动态人脸比对

本文授权转自“聊聊数据那些事”公众号

如果说静态人脸比对解决的是“你是你”和“你是谁”的问题，那么动态人脸比对解决的就是“你在哪”的问题。

解决“你在哪”的问题也正是动态人脸比对的“动态”两个字所关联的。因为动态人脸比对是连接前端设备的，那么动态人脸比对系统就有实时或准实时的视频或图片数据流。而后由于视频或照片数据的实时性就可以辅助解决人在哪里的问题。

上一篇文章中我们聊过动态人脸比对和静态人脸比对就后台的人脸比对技术而言并无不同，区别也是在工程实践领域的。静态人脸比对最主要的功能就是大库检索，也就是有目标比对人脸库；而动态人像比对通常没有固定的目标人脸库，它比对源和比对目标都是前端设备采集的数据，这些前端采集的视频或照片数据汇集形成了一个动态的人脸库，通常也叫路人库。动态人脸比对就是不断地进行动态数据的收集、建库、比对来实现其系统功能。

动态人像比对的引入极大地改变了传统的视频监控行业。原来我们行业内的视频监控工作一般是事后的、被动的、非确认性的。比如调取案发现场的视频监控，就是事后的、被动的，而且我们从调取的视频中是获取不了人员身份的，还得辅助别的信息或者采取其他的方法来进行人员身份落地，比如知悉这人是惯犯或者从视频分析出落脚点等等。而有了动态人脸比对之后，我们可以通过人脸比对技术来进行人员身份落地和轨迹落地等业务。

人员身份落地其实最后一步还是静态人脸比对的内容，因为动态人脸比对解决的是“你在哪”，但不能解决“你是谁”，解决你是谁得需要一个目标人脸数据库进行比对，也就是我们说的静态人脸比对的内容。在实际工作中，我们可能不仅需要知道人在哪，也需要知道人是谁。所以我们需要把动态人脸比对和静态人脸比对这两个功能进行打通，实际上许多市县一级的系统是不分静态和动态的，它们一起组合起来解决共同的业务问题。那么很自然的，我们可以将动态抓拍的人脸进行静态人脸库的身份落地，这样不仅能知道人在哪，也能知道人是谁。但这里也有个问题，就是随着前端设备建设的增多，每天产生的动态人脸照片也膨胀式地增多，如果系统每获取一张人脸照片就要去比对一下身份，那么这比对量将是巨大的，对于高级别的系统来讲可能是一项完不成的任务。

有一种方法是异步地去做比对，就是不会实时的去进行落地比对，而是评估系统运行情况、空闲情况等进行比对安排。但这样比对量还是很大，而且有很多比对都是重复性的，比如一个摄像头拍摄了同一个人的多张照片或者相邻的摄像头拍摄了同一个人的多张照片，如果照片都拿来身份落地的话就是重复性的。我们可以就选取其中一张进行身份落地，其他照片和这张照片进行关联就可以了。这样的操作现在也有了个说法叫一人一档，这个档就是聚合的某个人的照片集，最后我们拿这个照片集中质量最好的照片进行人员身份比对落地就好了。

很多时候，动态人脸比对系统不关心是谁在哪里，就是不需要知道视频或照片里的人是谁，而只关心特定的人员集合。只要是他们出现在视频或照片中，那么就要进行相关业务的处理。这项功能我们称之为人脸布控，人脸布控就是很典型的动态和静态结合的比对场景。比对来源是我们设备动态获取的照片，比对目标是我们特定的人员人脸库。为什么使得布控的实时性更强，我们很多时候是努力的将布控前移，就是离前端设备越近越好，更有甚者直接将布控工作在摄像头里完成。

在前面比对一文中，我们简单说过布控就是实时性很强的比对业务。既然是业务，那么这项功能就有很强的业务属性。因为人脸比对是非结构化数据的匹配问题，所以它与结构化数据比对的精准性不同，它的比对结果成功与否是有概率性的，也就是不确定的。

人脸比对算法有两个判断算法精度的指标：误报率和漏报率。误报顾名思义指的是原本不应该是的结果算法认为是；漏报值得是原本应该是的算法不认为是。因为人脸比对算法不可能做到完全准确，那么任何一个算法都会存在误报率和漏报率。而且误报率和漏报率就像是跷跷板的两头，此消彼长。比如你能容忍很高的误报率，那么你得到的漏报率就很低了，同样的，如果你接受很高的漏报率，那么你得到的误报率也就低了。

这些指标在实际工作中也也有很重要的影响，比如我们对特定人员进行人脸布控，我们是希望误报率高一些呢，还是漏报率高一些呢。如果我们业务中要求的是“宁可错杀一千，也不放过一人”，那么我们就需要误报率高而漏报率低的算法；相反如果我们业务要求的是“宁可放过一千，不可错杀一人”，那么我们需要的就是漏报率高而误报率低的算法。为什么我们要强调这些事情呢，因为既然人脸布控是一项业务，那么它就有落地处理等一系列流程。有的情况如果误报率过高，那么业务人员会不耐其烦，也浪费了大量的人力物力来处置；而有的时候如果漏报率过高，漏报的责任过大，那么也会给业务人员带来麻烦。所以在实际工作中，我们要根据业务特定和工作人员实际情况综合考虑选取合适的人脸比对算法，调整相关的算法参数。

动态人脸比对一般还会有轨迹分析、伴随分析等功能，但这些功能是建设在人脸比对功能基础之上的数据模型或算法应用，不在人脸比对这一范畴内。但这些模型或算法的引入大大深化了人脸比对技术在业务中的应用，也极大的扩展了我们的业务能力。所以人脸比对技术在行业内还有很大的发展空间，有很多的数据结合点或业务结合点需要我们去挖掘。