人脸识别技术以及人脸识别在轨道交通领域应用的调研分析报告

作者：范玮、朱磊 成都地铁运营有限公司

谢伟 西南交大铁路发展股份有限公司

李星志 中国移动通信集团成都分公司

引言

目前我国已经成为世界上最大的城市轨道交通建设市场，城市轨道交通呈现迅猛式发展。根据不完全统计2019年有超过40个城市开工建设超过4000公里的城市轨道交通线路。从2018年11月份起，国家发改委批复了重庆市城市轨道交通第三期建设规（2018~2023年）、长春市城市轨道交通第 三期建设规划（2019~2024年）、上海市城市轨道交通第三期建设规划（2018~2023年）、武汉市城市轨道交通第四期 建设规划（2019~2024年），批复调整了济南市城市轨道交通第一期建设规划（2014~2019年）和杭州市城市轨道交通 第三期建设规划（2017~2022年），还有成都第四期轨道建设规划、郑州第三期轨道交通建设规划（2017~2022年）、 合肥城市轨道交通三期和西安城市轨道交通规划（2018-2024）也进入审批程序。截止2019年6月30日，中国（含港澳台）城市轨道交通开通运营的城市已达到39个，运营里程5734.8公里， 2019年上半年总客运量134.86亿人次，日均7469.6万人次。

国务院办公厅关于保障城市轨道交通安全运行的意见（国办发〔2018〕13号）要求：“完善体制机制，健全法规标准，创新管理制度，强化技术支撑，夯实安全基础，提升服务品质，增强安全防范治理能力，为广大人民群众提供安全、可靠、便捷、舒适、经济的出行服务”，对地铁运营提出了新的要求，众多新的技术在轨道交通开始应用甚至爆发式发展，人脸识别技术及相关解决方案便是其中之一，成为当下炙手可热的技术，踏上了轨道交通的舞台。人脸识别不算新技术，1964年就被提出来，但在实际应用上一直裹足不前，在2006年提出深度算法，人工智能技术应用取得突破性发展以后，才开始出现爆发式发展。现如今，人脸识别技术已在金融、安防等领域进行较广泛的应用，人脸识别技术通过互联网和物联网信息共享，“身份识别+物联网”的发展应用，未来将十分普遍。

一、调研目的

本报告将着眼于市场和技术两大方面，通过不同维度的比较，研究人脸识别技术发展现状以及在城市轨道交通运营管理的应用情况，为地铁运营管理实践提供参考。

二、调研方法

（一）调研设计

因为目前人脸识别技术在城市轨道交通运营管理的应用仍处于实验阶段，人脸识别在该领域需求定制化程度高，所以相对不太容易进行常规市场情况对比。本次调研属于描述性调查。

（二）资料收集的方法

本次调研所采集的信息都是通过调研考察获取。获取信息的渠道有网页搜索、行业交流、专家访谈等。

三、调研结果

（一）中国人脸识别的市场

根据人脸识别行业发展现状，估算我国人脸识别市场规模约占全球市场的10%左右。2016年以来，我国人脸识别市场规模逐年增长，预计到2021年，参与规模将达51亿以上。

（二）中国人脸识别主要公司介绍

国内从事人脸识别技术研究的企业主要有：北京商汤科技、北京旷视科技、重庆云从科技、上海依图科技等,其基本信息如下。

以下是一些具有代表性公司的介绍：

1.旷视科技

2014年，获阿里巴巴旗下蚂蚁金服投资，主攻金融和监控两大行业，有子公司旷视智安；团队成员除了几名来自清华校友外，还有来自美国哥伦比亚大学、英国牛津大学和美国南加州大学的科研及开发人员，截至目前员工仅有100余人。

在金融、安防、零售领域分别开始了商业化探索成功发育出Face++Financial，Face++Security，Face++BI等垂直人脸验证解决方案，主要将人脸识别应用在互联网产品上，自己做研发，在美图秀秀、淘宝等互联网领域得到良好的应用，在金融领域的市场一直占据沙发前排阵营；2016年获得上亿元C轮融资，最后选择通过计算机视觉技术与NLP技术的结合，制造出能“识别万物”的智能机器人，提供硬件模组，里面内置他们家的算法。目前正在准备启动IPO的步伐，VIE架构让他们得以绕过A股，不用达到连续三年盈利的标准实现快速上市。

2.商汤科技

SenseTime（商汤科技），获IDG资本投资，主攻金融、移动互联网、安防监控三大行业；由香港中文大学的汤晓欧创建，“商汤”中的汤指的就是汤晓欧本人，汤晓鸥及其研究团队所开发的DeepID算法率先将深度学习应用到人脸识别上，在技术指标上实现了新的突破。主要案例是围绕各个美化软件与直播平台制作人脸贴图，重点强化了人脸识别的关键点检测及跟踪技术。团队有300多号，也从当初toC转向toB领域；成立于2014年的商汤科技选择另辟蹊径，选择用“四大美女”这个话题让人们躁动起来，到最后四大美女走了三个；商汤的网络都是自己设计的，这样对于深度学习网络的掌控力就会更强，提供SaaS服务的同时，可以通过SaaS把背后的数据拿到，再进行更多更细致的分析再次提升服务质量。

3.云从科技

2015年4月，周曦拿到战略投资成立云从科技，同年针对金融和银行业推出了40多种解决方案，包含从算法、产品、销售、售后的全产业链打造，针对农行、建行、交行、中行及多地公安提供定制化服务。团队成员除了来自中科大的校友外，还来自中国科学院各大研究所、UIUC、IBM、NEC、MicroSoft等全球顶尖学府及研究机构。

截止2016年11月，成立一年半，研发团队扩展为200余名，核心产品是人脸识别系统及IBIS集成生物识别平台，还具备3D模型、红外活体、静默活体等技术，可根据场景需求自由调节。选择连接硬件、开发与技术，属于全产业链模式，因为人脸识别系统多数情况下需要深度定制，只有这样，才能在客户提出需求的情况下迅速反馈，修改，统一用户体验。

4.依图科技

2012 年九月，朱珑与他的好友林晨曦在创立依图科技，这家从事人工智能创新性研究的创企从图像识别入手，首先与全国省市级公安系统合作，对车辆品牌、型号等进行精准识别，随后扩展到人像识别，通过静态人像比对技术和动态人像比对技术，协助公安系统进行人员身份核查、追逃、监控、关系挖掘等。发展近6年，依图科技的产品已经应用到全国二十多个省市地区的安防领域，安防领域之外，依图也进入智慧城市领域和健康医疗领域，它要协助政府构建"城市大脑"，也希望将医疗领域的巨大知识鸿沟缩小，改善医患体验。

5.广电运通

广电运通是少数将人脸识别应用到地铁应用场景并且有试点检验的企业。广电运通创立于1999年，是国有控股的高科技上市企业，主营业务覆盖智能金融、交通出行、公共安全、政务便民以及大文旅、新零售等领域，致力为全球客户提供运营服务、大数据解决方案以及各种智能终端设备，是国内知名的行业人工智能解决方案提供商。2019年3月，深圳地铁与广电运通合作的“生物识别+信用支付”售检票系统解决方案”实行试点，计划从今年8月份起，分三个阶段逐步开放对乘客服务。该案例已成功入选“2019年广东省大数据优秀案例”。

（三） 人脸识别商业模式

1. 人脸识别商业模式设计步骤

确定业务范围并寻求市场定位->分析和把握顾客需求以锁定目标客户->构建独特业务系统，提高模仿难度->发掘关键资源能力，形成核心竞争优势->构建独特的盈利模式->提好企业投资价值，获取资本号召力。

2. 人脸识别盈利模式

（四） 人脸识别关键技术

1.人脸检测（Face Detection）

检测出图像中人脸所在位置。人脸检测算法的输入是一张图片，输出是人脸框坐标序列(0个人脸框或1个人脸框或多个人脸框)。一般情况下，输出的人脸坐标框为一个正朝上的正方形，但也有一些人脸检测技术输出的是正朝上的矩形，或者是带旋转方向的矩形。

2.人脸配准（Face Alignment）

定位出人脸上五官关键点坐标。人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”，输出五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值，可以根据不同的语义来定义(常见的有5点、68点、90点等等)。

3.人脸属性识别(Face Attribute)

识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。这在有些相机APP中有所应用，可以自动识别摄像头视野中人物的性别、年龄等特征并标注出来。

4.人脸特征提取(Face Feature Extraction)

将一张人脸图像转化为可以表征人脸特点的特征，具体表现形式为一串固定长度的数值。

5.人脸比对(Face Compare)

实现的目的是衡量两个人脸之间相似度。基于人脸比对可衍生出人脸验证(Face Verification)、人脸识别(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类(Face Cluster)等算法。

6.人脸验证(Face Verification)

判定两个人脸图片是否为同一人的算法。它的输入是两个人脸特征，通过人脸比对获得两个人脸特征的相似度，通过与预设的阈值比较来验证这两个人脸特征是否属于同一人(即相似度大于阈值，为同一人;小于阈值为不同)。

7.人脸识别(Face Recognition)

识别出输入人脸图对应身份的算法。它的输入一个人脸特征，通过和注册在库中N个身份对应的特征进行逐个比对，找出“一个”与输入特征相似度最高的特征。将这个最高相似度值和预设的阈值相比较，如果大于阈值，则返回该特征对应的身份，否则返回“不在库中”。

8.人脸检索（Face Retrieval）

查找和输入人脸相似的人脸序列的算法。人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对，根据比对后的相似度对集合中的人脸进行排序。根据相似度从高到低排序的人脸序列即使人脸检索的结果。

9.人脸聚类(Face Cluster)

将一个集合内的人脸根据身份进行分组的算法。人脸聚类也通过将集合内所有的人脸两两之间做人脸比对，再根据这些相似度值进行分析，将属于同一个身份的人划分到一个组里。

10.人脸活体(FaceLiveness)

判断人脸图像是来自真人还是来自攻击假体(照片、视频等)的方法。

（四）人脸识别技术在不同场景下的应用方式

1.身份查证现场确认

典型应用场景包括人脸识别支付业务，银行柜台业务办理,社保实名认证,场馆安保管理等。采集对象需配合采集人脸图像，采用人脸确认比对方式识别，验证现场采集图像与持证人员是否为同一个人。根据安全等级需要，可无人脸防伪要求。

2.身份核验远程确认

典型应用场景包括银行、证券、网络远程开户，社保网络实名认证，远程教育考生认证，征信报告自助打印，ATM机取款身份验证等。与1的区别在于图像采集现场无人工监管，应有人脸防伪要求，确保系统不受假体人脸攻击。

3.配合式身份辨认

典型应用场景包括无卡门禁考勤等。采用人脸辨认方式识别，采集对象主动配合采集人脸图像。根据安全等级需要，可有人脸防伪要。

4.非配合式身份辨认

典型应用场景包括追逃布控，黑名单人员视频监控，VIP会员、客户识别迎宾服务等。采用人脸辨认方式识别，采图时，采集对象处于不知情的非配合状态.这类应用一般对防伪无要求。

5.批量的多对多比对

典型应用场景包括嫌疑人名单检索的多个人脸数据库的交叉比对等。输入一组 图片数据与数据库中另一组图片数据交叉比对，返回相似度较高的图片对，供后续分析使用。

（六）人脸识别在轨道交通应用

1.人脸识别在轨道交通应用的意义

近年来，随着移动互联网支付技术的发展，城市轨道交通 AFC（自动售检票系统）已进入互联网 + 时代，多元化支付及二维码电子票过闸等技术成为了新线 AFC 建设、老线AFC改造时的重要组成内容。但是，无论采用哪种购票/检票方式，乘客仍然需要持有一种实物车票媒介（非接触式IC 卡、纸票或手机等智能终端）才能进站乘车。对员工、地铁配合服务人员、劳务人员、老年、军人和儿童等特殊人群的管理成本较高的问题并没有得到有效解决，无法时刻监管特殊票卡没有被冒用。最近几年生物特征识别技术也越来越为大众所熟知和应用。随着技术的升级，未来生物识别技术一定会越来越准确，应用到各行各业，渗透到生活的方方面面。目前，乘客对交通舒适度的要求越来越高，市民多次提出对无感过闸的需求。现在铁路、航空、银行均开始了机器的认证合一，各地轨道交通和配套自动售检票系统和设备厂商目前也在探索生物识别技术的应用。目前实现无感出行主要采取生物识别技术，主要包括人脸、虹膜、指纹、掌静脉等。人脸识别，具有操作简单、结果直观、用户体验好、等特点。一旦被广泛应用，将减少管理成本、维护成本和人力成本，避免冒用、逃票等行为，确保票务收益安全，提升安全及管理效率，提高服务质量和服务水平。研究人脸识别在轨道交通的应用，制定人脸识别的实施策略，实现高效、安全、准确的人脸识别系统，实现地铁无感出行，智慧授信，势在必行。

2.人脸识别在轨道交通中的应用方向

（1）AFC系统

针对与人民群众息息相关的交通出行系统领域，利用“人工智能+”技术，尤其“人脸识别技术”，实现对传统交通出行系统进行升级改造，提升通行效率，降低运营成本，提升服务满意度，全方位360°体现“智慧社会”。“智慧出行”也已成为了轨道交通行业迫切需要关注和解决的问题，具有潜力无限的市场。基于“实名认证+人脸识别+信用支付”，借助云票务平台和智能终端应用，以实名制账户为依托，将生物特征与账户挂钩，形成卡、码、人脸为一体的账户系统，实现身份识别+扣费凭证的无感支付，解放乘客双手，进一步推动轨道交通行业从以“票”转向以“人”为核心的场景升级，实现对实名乘客的精准、细致服务。

（2）人脸布控站内管理

利用行业领先的深度学习AI算法，进行高效、准确的视频图像实战应用，将实时视频监控边被动为主动，及时主动发现站内管理中出现的异常情况，防患于未然，实现进出人员特征记录管理，可有效提高人员管理效率，提升运营管理安全。

(3)智能边门

智能边门安装在付费区和非付费区之间，与传统闸机不同，目前是为特殊人群提供进出通道，不产生扣费业务；随着以后的发展升级，可以逐步增加扣费功能，完全实现乘客无感扣费过闸功能。针对地铁工作人员、志愿者等：通过自助注册终端进行实名注册，填写工作岗位及使用时间段、有效期，选择几个常驻地铁站，并采集身份证信息、人脸信息；后台审核通过后，即可在边门闸机上通过人脸1：N匹配进出站；针对符合免费通行的老年人：各地城市可根据当地政策，对符合年龄条件的老年人，引导使用身份证+人脸识别模式，本地1:1匹配成功后免费通行，不需要注册，并可以防止免费权益被他人利用。

(4) 人脸识别门禁

当前轨道交通门禁系统现状是：每条线路单独的门禁系统，没法统一授权，工作人员进出不同地铁线路的需要分管授权；员工门禁卡遗失销户不及时，造成非员工持卡人通过通道进入；员工进出工作区，无法确认是否为本人，留下安全隐患。人脸识别门禁针对以上问题进行了有效的解决。白名单内（已注册授权）人员人脸识别通过闸机，避免代刷卡违规进入隐患；持已授权居民身份证的公民可通过人脸识别技术（1:1比对识别）自助通过闸机，也可以现场采集人脸信息与本地预存人脸信息库（1：N比对识别）白名单的身份查验。

(5) 人脸识别快速安检

地铁场景公共安全问题，由于乘客数量巨大，属性复杂，面临巨大的安全压力。地铁安检对乘客实施无差别安检，不区分常客和访客，在客流量达到百万级的情况下，工作量巨大 。乘客分类安检方案是基于人脸识别、乘客行为分析、可信名单管控等技术，智能分类引导于一体的分类安检方案，有效提升大客流下的乘客通行效率和辅助安检效率。

3．人脸识别在AFC系统中的应用

（1）人脸识别的基本流程

从地铁的应用流程上看，通常分为注册和识别两个阶段：注册阶段通过传感器对人体生物信息进行采集；识别阶段采用与注册过程一致的信息采集方式对识别人进行信息采集、预处理和特征提取。

（2）人脸识别的系统组成

系统主要由以下几部分构成：

1人脸识别算法服务器：负责对轨道交通会员注册的照片和通行时的人脸抓拍照提取人脸特征（用于更新人脸数据库），为人脸搜索服务准备必要的数据。

2人脸识别检索服务器：用于缓存轨道交通会员人脸特征数据，支持轨道交通会员人脸特征数据实时更新。同时用于进出站时的人脸特征数据比较，BOM事件受理时的人脸特征数据查询、更新等服务。

3人脸采集终端：用于识别轨道交通进出站乘客人脸特征抓拍提取。

（3）人脸识别终端

人脸识别终端大致可以分为两类：基于2D人脸图像的人脸识别和基于3D人脸图像的人脸识别。

2D主要采用双目摄像机，通过软件算法实现活体检测

3D主要采用、结构光、TOF等技术，获取人脸景深实现硬件级活体检测。

由于轨道交通自动售检票系统涉及账户金额，对人脸识别的安全要求高，因此建议采用3D结构光或者TOF等技术的活体检测。

（4）行业人脸识别性能指标

人脸识别速度要求：小于500ms/人（2000并发数）；

1：N比对能力：不小于300万数据量；

准确率：在阈值为0.90~0.92的情况下，为99.5%；

误识率：在阈值为0.90~0.92的情况下，为0.5%；

具备活体检测功能，能够抵御照片、手机视频进行伪造人脸攻击的场景。

（5）人脸识别系统储能预估

按平均每张人脸图片20KB，按300万库每天往返一次计算整个项目人脸图片每天占用硬盘空间为：人脸图片：20KB×3000000×2（300万库往返）≈114.4GB。按照30天计算约为3.35TB，90天约为：10.05TB。人脸识别系统中，人脸特征数据包括两块：

1抓拍库人脸特征数据；

2注册库人脸特征数据 每条人脸特征数据大小约2KB，300W抓拍库、300W注册库约占空间 5.7GB×2=11.4GB。

4．主要难度和挑战

轨道交通客流量大，注册人脸库可能达到百万级别，设备终端数量众多，高峰期并发量大，如何解决高压力情况下的人脸比对搜索速度、确保大客流的顺畅通行，是本项目研究的重点和难点之一。需要通过算力及策略优化、分布式人脸库建设等方式解决；轨道交通过闸场景受运动模糊、环境光线、拍摄角度、人脸遮挡等复杂因素影响，人脸捕捉采集质量难以保证，另外受算法模型的适应性影响，对人脸识别的误识率和通过率均有较大影响，需要对算法训练和迭代升级，并建立防重、防抖等人脸过闸通行逻辑。

5．人脸识别的拓展

（1）虹膜识别技术

虹膜识别技术是基于眼睛中的虹膜进行身份识别，在包括指纹在内的 所有生物识别技术中，虹膜识别是当前应用最为方便和精确的一种。 科学研究表明，虹膜环状区域的细节一岁半之后就定型，终生几乎变化。虹膜识别技术的优势是：非接触性，中远距离就可以识别大容量，速度快、实时性强；防伪性，通过瞳孔震颤可实现活体检测；它的不足是： 设备要求高，造价高。

（2）远程虹膜识别技术

远距离虹膜识别技术是一种新兴的生物特征识别技术，相 对于指纹识别和人脸识别具有更高的准确率和稳定性，影 响虹膜识别的瓶颈问题在于虹膜图像获取不太方便。当前 该领域的热点就是研发一种可以在远距离、全自动地拍摄 虹膜图像的设备，以解决虹膜识别易用性问题。设计了 一种基于双目视觉的远距离虹膜识别系统，该系统首先对 摄像机进行标定。对双目摄像机中的人脸图像进行配准，从而估计人脸在空间中的大致位置；然后在捕获到清晰地虹膜图像后进行虹膜识别。

（3）人脸+虹膜识别组合使用

1.虹膜识别的过程中，需对人脸进行建模，用于定位虹膜位置。

2.虹膜识别相对与人脸识别速度慢一些，主要瓶颈在图像采集端的定位 和数据获取。

3.采用人脸识别来识别用户，虹膜识别认证用户的方式，速度快而且准确。

4.特殊人群可能缺乏虹膜数据，使用人脸数据。

（4）虹膜识别的特性

1.高吞吐量

具备面部和虹膜的快速并动态捕获、匹配功能；可达到每分钟30人以上的识别通行率，允许大流量的乘客快速通行，最大限度地减少停留的需要。

2.高可用性

可设置的配置及参数；可自定义用户界面；可忽视复杂的环境照明条件，嵌入式自动增益和曝光控制；适应性强：大捕获区域适应不同乘客的身高，可无需摘除眼镜（包含美瞳等隐形眼镜）

3.高安全性

3D面部和两个虹膜的高图像质量共同保证无误识别率；自动正面化和表情优化；自动聚焦虹膜识别；嵌入式面部和匹配算法：； 1:N（本地可达10万量级，云端可达千万量级）；活体和反欺骗功能；安全的加密通信。

四、启示和建议

（一）人脸识别技术在轨道交通应用属于起步阶段，未经过大客流检验，还欠缺大量数据支撑。

（二）人脸识别技术目前的准确率水平针对地铁收费业务来说还有待提高，应计划应用场景进一步优化完善。

（三）现阶段可优先考虑以优免通道和人脸布控为主进行应用，待核心技术进一步试验完善后再大范围应用。

习近平总书记指出：人民对美好生活的向往就是我们的奋斗目标。为广大人民群众提供安全、可靠、便捷、舒适、经济的出行服务，是轨道交通人义不容辞的责任，相信人脸识别等新技术不断应用于轨道交通将为这项使命增加更多智慧的光芒。莫为浮云遮望眼，风物长宜放眼量，让我们共同努力，开启人工智能在轨道交通发展的美好未来。

参考文献

[1]《人脸识别现状与发展趋势研究》张笛（2018.06）

[2]《基于改进的肤色空间和几何特征的快速人脸检测研究》王寻、赵怀勋（2015.02）

[3]《基于方向对称变换的人脸定位方法》周杰、卢春雨、张长水、李衍达（1999.08）

[4]《改进的动态模糊神经网络及其在人脸识别中的应用》梅蓉蓉、吴小俊、冯振华 (2012.01)

[5]《城市轨道交通AFC系统人脸识别技术应用研究》田沃 (2019.04)

[6]《地铁AFC系统人脸识别检测技术的现状及应用》马梦莹 (2019.08)

[7]《Wildes虹膜识别方法的研究》白春艳 (2009.02)

打赏

• 微信
• 支付宝
• QQ钱包

^_^ 感谢您的支持！