人面识别及智能分析技术的发展与应用！
摘要:生物识别技术里，人脸识别具有无可比拟的优势。基于人脸识别的视频分析智能报警系统，可针对在逃人员、嫌疑人员、受控人员、失控人员等不同对象在不同的监控场景中实时抓取人脸、人形等特征，通过与模板库中的档案特征对比，实现被监控对象的身份落地，并实时预警。
1、生物识别技术快速发展
生物识别大致上可分为身体特征和行为特征两类。身体特征包括：指纹、静脉、掌型、视网膜、虹膜、人体气味、脸型、甚至血管、DNA、骨骼等;行为特征则包括：签名、语音、行走步态等。
目前，生物识别技术正日趋成熟，并在经济社会各领域取得良好的应用，在解决安全问题和提高工作效率方面具有显著优势。未来，随着多重生物识别技术的融合与多元化应用，将助推我国多重生物识别技术相关的产品与解决方案得以普及，并积极拉动市场需求增长，形成跨生物技术、安防、IT等领域的新兴产业。
将生物识别技术融合应用到网络视频监控平台，即将识别算法融合到视频监控的智能分析中去，将有助于智能分析的精确识别，同时借助高清视频监控技术，促进生物识别从近距离识别借向远距离识别、从静态识别到动态识别、从小群体到大群体识别应用的方向发展。
2、人脸识别广泛应用到智能分析中
智能视频监控系统以数字化、网络化视频监控和图像处理、计算机视觉、人工智能为基础，利用部署在监控系统中的视频实时智能分析设备或智能分析软件自动对视频内容进行分析，发现监控图像中的异常信息，及时发出预警，协助监控人员第一时间处理危机。目前智能分析技术有行为分析、特征识别、视频诊断、分类统计等。
经过几年的迅速发展，视频智能分析的应用范围主要集中在高端市场，如军队、政府、司法、金融、交通、监管、核电站、机场与港口等，再到工业设施、教育、医疗等中端市场，现如今已经渗透到居民小区、零售店铺、仓库管理、物流等民用市场。可以说视频智能分析在中国智能安防中的应用已经百花齐放。
2013年4月15日发生的波士顿马拉松爆炸案提高了人们对人脸识别技术的认识。根据众多报道，尽管摄像头中捕捉到了犯罪嫌疑人的影像，但这些系统却无法确认犯罪嫌疑人。然而，在密歇根州立大学进行的一项人脸识别系统试验中，NEC先进的NeoFace人脸识别技术使用与警方同样的事件现场照片，几乎瞬间完成了犯罪嫌疑人的“同一性”匹配比对。两年来，随着技术的进一步成熟和社会认同度的提高，人脸识别技术引起了越来越多的关注。作为最容易隐蔽使用的识别技术，人脸识别成为当今国际反恐和安全防范最重要的手段之一。
基于人脸识别的视频分析智能报警系统，可针对在逃人员、嫌疑人员、受控人员、失控人员等不同对象在不同的监控场景中实时抓取人脸、人形等特征，通过与模板库中的档案特征对比，实现被监控对象的身份落地，并实时预警。系统前端设备主要实现可疑目标的预警功能，当发现监控画面范围内有可疑目标时，及时将可疑目标的图片发送到中心服务平台，同时标记该目标出现的时间，便于后续查找视频。
系统的传输方式可采用公安内专用、VPN通道将前端实时抓拍的结果发送到中心服务平台，因VPN的高安全性，避免敏感资料外泄。临时执法点通过3G/4G以无线的方式传回，重点场所和公交站台通过光纤的方式传回，保证所有数据能及时传回中心服务平台，避免出现上报滞后的情况发生。并且，系统中心服务平台主要功能分为：在线视频查看、实时分析前端视频中的人、车、运动物体等重要目标。高速球机定点定时巡航、及时处理各智能前端发回的警情、在线点播前端视频、下发重点目标的资料到各前端设备、设置各前端的检测区域、推送警情到所属辖区所有警员的手持终端设备上，方便各警员查找目标对象。
3、人脸识别植入视频监控技术难点
随着人脸识别技术的进一步发展，人脸识别技术将实现与数字监控系统的进一步融合，成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来几年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。随着国内平安城市、智慧城市项目的深入发展，城市监控的高清化进一步得到普及，摄像机数量大规模增长，使得人脸识别在数据的采集上阻碍大大减小，提升了人脸识别的质量。人脸识别与监控技术的结合在司法系统中得到了重用，满足了公安系统对城市监控、逃犯追捕、黑名单排查等功能的迫切需求，这将为人脸识别技术普及的有利助推手。将人脸识别融合在视频监控中的技术已经在银行中开始使用。
人脸识别分为辩识(identification)、验证(verification)、监视目标人识别(watchlist)三类。辩识是通过未知人的人脸图像与数据库内已知身份的人脸图像进行比对来确定未知人身份的过程，是一对多的人脸识别;验证是通过当前被识别人的人脸图像与数据库中被识别人所声明身份的人脸图像的比对来验证被识别人所声明身份对或错的过程，属于一对一的人脸识别;监视目标人识别，是对于一个未知身份的待测样本，人脸识别系统探测其是否在监视名单上，属于一对多的人脸识别。
在识别中，监视目标人识别是最难的，主要原因在于非主动性的识别方式和场景的差异性，姿态、光照以及年龄、人脸分辨率等方面的变化严重地影响了人脸识别率。许多研究单位一直在研究如何将人脸识别技术应用到监控中。在当前的条件下，首先应该考虑的仍然是拍摄到好的人脸图像。除算法方面的努力外，从系统应用本身来看，主要需要解决如下的问题：系统结构问题、人脸分辨率问题、姿态问题、光照问题和年龄问题。
4、发展前景与趋势预测
毫无疑问，人脸识别技术将得到进一步完善。另一方面，智能视频分析技术发展前景也是光明的。从技术角度来看，为提升智能视频分析技术的应用性，使得智能视频分析产品真正市场化，智能视频分析的厂商在完善核心算法的同时，必然将向以下方向发展：第一，适应更为复杂和多变的场景;第二，识别和分析更多的行为和异常事件;第三，降低成本;第四，多样化的产品形态。随着视频监控的需求日益复杂化，如何能识别与分析更多的行为成为了智能视频在深化行业应用中不得不面临的问题。只有结合行业应用实际，深入了解各不同行业的具体问题，才能更好地抓住用户需求，将智能视频分析技术的功能落实到应用的实处，这也是智能视频分析技术未来产业化价值的最终体现。