大数据下的人脸识别技术与安全

大数据背时代的人脸识别技术与安

全研究

耿佳佳

摘要：人脸识别技术由于其非接触性采集的特点和良好的用户接受程度，在公共安全领域得到广泛应用。然而，大数据时代的来临和公安大数据业务的变革给现有公安人脸识别应用带来技术挑战的同时，也从平台、产品和技术等方面推动了该技术的进展，出现了基于云架构的人脸识别平台、结合智能视频监控的人脸识别产品和基于低质量图像重建的人脸识别技术，为人脸识别在公共安全领域下一阶段更广泛的应用奠定了基础。同时人脸识别技术的发展，也带来了一些隐私安全问题。于是发展一批大数据隐私安全防护技术。

关键字人脸识别大数据云计算智能视频监控低质量图像重建隐私保护

一、引言

人脸识别技术1是跨图像处理、模式识别等多学科的技术，通过利用计算机对人脸图像进行处理和分析，获取有效特征信息，进行身份识别。相比其它生物识别技术，人脸识别具有采集的非接触性、非强制性、操作简单、结果直观、隐蔽性好等特点，更为人们所接受。

在过去几年里，人脸识别技术取得了长足发展，出现了大量的人脸识别算法和产品，美国NIST举办的FRVT2006（ Face Recognition Vendor Test 2006）、MBGC（Multiple Biometric Grand Challenge）和国内公安部第一研究所举办的千万级大规模人脸识别测试等表明，人脸识别技术的准确性已经取得了极大的提高，可以达到一些实际应用的要求。

随着互联网，特别是移动互联网的发展，一个以信

1祝秀萍, 吴学毅, 刘文峰. 人脸识别综述与展望[J]. 计算机与信息技术, 2008, (04).息爆炸为特征的大数据时代正在到来，这对公安机关来说既是挑战，更是机遇。现阶段，我国二代证的普及使中国目前逾12亿人的身份信息有了数码照片数据，平安城市联网的数百万台监控摄像机每天也产生着海量的数据信息，种种迹象表明，目前公安已经跨入大数据应用时代。越来越多的公安科技部门发现，基于新的大数据形态，一些传统技术瓶颈逐步显现，响应速度越来越慢，有些应用场景已经完全不能支撑。

公安大数据应用背景给人脸识别应用带来了机遇，同时也给人脸识别技术提出了更高的要求。虽然人脸识别技术性能已有较大提高，但它仍是在模式识别和计算机视觉等领域最困难的问题之一。如何利用人脸识别技术将这些海量照片数据利用起来，提升整个公安信息化的管理水平，已经是摆在我们面前的一个重要问题。

二、大数据给人脸识别技术应用带

来的挑战

(一)对人脸识别的对比容量要求更大，精度要求更

高

目前公安的户政管理、出境、刑侦嫌疑犯的身份识别等各类应用，需要基于全国人脸数据进行识别，处理的数据库容量上亿或十亿，处理的比对请求数量大、模式不统一，快速准确地从如此规模数据库中快速识别身份，是

一件非常有挑战的任务。而且，身份证具有时效性，一些人照片与本人已不比当年，当然，还有拍摄角度，光线，背景，人脸正确角度的影响均会对人脸识别带来影响。其次，还有人年龄变化对数据的影响，使得识别难上加难。

除此之外，人的肤色变化2，发型，表情等均对对比过程造成困扰。而虽然中国拥有十几亿的人脸数据，但就从个人来说样本太少，基本每个公民拥有一张照片，而且由于当时拍摄设备的差异，使得得到的身份相片分辨率不为乐观，在此种挑战之下，单纯的利用图片比对，误差较大，查找效率较低，而且耗费人力物力巨大。即使提高拍摄质量，仅仅对单张图片具有提高，对于个人样本基数较少，比对过程特征不足，易造成比对错误。在此类条件下，要求精确度，难上加难。于是，人脸识别系统由单纯的图片转向动态视频。

(二)系统输入有单纯的静态图像到动态视频

动态视频较静态图像而言，包含图像信息巨大，即对于个人而言，图像帧数较多，用于获取特征可以更为充足。而且，图像间的时序关系，可以很好的描述视频中的人物关系，可用于推测，预测。这使得人脸识别的结果更为准确。

但是，对于正常拍摄的高清视频来说，即人脸角度正确3，没有歪斜，光线充足，视频没有抖动，而且视频中任务动作较少，表情较少。这种情形下，对于识别工作，简直易如反掌。而现实情形是，公共场所没有较为清晰的摄像头，人晃动较大，图像人脸捕捉困难，兼距离较远，得到的视频可辨识度不是很高，这对于人脸的识别工作造成很大影响。

近年来，全国各地公安机关大力开展视频监控系统建设，据不完全统计，全国每年需要存储的数据量高达3.3EB ，结合视频监控和人脸识别，实现犯罪嫌疑人的快[4]速识别和实时布控，是提高视频监控效率的一条重要途径。然而，由于人脸识别4的非刚性特征，在视频监控环境下，人脸识别面临光线、角度、姿态、遮挡等一

2Jain A K, Ross A, Prabhakar S. An introduction to biometric recognition[J]. Systems for Video Technology IEEE Transactions on, 2004, 14(1):4 - 20.

3郭建华, 赵怀勋, 张龙霞. 基于视频的人脸识别综述[J]. 科技资讯, 2010, (32):9-9.

4张翠平, 苏光大. 人脸识别技术综述[J]. 中国图象图形学报：, 2000, (11):885-894.系列因素的影响，导致人脸的类内差距增大、类间差距缩小，给结合视频监控的人脸识别带来了巨大挑战。

因此，数据存储，视频处理技术都是此类情形的挑战。

(三)图像来源更加广泛，图像质量差异大

通过“金盾工程”建设，公安已经成功建设了八大资源库，积累了海量的数据，为人脸识别技术在公共安全领域的广泛应用提供了基础。然而，由于缺乏统一的建设标准，各类业务中人脸数据质量差异大，给人脸识别应用造成了难度。

在大数据时代，人脸图像可以来源于微博，微信，qq等社交网络，也可来源于视频拍摄，监控，社交网络图像清晰，但涉及隐私，不适于公共使用。而监控图像模糊问题一直困扰着安防工作。

三、大数据背景下的人脸识别技术的发展

为应对公安大数据应用给人脸识别带来的技术挑战，在人脸识别厂商和研究人员的共同努力下，人脸识别技术在平台架构、产品研发等几个方面取得了一定的进展。

(一)基于云架构的人脸识别平台

近年来，出现了专门为公安大数据量身打造的基于云计算的高效人脸识别技术。系统基于云架构设计，充分利用云计算平台的超强计算能力，部署多种算法，实现多算法的混合，同时吸纳各种算法的优点，提高大数据库容量下人脸图像的识别和比对性能，宽幅适应年龄、胖瘦、疾病、角度、表情、光照等变化图像。如图1所示，系统采用典型的“映射－规约”（Map-Reduce）框架，将人脸特征散布到数十、数百甚至数千台电脑上并行计算，获取超强的计算能力。

在比对过程中，比对平台接收到比对请求后，首先对图像进行特征提取，获取人脸特征，通过映射（Map）

过程，将待识别的人脸特征分布到各计算节点进行比对，输出相似程度及对应的人员身份信息；随后通过规约（Reduce）过程，将识别结果按照相似程度排序，并进一步过滤，输出最终的比对结果。与传统的人脸识别算法相比，云计算的识别过程将大量人脸数据库中的数据分布到多个计算节点进行比对处理，使得原来需要顺序进行的人脸比对变成了并行处理，大大加速了识别的过程，并且由于云平台的线性扩展性，保证了系统的数据扩展性，数据增长后，还可以通过增加计算节点的方式提高处理能力，保证了系统的实时性。

(二)结合智能视频监控的人脸识别产品

随着平安城市建设的推进，中国很多城市已经部署了大量的安防监控摄像头，由此产生的海量视

频数据给公共区域安全防范带来机遇的同时也是

极大的挑战。单纯依靠人工监视或排查无法满足实

际应用的需求，视频的智能化分析成为解决问题的

最有效途径。人脸识别技术与视频监控系统的结

合，是视频监控系统智能化发展的方向之一。在人

脸识别厂商和研究人员的共同努力下，已经开始出

现智能视频监控人脸识别产品。

智能视频5监控人脸识别系统一般由视频获取、

5张翠平, 苏光大. 人脸识别技术综述[J]. 中国图象图形学报：, 2000, (11):885-894.

视频内容分析、人脸识别比对和报警管理等部分组

成，如图2所示。视频获取由摄像机、镜头和数字

化设备组成，是人脸识别监控系统最关键的模块，目前多采用高清输入设备；视频内容分析从视频流

中捕获人脸信息，一般包括人脸捕捉和人脸跟踪；

人脸比对模块负责把捕获的人脸和系统预先登录

的脸信息进行对比，确定捕获人脸的身份；报警接

收和管理模块负责把报警等结果提交给系统安全

管理人员。

智能视频监控人脸识别系统是视频监控系统与人

脸识别技术的有效结合，能够大大提高安全防范能力，尤其是对犯罪分子起到了强有力的震慑作用。但是，由于监控系统中人员的非配合性、光线和背景等现场环境的复杂性给人脸识别带来较大困难，研制高性能、高可靠性的算法仍是视频监控人脸识别研究的热点[6]。

(三)结合低质量图像重建的人脸识别技术

公安大数据背景下的人脸识别图像来源多样，质量差异较大，尤其是刑侦破案领域，由于受成像设备、环境、犯罪人员距离较远等诸多因素影响，从犯罪现场调取的犯罪嫌疑人图像/视频通常质量非常差（主要表现在图像模糊、分辨率低）。这种低质量的图像/视频直接应用人脸识别比对，识别率非常低。为满足公安实战业务及大数据发展需要，山西省太原市公安局研制了我国公安系统首个面向全警应用的人脸识别系统，结合人脸图像重建技术，实现低质量图像人脸识别，2012年建设完成后投入全警实战应用。低质量图像重建人脸识别包含两个步骤：首先，采用低分辨率、模糊图像重建算法，

对低质量图像进行重建，获取较清晰图像；其次，使用重建图像进行人脸识别，获取犯罪嫌疑人身份。

目前，结合低质量图像重建的人脸识别技术在公安一线已有应用，取得了较好效果。以2012年南京“1·6”大案为例，技术人员迅速赶赴现场配合侦破，成功重建嫌疑人的下颌（过程如图3所示），发出全国通缉令。

2009年重庆枪击哨兵案发生后，重庆警方在太原市局的帮助下建立了入所人员人脸特征库，但是获取的图片分辨率非常低。通过低质量图像重建技术处理后，在几十万人数据库比对结果中周克华排名第三（过程如图4所示）。遗憾的是由于缺乏有力证据，目标并未锁定。

四、大数据安全

1.大数据的应用目标

根据大数据的分析现状来看，其被广泛应用与商业领域、科学领域、医药领域等多个领域中。大数据在各个领域中的用途迥异，但应用目标相似，

主要有：1）通过对现有数据进行分析，挖掘，可

以及时获取有价值的信息。这些信息的挖掘有助于

人们透过现象看本质，进而更好、更快地把握住其

发展规律，实现对事物发展趋势的预测。2）通过

长期的、多角度的对数据进行分析、积累、对比，可以总结出用户的个性化特征。企业能够利用这些

个性化特征，掌握用户的个性化特征。企业能够利

用这些个性化特征，掌握用户的行为习惯，对用户进行定位、分类，进而针对不同群体提供个性化的服务。3）通过对数据进行分析，可以及时辨别出数据的真伪性。网络是把双刃剑，它一方面为信息共享创造了有利的条件，另一方面也使得虚假信息的传播更为迅速。前文中提到，大数据具有多样性、告诉性，因而可以利用大数据辨别信息的真伪性，有效对海量信息的去粗取精，去伪存真。

2.大数据面临的安全考验

随着科学技术的不断发展，大数据时代已经到来，其带给我们的机遇，价值的同时，还带来了新的安全挑战。近年来，大数据的安全与隐私问题广为关注、担忧，而“棱镜门”的曝光更加凸显了这一问题。不同于传统的安全问题，在大数据时代下，数据面临的安全考验主要有以下几个方面。

2.1用户隐私保护考验

事实证明，如果大数据没有的到妥善的处理，会为用户的隐私带来极大的威胁。根据受保护对象的不同，可以将隐私保护分为三类，即位置保护，连接保护以及标识符保护。在大数据时代，用户隐私所面临的威胁不只是个人的隐私泄漏这一方面，还包括大数据对其状态及行为的分析预测。现在很多企业认为只要将信息进行匿名处理，公布不含有用户标识符的信息，就能够实现对用户的隐私进行保护，然而事实证明，这种做法取得的保护效果并不理想。总的来说，目前对用户的数据进行采集，储存、使用以及管理等工作时，均缺乏相应的

标准、规范以及监管，对企业自律性过于自信以及依赖。此外，用户并不会被告知其隐私信息被用于何处。

2.2大数据的可靠程度

目前人们普遍认为摆在目前的数据是事实，其可以充分证明一切。然而，数据是具有一定欺骗性的，如果不能对其进行甄选，很容易被数据的假象欺骗。大数据的这种欺骗性主要反映在两个方面，一方面是伪造的数据，另一方面是失真的数据。为了达到某种效果，可能会有人通过伪造数据制造假象，进而对数据分析人员进行诱导。由于数据的规模性和多样性，真假信息往往很难辨别，从而造成错误的结论。此外，由于在数据收集、储存等过程中出现的误差，很容易造成数据失真，会对其分析结果造成一定的影响6。

五、小结

公安大数据背景下，人脸识别技术应用面临新的机遇和挑战。过去几年里，在需求的推动下，人脸识别厂商和技术研发人员从架构、产品、技术等方面进行探索，取得了一定成效，目前，人脸识别技术已经成为侦查破案的一大利器。但是，人脸识别仍是在模式识别和计算机视觉等领域最困难的问题之一，下一步仍需各方的不懈努力，相信未来一定会出现更多、更好的人脸识别产品。

6Moses Y, Adini Y, Ullman S. Face recognition: The problem of compensating for changes in illumination direction[M]// Computer Vision — ECCV '94. Springer Berlin Heidelberg, 1994:721-732.