公安机关人脸识别系统标准设计.doc

1引言 多年来，生物识别技术以其特有稳定性、唯一性、方便性，被广泛地应用在安全认证等身份判别领域，正日益成为大家日常生活和工作中关键且普遍安全验证方法。 人脸识别技术属于生物特征识别技术中一个，它利用不一样人面像有各自特点这一事实，经过比较待识别者和库中候选对象面像信息，以确定其身份归属。在公安部门刑侦工作中，人脸识别技术有着广泛利用，存在多个多样应用形式，包含网上追逃、卡口追逃、监狱管理、关键对象监控等等。从广义上说，公安系统中全部包含人脸信息数据库，如常驻人口库，均可被用于基于人脸特征智能检索。伴随公安部门对人睑识别系统熟悉和深入使用，随时有可能发觉或产生新应用方法，对系统功效提出更高要求.这决定了本系统应该含有极强可扩充性和适应性，以满足公安部门不停增加和改变应用需求。本文介绍我们研制人脸识别系统是针对公安部门需求而设计，并同时可适适用于银行、海关等领域。文中将关键描述本系统总体设计思想，系统结构和关键实现技术，而系统图像预处理技术和具体人脸识别算法，因文章篇幅所限，这里不再赘述。2系统总体结构设计提取出人脸区域特征信息;最终，经过将所提取人脸特征和原先库存特征相匹配，以发觉待识别者身份.2.1人脸识别步骤自感人脸识别研究已经有三十多年历史，出现了诸如PCA, SVM, Bayesian等一系列行之有效人脸识别方法，-s7。从总体步骤上看，人脸识别包含:人脸检测、人脸特征抽取、特征比对识别三个关键步骤，算法整个工作步骤图1所表示。 对于输入人脸图像，我们首先经过人脸检测算法定为图像中对应人脸区域;在此基础上，我们使用特征抽取算法提取出人脸区域特征信息;最终，经过将所提取人脸特征和原先库存特征相匹配，以发觉待识别者身份.2.2系统设计复杂性分析 人脸识别技术是一个较为成熟技术，然而，要使用这一技术架构起一个强大身份识别系统，仍然存在着很多影响设计复杂性不确定原因.这些原因关键包含: 数据库差异:人脸识别系统需要对底层个人信息数据库进行管理维护，这要求系统对底层数据库有明确了解和控制。然而，公安部门现在使用各类数据库并没有统一设计规范，库和库之间结构定义，信息存放均存在着较大差异。我们需要限制这种差异带来影响，以统一方法为不一样应用提供一致操作界面。 信息获取方法差异:在实际应用中，我们能够经过多个路径来取得人脸信息，包含简单静态照片文件，摄像头捕捉动态视频，甚至采取人脸重构系统产生人像结果.获取方法多样性也增加了系统设计复杂度。 识别算法差异:人脸识别领域中存在着大量识别算法，针对不一样应用环境使用不一样算法或多个算法组合往往能够带来愈加好识别效果.所以，怎样包容并综合应用多种人脸识别算法也是本系统设计需要考虑关键点.技术应用方法差异:不一样场景需要不一样技术利用方法，比如采取静态比对还是实时动态比对，采取当地数据库还是网络中央数据库均需视具体场景而定。公安部门实际应用多样性和不确定性，决定了本系统实现要兼具效率和可扩充性。依据上述分析和公安系统要求，我们设计了该系统系统结构。2. 3系统总体结构 本系统关键部分由比对识别、识别算法、个人信息源、数据库管理四大部分组成。图2所表示，系统软件模块设计划分遵照单一职责标准(SOP)和开放封闭标准(OCP ) ，各个模块均面对单一改变风险并独立扩展演化。在此基础之上，我们提供了一组facade支持界面对系统关键访问。其中识别过程管理和数据库管理均为建立在高度抽象之上稳定应用逻辑，而系统配置管理则负责实际管理系统底层组件，并依据需要动态地装配各个不一样底层组件完成系统功效，以满足用户灵活多变应用需求。 在系统设计过程中，我们合理利用了Configuration,Factory Method,Template Method,Reactor,Singleton,Strat-egy等设计模式?一，这些设计模式应用使得本系统分离了功效，隔离了改变，能够有效适应多变应用环境.大致而言，本系统含有以下几项优点: 支持多个个人信息输入方法，用户可经过摄像头、数码相机、人脸重构系统等路径获取人脸图片并建立个人信息条目。 支持多个人脸识别算法，系统可支持包含PCA,SVM,神经网络方法在内多个人脸识别算法使用及综合评分. 支持多个比对模式，包含单一批量比对，静态视频比对等等，并可依据需要，方便地添加新比对模式。 支持一致个人信息库管理，为不一样结构，在不一样位置个人信息库提供统一管理界面和操作方法。 下面我们将依次介绍系统关键模块和软件结构实现技术，并讨论其对系统整体设计目标支持.3系统关键实现技术3. 1比对识别模块 一次比对识别过程，抽象看来即为针对一组待识别身份对象，使用一个人脸识别算法，依据一个工作策略，在特定候选对象群体中进行比对识别操作，并将最终比对结果汇报给用户.经过采取识别算法模块隔离人脸识别算法具体实现差异，个人信息源模块隔离待识别对象和候选对象群体信息获取方法，我们对比对识别过程表述能够构建在更高层次抽象上.图3展示了比对识别模块层次结构。 我们在模块基类RecognitionGroup中实现7全部和比对识别具体步骤无关控制接口，包含比对过程采取个人信息源和识别算法设置，和识别结果获取;而对于识别过程正确控制，则延缓到子类对StartRecognition方法具体实现.子类能够经过识别算和个人信息源模块接口控制具体比对步骤，并使用内嵌策略类对部分灵活控制策略进行调整。经过这种方法，在现在系统实现中，用户己经能够控制: 确定可疑对象阑值大小; 最多返回可疑对象数目; 是否使用已知个人身份信息来辅助比对识别。而且确保:不管是在单机环境还是在复杂网络环境下，这一过程均能高效运行。3. 2识别算法模块针对具体应用场景、图像质量、，精度/效率要求，不一样人脸识别算法含有各自优势;而且，有些情况下，采取一定策略将多个算法综合使用，会收到愈加好效果.所以，本系统应含有和多个人脸识别算法协同工作能力。考虑到各个算法工作步骤相同性，我们采取了Strategy模式?对算法进行抽象封装。 图4所表示，FaceRecognitionAlgorithm定义T人脸识别算法抽象接口，其子类分别针对PCAS、神经网络CJBayesianC0算法给出T具体实现;CooperateAlgo实现采取TComposite模式，能够依据策略使用多个人脸识别算法，并给出综合评分。3.3数据库管理模块 考虑到本系统对个人信息数据库全部访问均以个人信息为基础单位，我们采取了Facade模式对底层数据库访问进行了封装，并对上层提供一个对象访问接口。针对不一样具体数据库，我们分别经过子类化该接口来提供支持。尤其地，我们采取Proxy模式Cpl实现了对网络数据库访问透明封装。 另外，针对每一个具体库，我们还提供了对应辅助类DBUtiI。经过DBUtiI，用户程序能够感知库中个人信息条目标具体显示方法，并可进行正当性验证，为实现统一数据库管理界面提供了有利支持。 在系统开发后期应用中，我们发觉公安系统在使用单机版网上抓逃系统中，采取了索引文件十数据文件方法来进行数据存放。系统经过提供定制子类和辅助类，能够快捷地支持这一存放方法。3.4个人信息源模块 个人信息源模块使用Facade模式t隐藏了不一样人脸获取路径之间差异。经过把每一个个人信息源抽象为遵照同一标准容器，用户程序能够初始化容器，设置过滤条件筛选器内容，并最终经过其接口迭代地获取容器中包含全部个人信息，而不用考虑确切信息起源。 尤其地，我们使用了Adapter模式U7包装数据库管理模块接口，实现了个人信息数据库容器，系统可无须再针对具体数据库实现对应个人信息源。 3. 5系统配置管理 经过拼接已经有底层组件或开发专用底层组件，本系统能够灵活地应对改变;更深入地，我们采取了Configu-rator模式Cs来管理这些底层组件，其可扩充性良好，系统可以在运行时方便地装配这些组件，完成用户特定应用需求。 全部系统底层组件，包含具体识别算法、数据库和个人信息源，均在独立DLL中实现，并对外导出一组生命期管理函数;系统中配置管理类将依据配置文件描述，适时地加载相关组件动态连接库并从中获取组件实例，拼装系统功效。全部组装操作将配置管理类依据配置文件描述自动独立完成，未被使用到底层模块将确保不会被加载，这确保了系统运行时时间和空间效率。4系统应用实例 在基于上述系统关键模型之上，我们深入完成了整个人脸识别系统。图5至图s显示了本系统部分运行实例。 图5所表示为系统主界面。主界面关键进行多种组件配置，和任务管理工作，任务列表中列出全部己输入任务，能够方便地进行比对、添加、删除和重置等功效。 图6、图7分别展示了系统静态比对结果界面和视频比对结果界面.图中左边大部分人像为待识别人脸图像，右边是选定人脸信息库中和待识她人像比正确结果。界面中列出全部和待识她人脸图像相同人脸图像及其相关信息，即能够比对出和待识别人像相同1-50个人像，按相同度程度大小依次给出，并能够将你认为最相同人像放大或打印输出。在比对进行时，还能够进行综合比对。比如要识别人是男性，估量年纪是青年人,即能够进行综合比对，即使用人脸+年纪(比如20-40)+男性等条件进行综合比对，能够提升比正确速度和正确率。 图8所表示为人脸信息库浏览界面，利用该界面，用户能够方便地对各类人脸数据库进行浏览，查询和增加、删除等操作。在对人脸数据库进行浏览和查询时，能够进行综合查询。比如综合查询条件如:姓名+年纪+性别等条件。检测条件由下式给定: 艺习w(m.n)w(二，n)NCw.w)=艺艺w(m.rt)z)NCo(7)其中NC。是一个事先给定阂值。6测试结果我们采取一幅灰度图像(图46)作为水印，载体图像采取512 X 512彩色Lena图像，图4a。小波采取“Daubechies-10”小波基，水印嵌入到载体图像蓝色分量中，并和Zhong方法做对比，取得测试结果图4和表1所表示。图4中用我们方法测试结果用实线表示，Zhong用虚线表示。