公安机关人脸识别系统设计

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《公安机关人脸识别系统设计》，欢迎阅读！

近年来，生物识别技术以其特有的稳定性、唯一性、方便性，被广泛地应用在安全认证等身份鉴别领域，正日益成为人们日常生活和工作中的重要且普遍的安全验证方式。

人脸识别技术属于生物特征识别技术中的一种，它利用不同人的面像有各自的特点这一事实，通过比较待识别者与库中候选对象的面像信息，以确认其身份归属。在公安部门的刑侦工作中，人脸识别技术有着广泛的运用，存在多种多样的应用形式，包括网上追逃、卡口追逃、监狱管理、重点对象监控等等。从广义上说，公安系统中所有包含人脸信息的数据库，如常驻人口库，均可被用于基于人脸特征的智能检索。随着公安部门对人睑识别系统的熟悉和深入使用，随时有可能发现或产生新的应用方式，对系统功能提出更高的要求.这决定了本系统应当具有极强的可扩充性与适应性，以满足公安部门不断增加和变化的应用需求。本文介绍的我们研制的人脸识别系统是针对公安部门的需求而设计的，并同时可适用于银行、海关等领域。文中将主要描述本系统的总体设计思想，系统结构和主要实现技术，而系统的图像预处理技术和具体的人脸识别算法，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的特征信息;最后，通过将所提取的人脸特征与原先库存的特征相匹配，以发现待识别者的身份. 人脸识别的流程

自动人脸识别研究已有三十多年的历史，出现了诸如PCA,SVM,Bayesian等一系列行之有效的人脸识别方法，-S7。从总体流程上看，人脸识别包括：人脸检测、人脸特征抽取、特征比对识别三个重要的环节，算法的整个工作流程如图1所示。

对于输入的人脸图像，我们首先通过人脸检测算法定为图像中相应的人脸区域;在此基础上，我们使用特征抽取算法提取出人脸区域的特征信息;最后，通过将所提取的人脸特征 与原先库存的特征相匹配，以发现待识别者的身份. 系统设计复杂性分析

人脸识别技术是一种较为成熟的技术，然而，要使用这一技术架构起一个强大的身份识别系统，依然存在着许多影响设计复杂性的不确定因素.这些因素主要包括：

•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的了解和控制。然而，公安部门目前使用的各类数据库并没有统一的设计规范，库与库之间的结构定义，信息存储均存在着较大的差异。我们需要限制这种差异带来的影响，以统一的方式为不同的应用提供一致的操作界面。

•信息获取方式差异：在实际应用中，我们可以通过多种途径来获得人脸信息，包括简单的静态照片文件，摄像头捕获的动态视频，甚至采用人脸重构系统产生人像结果.获取方式的多样性也增加了系统设计的复杂度。

•识别算法差异：人脸识别领域中存在着大量的识别算法，针对不同的应用环境使用不同的算法或多种算法的组合往往能够带来更好的识别效果.因此，如何包容并综合应用多 种人脸识别算法也是本系统设计需要考虑的要点.

•技术应用方式差异：不同的场景需要不同的技术运用方式，比如采用静态比对还是实时动态比对，采用本地数据库还是网络中央数据库均需视具体的场景而定。公安部门的实际应用的多样性与不确定性，决定了本系统的实现要兼具效率与可扩充性。根据上述的分析和公安系统的要求，我们设计了该系统的系统结构。

2.3系统总体结构

本系统的核心部分由比对识别、识别算法、个人信息源、数据库管理四大部分组成。如图2所示，系统软件模块的设计划分遵循单一职责原则((SOP)和开放封闭原则(OCP)}'}，各个模


块均面对单一的变化风险并独立扩展演化。在此基础之上，我们提供了一组facade支持界面对系统核心的访问。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的稳定应用逻辑，而系统配置管理则负责实际管理系统底层组件，并根据需要动态地装配各个不同的底层组件完成系统功能，以满足用户灵活多变的应用需求。

在系统的设计过程中，我们合理运用了

Configuration,FactoryMethod,TemplateMethod,Reactor,Singleton,Strat-egy等设计模式[一'〕，这些设计模式的应用使得本系统分离了功能，隔离了变化，能够有效适应多变的应用环境.大体而言，本系统具有以下几项优点:

•支持多种个人信息输入方式，用户可通过摄像头、数码相机、人脸重构系统等途径获取人脸图片并建立个人信息条目。

•支持多种人脸识别算法，系统可支持包括PCA,SVM,神经网络方法在内的多种人脸识别算法的使用及综合评分.

•支持多种比对模式，包括单一批量比对，静态视频比对等等，并可根据需要，方便地添加新的比对模式。 •支持一致的个人信息库的管理，为不同结构，位于不同位置的个人信息库提供统一的管理界面和操作方式。

下面我们将依次介绍系统核心模块和软件结构的实现技术，并讨论其对系统整体设计目标的支持. 3 系统主要实现技术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的对象，使用一种人脸识别算法，根据一种工作策略，在特定的候选对象群体中进行比对识别操作，并将最终的比对结果报告给用户.通过采用识别算法模块隔离人脸识别算法的具体实现差异，个人信息源模块隔离待识别对象和候选对象群体的信息的获取方式，我们对比对识别过程的表述可以构建在更高层次的抽象上.图3展示了比对识别模块的层次结构。

我们在模块的基类RecognitionGroup中实现7所有与比对识别具体流程无关的控制接口，包括比对过程采用的个人信息源和识别算法的设置，以及识别结果的获取;而对于识别过程的精确控制，则延缓到子类对StartRecognition方法的具体实现.子类可以通过识别算和个人信息源模块的接口控制具体的比对流程，并使用内嵌的策略类对一些灵活的控制策略进行调节。通过这种方式，在目前的系统实现中，用户己经可以控制:

•确认可疑对象的阑值大小； •最多返回可疑对象的数目；

•是否使用已知个人身份信息来辅助比对识别。并且保证：无论是在单机环境还是在复杂的网络环境下，这一过程均能高效运行。 3.2识别算法模块

针对具体的应用场景、图像质量、，精度/效率要求，不同的人脸识别算法具有各自的优势并且，有些情况下，采用一定的策略将多种算法综合使用，会收到更好的效果.因此，本系统应

具有与多种人脸识别算法协同工作的能力。考虑到各个算法工作流程的相似性，我们采用了Strategy模式[]对算法进行抽象封装。

如图4所示，FaceRecognitionAlgorithm定义T人脸识别算法的抽象接口，其子类分别针对PCA}S}、神经网络C}JBayesianC0]算法给出T具体实现;CooperateAlgo实现采用TComposite模式，可以根据策略使用多种人脸识别算法，并给出综合评分。 数据库管理模块

考虑到本系统对个人信息数据库的所有访问均以个人信息为基本单位，我们采用了Facade模式对底层的数据库访问进行了封装，并对上层提供一个对象访问接口。针对不同的具体数据库，我们分别通过子类化该接口来提供支持。特别地，我们采用Proxy模式Cpl实现了对网络数据库访问的透明封装。

此外，针对每一个具体库，我们还提供了对应的辅助类DBUtiI。通过DBUtiI，客户程序可以感知库中个人信息条目的具体显示方式，并可进行合法性验证，为实现统一的数据库管理界面提供了有利的支持。

在系统开发后期的应用中，我们发现公安系统在使用的单机版网上抓逃系统中，采用了索引文件十数据文件的方式来进行数据存储。系统通过提供定制的子类和辅助类，可以快捷地支持这一存储方式。

本文来源：https://www.dy1993.cn/qIox.html