統(tǒng)犯罪預(yù)防模式的局限性。但同時也存在技術(shù)上的弊端，如在犯罪預(yù)防過程中，由于不特定個體的差異性會使犯罪情況異常復(fù)雜，犯罪規(guī)律在微觀上指導(dǎo)性不強，可能會導(dǎo)致預(yù)防結(jié)果的精準(zhǔn)度出現(xiàn)誤差。由于誤差的隨機性，使得該種犯罪預(yù)防方法穩(wěn)定性有所降低，甚至可能成為預(yù)防犯罪的干擾因素。隨著人臉識別技術(shù)的迅速發(fā)展，其在犯罪預(yù)防領(lǐng)域的應(yīng)用進一步深化，其犯罪預(yù)防模式主要以數(shù)據(jù)前端采集各種跨媒體異構(gòu)復(fù)雜信息為基礎(chǔ)，借助神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)、圖像理解和生物識別技術(shù)，從跨地域多維空間人臉識別和互聯(lián)網(wǎng)空間人臉形態(tài)分析等角度，將不特定個體的人臉信息情況與相關(guān)聯(lián)的環(huán)境進行交互認知、整合和研判，構(gòu)建智能化預(yù)防、預(yù)測和預(yù)警三級控制系統(tǒng)。該種犯罪預(yù)防模式主要依托知識圖譜、數(shù)據(jù)挖掘等方法，并借助人工智能的前端理念和技術(shù)，匯合海量數(shù)據(jù)信息，利用新型人臉數(shù)據(jù)分析模型部分或完全輔助人類進行大數(shù)據(jù)深度挖掘和綜合分析，同時，配置智能數(shù)據(jù)終端分析傳輸?shù)耐鈬O(shè)備和平臺，形成以人臉識別為核心技術(shù)支撐的動態(tài)軌跡管控犯罪預(yù)防系統(tǒng)[3]1-10。

（三）人臉識別技術(shù)的主要特征

傳統(tǒng)的人臉識別技術(shù)，很大程度上依靠遠程視頻監(jiān)控，尤其是依靠對視頻中人臉的抓拍或截圖這一方法，保證獲取的是一張完整的人臉圖像，再放到后臺數(shù)據(jù)庫里進行后續(xù)比對，達到對象識別。這種傳統(tǒng)技術(shù)在識別上準(zhǔn)確度不高，算法性能較差，難以在實戰(zhàn)中得到廣泛的應(yīng)用。而其他的人體特征識別技術(shù)，在一定程度上均存在較大的技術(shù)缺陷，有的需要被動的人臉配合，有的則需要耗費一定的人力物力成本。如指紋識別需要將被識別人的手放在固定的識別儀器表面，DNA技術(shù)則需要獲取被識別對象的檢測樣本，且需要一定的鑒定時間，難以滿足現(xiàn)實性的需求。

隨著互聯(lián)網(wǎng)技術(shù)和人工智能的不斷發(fā)展，高科技信息設(shè)備不斷應(yīng)用到公安實戰(zhàn)中，大幅提高了公安工作成效，尤其是智能人臉識別技術(shù)，與目前人體生物特征識別方法相比，具有迅速、簡單、準(zhǔn)確、高效、主動的顯著優(yōu)勢。智能人臉識別技術(shù)，只要采集到被識別對象的面貌，或者在半遮擋、模糊面貌等情況下，基于稀疏算法或深度學(xué)習(xí)算法的人臉識別，開展人臉信息的結(jié)構(gòu)化存儲、檢索和比對，就能達到對該對象的現(xiàn)場識別與實時處理，有效預(yù)防犯罪。

（四）人臉識別技術(shù)的犯罪預(yù)防流程

人臉識別技術(shù)是以獲取人臉信息為基礎(chǔ)，基于稀疏表示或深度學(xué)習(xí)的算法，達到檢測、識別、預(yù)防的目的。其實現(xiàn)流程一般分為三步。

1.人臉數(shù)據(jù)采集

建立人臉識別數(shù)據(jù)庫，將不同時間、不同地點、不同部門所獲取的人臉圖像實時導(dǎo)入數(shù)據(jù)庫，形成動態(tài)多元收集渠道。另外，對于不斷更新的各種網(wǎng)絡(luò)圖片和視頻，建立網(wǎng)絡(luò)動態(tài)的智能人臉數(shù)據(jù)收集后臺，多角度獲得同一對象的不同人臉圖像，并將這些人臉數(shù)據(jù)文件生成面紋編碼貯存在數(shù)據(jù)庫中[4]，為后續(xù)的智能人臉識別提供數(shù)據(jù)基礎(chǔ)。

2.人臉識別

將監(jiān)控前端所獲取到的人臉圖像先進行技術(shù)處理，由于自然狀態(tài)下，會有溫度、光線、距離、背景等因素的干擾，故識別之前必須進行一定的光線補償、灰度規(guī)一化、幾何校正、噪聲消除等圖像預(yù)處理，通過現(xiàn)有技術(shù)可以達到這一預(yù)處理目的，最大程度上把無關(guān)因素排除在外，確保人臉識別功能的確定性和穩(wěn)定性。嚴格意義上來說，并不存在兩張完全相同的人臉，所以特定的人臉有其固有的特征，包括正面特征和側(cè)面特征。正面特征是指各種距離比例及角度值，如兩眼之間的距離，兩頰之間的距離，眼大小，以及各特征點之間組合所形成的距離、角度值等。常用的特征探測方法有三類：參數(shù)化模型方法、基于模板的方法以及利用數(shù)學(xué)算子的方法[5]。通過上述算法獲得該人臉的顯著特征，采集到人臉數(shù)據(jù)后經(jīng)預(yù)處理后提取相應(yīng)的人臉特征，同步自動導(dǎo)入人臉數(shù)據(jù)庫，形成面紋編碼，并與原有的數(shù)據(jù)庫中人臉進行特征編碼匹配，綜合多重編碼信息，達到最大程度的識別比對。

3.同步預(yù)警

經(jīng)過人臉識別系統(tǒng)處理后，將重點人物識別結(jié)果實時上傳至系統(tǒng)特定關(guān)注人員區(qū)域，在該人臉出現(xiàn)的重點頻繁活動領(lǐng)域產(chǎn)生預(yù)報警信息，同步傳送到所轄公安所隊，并結(jié)合城鎮(zhèn)所在居委或村委，發(fā)揮網(wǎng)格化優(yōu)勢，重點關(guān)注，進行調(diào)查，及時反饋處理。

二、人臉識別技術(shù)在犯罪預(yù)防中的應(yīng)用

（一）人群集散中心安全防范應(yīng)用

在人群集散中心如汽車站、火車站、機場、碼頭等重點預(yù)防區(qū)域，實時布控具備人臉識別功能的視頻監(jiān)控設(shè)備，多角度、全天候進行人臉數(shù)據(jù)采集，同步導(dǎo)入公安后臺人臉數(shù)據(jù)庫，根據(jù)所采集到的人臉信息，進行數(shù)據(jù)編碼，同時劃分預(yù)警等級，對系統(tǒng)顯示的高危人臉數(shù)據(jù)，進行進一步人臉識別，結(jié)合系統(tǒng)內(nèi)的在逃人員和涉毒、涉黑、涉恐等暴力型犯罪的前科人員，重點比對。將突出的預(yù)警信息實時發(fā)送至所在轄區(qū)的偵查部門，核實具體人員信息，根據(jù)所調(diào)查的情況再反饋給大數(shù)據(jù)中心的研究人員，做到實時預(yù)防。

（二）道路安全防范應(yīng)用

在各大高速路進出口、服務(wù)區(qū)、加油站點等關(guān)鍵通道處設(shè)置人臉數(shù)據(jù)采集的監(jiān)控儀，通過后臺數(shù)據(jù)庫的人臉進行實時比對，進行快速搜集和檢驗，同時采集重點預(yù)警人臉的活動軌跡，作為研判該人臉的參考數(shù)據(jù)，進一步提高人臉識別的準(zhǔn)確率，最大程度上預(yù)防和打擊犯罪。如2019年6月湖州市公安局南潯分局借助視頻偵查技術(shù)和人臉識別技術(shù)，快速鎖定犯罪嫌疑人具體位置并抓捕到案，可見人臉識別技術(shù)的應(yīng)用極大提高了公安機關(guān)在新時期的實戰(zhàn)能力。

（三）校園安全防范應(yīng)用

近年來，以校園為犯罪地點的案件頻發(fā)，引起社會高度重視，為進一步預(yù)防犯罪，可以將校園進出口以及周邊一定范圍作為重點人臉采集區(qū)域，安裝高清人臉識別視頻監(jiān)控，實時接入系統(tǒng)后臺，不斷進行人臉更新。對于短時間內(nèi)在識別區(qū)域內(nèi)出現(xiàn)的高頻陌生人臉數(shù)據(jù)，要進行重點比對和實時監(jiān)控調(diào)查，一旦確定有作案嫌疑，立即傳送預(yù)警信號，采取相應(yīng)措施，提高自動預(yù)警，及時防控，以提高人臉識別的犯罪預(yù)防效率。

（四）居民區(qū)安全防范應(yīng)用

居民社區(qū)情況復(fù)雜，各種不同身份、背景和目的的人均有可能出現(xiàn)，再加上部分小區(qū)空間布局結(jié)構(gòu)不規(guī)范，存在監(jiān)管盲區(qū)，給違法犯罪的偵破帶來了阻力。通過在居民區(qū)設(shè)置人臉識別視頻監(jiān)控，尤其是針對社區(qū)安防監(jiān)管的盲區(qū)，開展人臉識別的自動化，通過長期的人臉信息的采集和識別，結(jié)合該小區(qū)的常住人口信息，建立該小區(qū)的人臉數(shù)據(jù)庫，實時進行數(shù)據(jù)更新。對在該小區(qū)出現(xiàn)的非常住人員，根據(jù)其活動軌跡特征，并結(jié)合其是否與該小區(qū)人員有直接或間接的親屬關(guān)系或其他關(guān)系，開展數(shù)據(jù)庫的異常人臉識別分析，從而實現(xiàn)對居民區(qū)重點異常人員的犯罪預(yù)防管控。

（五）大型活動安全防范應(yīng)用

各種大型活動具有臨時性、密集性、多變性等特點，從某種程度上來講，在大型活動中，處處存在安全隱患，而且人數(shù)越多，引發(fā)犯罪的可能性越大。為加強活動的安保，除設(shè)置足夠的安保人員現(xiàn)場執(zhí)勤外，還應(yīng)加強活動的“隱形安保”，即對現(xiàn)場出現(xiàn)的人臉進行識別，建立參與人員動態(tài)人臉數(shù)據(jù)庫，借助無人機進行立體人臉識別。在安防力量不足的情況下，借助人臉識別視頻監(jiān)控對進出活動場所的所有人員人臉數(shù)據(jù)進行自動采集，通過互聯(lián)網(wǎng)同步傳送到后臺安防指揮中心的人臉數(shù)據(jù)庫，與在逃人員和高閾值預(yù)警人員名單迅速比對并準(zhǔn)確進行身份判斷。一旦發(fā)現(xiàn)與系統(tǒng)內(nèi)的綜合信息吻合或超出閾值界限，立即自動報警，將相關(guān)信息傳輸給現(xiàn)場執(zhí)勤人員，迅速采取相應(yīng)措施，有效打擊和預(yù)防犯罪。如美國紐約警察局就將人臉識別視頻監(jiān)控普遍應(yīng)用于各種大型活動安保，有效地預(yù)防了犯罪，維護了活動現(xiàn)場的安全秩序。

三、人臉識別技術(shù)的挑戰(zhàn)及建議

人臉識別技術(shù)在各地區(qū)的積極應(yīng)用大幅提高了公安機關(guān)打擊違法犯罪的工作效率，隨著稀疏算法的進一步應(yīng)用，人臉識別技術(shù)的優(yōu)勢日趨明顯，但同時也對公安機關(guān)提出了新的挑戰(zhàn)。如何保護公民的隱私、縮短人臉識別的時間和提高人臉識別的準(zhǔn)確度是現(xiàn)在面臨的主要問題。

（一）隱私保護問題及處理

智能人臉識別技術(shù)的利用具有雙重屬性，而其功能取決于使用者的價值取向。在打擊違法行為、預(yù)防犯罪的同時，也誘發(fā)了新的犯罪形式。無論是在互聯(lián)網(wǎng)還是在現(xiàn)實公共區(qū)域，對公民進行未經(jīng)允許的人臉數(shù)據(jù)等隱私信息采集，很難避免侵犯到采集對象的個人隱私。個人隱私除信息隱私、空間隱私外，還有個人的自覺隱私，即個人不受外界干涉，獨立決定個人生活隱私公開與否，如何使用等問題[6]。當(dāng)前的人臉識別技術(shù)，在進行人臉數(shù)據(jù)信息采集時，即采集了其自覺隱私，視頻前端的采集設(shè)備自由收錄，而且在后臺自動進行個人信息和各種數(shù)據(jù)綜合分析，形成系統(tǒng)研判，讀取其人格、財產(chǎn)狀況和生活軌跡等敏感信息，進而預(yù)測有無犯罪的趨勢。人臉識別在預(yù)防犯罪的同時，也容易引起數(shù)據(jù)庫信息泄露，2017年9月紹興公安機關(guān)就破獲一起利用計算機算法入侵數(shù)據(jù)庫，盜取公民隱私信息的案件。

國內(nèi)對隱私信息保護采取的是對后臺采集的信息進行植入和技術(shù)處理，如進行加密或限制訪問權(quán)限等，在一定程度上能起到防范作用。但隨著網(wǎng)絡(luò)技術(shù)的深度發(fā)展，該種方法也面臨著新的困境。從立法層面考量，是否可以細化當(dāng)前國內(nèi)相關(guān)技術(shù)使用規(guī)范，完善人臉數(shù)據(jù)庫信息內(nèi)容的管理，或者加強研發(fā)人員和使用人員的自身監(jiān)管，從源頭預(yù)防隱私信息泄露，進一步明確責(zé)任，切實保障所采集對象的合法權(quán)益。2018年5月25日，歐盟出臺了《一般數(shù)據(jù)保護條例》（General Data Protection Regulation,簡稱“GDPR”），該條例對智能化分析研判、會對數(shù)據(jù)主體生活和工作產(chǎn)生重大影響的智能決策進行了規(guī)范，明確了數(shù)據(jù)使用主體的相關(guān)權(quán)利義務(wù)，并且制定了一系列的救濟和懲罰細則，被稱為“史上最嚴數(shù)據(jù)保護條例”[7]。這表明數(shù)據(jù)的隱私安全如果不加以保護，將會對社會造成影響，引發(fā)新的社會問題。智能人臉識別技術(shù)所采集到的各種數(shù)據(jù)，必然要以保護公民特定隱私為基本原則，在保障數(shù)據(jù)運用暢通的基礎(chǔ)上實行實名制“信息偵查員”制度。對數(shù)據(jù)的收集、整合、分析、研判及提取應(yīng)用環(huán)節(jié)嚴格把關(guān)，嚴守權(quán)力底線和紀律意識。對進入隱私數(shù)據(jù)庫的民警進行后臺自動記錄，定期分析反饋登錄時間、位置以及所查詢提取的數(shù)據(jù)，確保整個流程程序合法、手段合規(guī)和應(yīng)用合理，以防數(shù)據(jù)泄露時能倒查源頭，及時定位到人并有效止損。

（二）技術(shù)困境問題及應(yīng)對

人臉識別技術(shù)因其隱蔽性、易于操作和市場前景廣闊受到各大科研機構(gòu)及研究人員的青睞，逐漸發(fā)展成為人體特征識別的關(guān)鍵研究領(lǐng)域，同時也被應(yīng)用于維護公共安全，預(yù)防和打擊犯罪。人臉識別技術(shù)的研究主要集中于核心算法、數(shù)據(jù)庫容量和應(yīng)用范圍等領(lǐng)域?；谌四樧R別技術(shù)在核心算法方面的研究方法主要包括：基于幾何特征的識別、基于特征臉的人臉識別、基于模板匹配的人臉識別、基于神經(jīng)網(wǎng)絡(luò)的人臉識、基于隱馬爾可夫模型（HMM）的人臉識別、基于彈性匹配方法的人臉識別、基于貝葉斯決策的人臉識別、基于支持向量機的人臉識別[8]。無論是哪一種算法，實驗室環(huán)境與現(xiàn)實環(huán)境均存在一定程度上的技術(shù)誤差，而且所需要識別的人臉數(shù)據(jù)基數(shù)越大，準(zhǔn)確率會有所下降，魯棒性較差，所耗費的識別時間也隨之遞增，對犯罪預(yù)防的時效性有一定的影響。隨著時間的推移，人臉信息數(shù)據(jù)庫的儲存容量將會呈幾何式增長，這對存儲能力提出了挑戰(zhàn)。由于以上的技術(shù)問題，導(dǎo)致人臉識別技術(shù)的犯罪預(yù)防運用領(lǐng)域受限，再加上現(xiàn)實中人臉的物理偽裝，如戴帽子、口罩、眼鏡等，以及光線、背景和距離等環(huán)境因素，讓人臉識別面臨新的技術(shù)困境。

針對人臉識別技術(shù)的瓶頸，相關(guān)專家提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的智能人臉識別核心算法，該算法的基本原理是：首先，根據(jù)Softmax（柔性最大值）損失特征分布，在特征和權(quán)重向量間施加一個類內(nèi)余弦相似性損失，使類內(nèi)更加緊湊，類間盡可能分離；其次，在Softmax損失基礎(chǔ)上通過歸一化特征來更好地模擬低質(zhì)量人臉圖像，并通過歸一化權(quán)重來減輕類別不平衡，使其與測試時的余弦相似性度量一致；最后，聯(lián)合歸一化的Softmax損失和類內(nèi)余弦相似性損失在預(yù)訓(xùn)練模型上進行微調(diào)[9]。該算法的優(yōu)點在于提高了特征的判別性，增強了模型的泛化能力，進一步提高了人臉識別的準(zhǔn)確率，具有很好的魯棒性。另外，可以加強核心技術(shù)的實際運用，科研機構(gòu)和高校與相關(guān)科技公司共同組建聯(lián)合實驗室，將人臉識別技術(shù)與市場結(jié)合，一旦技術(shù)成熟定型，迅速與公安部門進行實戰(zhàn)對接，根據(jù)實際情況再進行反饋，不斷更新，形成現(xiàn)實戰(zhàn)斗力，進一步提高預(yù)防打擊犯罪的能力，構(gòu)建智能安全防控體系，服務(wù)于社會。

（三）系統(tǒng)綜合識別問題及完善

由于環(huán)境的復(fù)雜性和識別對象的多變性，單一的識別途徑很難做到準(zhǔn)確識別，在一定程度上存在誤差空間。而對于犯罪預(yù)防而言，任何技術(shù)誤差導(dǎo)致的識別漏洞都會直接降低犯罪預(yù)防的精準(zhǔn)度。因此，不能僅依靠單一的人臉識別技術(shù)，還要運用其他渠道，綜合識別，形成一套系統(tǒng)的、規(guī)范的、標(biāo)準(zhǔn)的人臉識別技術(shù)流程，提高犯罪預(yù)防實效。將人工智能視頻分析技術(shù)、海量數(shù)據(jù)存儲技術(shù)及群防群治網(wǎng)格化工作機制結(jié)合起來，多維度拓展人工智能設(shè)備的應(yīng)用，融合多種傳感技術(shù)、數(shù)據(jù)挖掘分析和綜合人體識別技術(shù)的數(shù)字化設(shè)備與便攜式工具[3]1-10。2017年11月日本NEC公司在旗下臉部辨識產(chǎn)品中導(dǎo)入人工智能，研發(fā)出一款運用人臉識別技術(shù)防止陌生人員進出辦公樓的安保系統(tǒng)。大阪大學(xué)教授八木康史應(yīng)用神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法，根據(jù)識別對象的各種體態(tài)、肢體的擺幅等運動相關(guān)特征辨識出特定人員，并依此研究出可預(yù)防和識別潛在犯罪嫌疑人的技術(shù)[10]。構(gòu)建系統(tǒng)化和多元化人臉識別技術(shù)的犯罪預(yù)防模式，做到實時預(yù)防、實地預(yù)防，將評估犯罪可能性的數(shù)據(jù)以動態(tài)量化的形式準(zhǔn)確及時地表達出來，成為維護社會持續(xù)和諧穩(wěn)定的重要技術(shù)。

人臉識別是極具實用性的犯罪預(yù)防手段，目前不同類型的人臉識別技術(shù)得到了一定程度的發(fā)展，但是在實戰(zhàn)運用中依然凸顯諸多問題，如法律法規(guī)對隱私信息的保護不夠具體完備、核心算法需要進一步成熟定型、缺乏多元信息采集渠道系統(tǒng)識別，可以考慮深化相關(guān)法律法規(guī)，借鑒國內(nèi)國外先進核心算法，建立多元分域數(shù)據(jù)庫，綜合識別采集對象，提高識別的準(zhǔn)確率，縮短相應(yīng)的計算時間，提高魯棒性。讓人臉識別技術(shù)能夠廣泛應(yīng)用于不同環(huán)境、不同地區(qū)，有效預(yù)防犯罪，維護公共安全，提高社會整體安全防控能力。隨著人工智能的不斷更迭，人臉識別技術(shù)將會到達一個新的高度，將進一步促使其在犯罪預(yù)防領(lǐng)域深入發(fā)展。