登录
注册
揭密:人脸识别系统如何"画"出哨兵遇袭案疑犯
作者：中国青年报
来源：RFID世界网
日期：2009-04-30 09:45:52
摘要：清华大学电子工程系教授，主持研制“人脸识别系统”的苏光大，曾利用该项技术，协助公安部门成功破获数起要案。在他看来，模糊图像复原和人像组合技术，在中国已经相对成熟，而综合了两者技术特性的人脸识别系统，正越来越多地被人们运用，成为辅助识别犯罪嫌疑人的有效办法。
2009年3月19日晚7时42分，重庆一名执勤哨兵被袭击身亡，袭击者还抢走了哨兵的半自动步枪。这便是震动整个中国的重庆“3·19”哨兵遇袭案。
3月30日，重庆市沙坪坝区公安分局发布悬赏公告，公开了由现场监控录像抓拍的4张视频截图，但截图中并没有袭击者的正面影像。一星期后，在重庆市江北区公安分局公布的电脑模拟画像中，袭击者的头部被“转正了90度”，一张隐藏在浅色线帽下的面孔逐渐清晰。
画像公布之后，很多人好奇，原本模糊的视频截图，如何能变得清晰？袭击者的头部是怎么被“扭正”的？最终是否能够识破这张隐藏在线帽下的“庐山真面目”？
清华大学电子工程系教授，主持研制“人脸识别系统”的苏光大，曾利用该项技术，协助公安部门成功破获数起要案。在他看来，模糊图像复原和人像组合技术，在中国已经相对成熟，而综合了两者技术特性的人脸识别系统，正越来越多地被人们运用，成为辅助识别犯罪嫌疑人的有效办法。
人工绘图，得到便于抓捕的正面图像
“3·19”枪匪到底是谁，目前不得而知。不过，在以往的案件里，根据视频截图生成人脸正面清晰图像，进而破案，早有先例。
苏教授回忆起他曾协助警方破获的“京城超市投毒第一案”：北京市的7家超市，先后接到一男子的匿名电话。他以投毒相要挟，勒令商场向他指定的账户汇款。为了锁定犯罪嫌疑人，警方利用银行内的电子眼，拍摄其提款过程，想从视频中组合出男子的模样。
图像组合的原理，其实并不复杂——通过获取嫌疑人脸部不同角度的多张图片，经人工绘图，得到便于抓捕的正面图像。
然而，想要从连贯的视频中，精确地“剥离”出接近真实的清晰人脸，其难度比组合几幅静态图片大得多。这就需要借助“模糊图像增强系统”，对多幅图片进行逐个分析。
“这就像放大每一个慢动作里人物模糊的脑袋，再用数学公式重新叠加出一张眉眼清晰的脸来。”章柏幸解释道。他是公安部人脸识别标准委员会委员，也是苏光大科研小组成员之一，曾直接参与系统研发。
问题的关键是，在“超市投毒案”的视频中，嫌疑人的行迹相对连贯清晰，而截取其中单幅画并“抠”出头部后，分析对象仅仅是一张大小不足一厘米的图片，面部细节非常模糊。如果进一步放大分析，眼睛、鼻子等关键部位的信息更是丢失殆尽。
“这就像是拍照抖了手，或者嫌疑人走路太快，焦点没法对准。”章柏幸说。
而“看清”这张脸，正是案件破获的关键。于是，将截图输入“模糊图像增强系统”后，系统会根据模糊成因，进行参数分析。然后，再自动筛选出特征较为清晰的10张。如果将10张左侧脸叠加为1张后，含有嫌疑人明显眼部信息的一个侧脸，就会显示出来。
约一小时的时间里，同样的程序反复运行三四次，最后，警方绘图专家已经可以通过系统细化后的脸部多角度画面，绘制出犯罪嫌疑人的正面模样。
当这个名叫尹刚的东北籍投毒犯被抓获时，他吃惊地说：“原以为在北京，不可能有人认得我。”
“人像组合系统”帮助“摘墨镜”
然而，制造重庆“3·19”哨兵遇袭案的袭击者，显然比尹刚谨慎得多。始终掩盖在浅色线帽下的，到底是怎样一张面孔？
对于这样的情况，人眼识别困难重重。以至于曾目击枪匪逃窜的废品铺老板不胜其扰，每次面对记者，只能反复说：“他脑袋上套着帽子，只露出眼睛。”
的确，刘海、口罩、帽子、眼镜，是人脸图像中最常见的遮挡物，对识别准确率影响很大。墨镜更是绝佳工具。章柏幸和他的研究小组就曾接到某国家部门的一张视频截图，画面中的人用墨镜遮挡住大部分的脸部特征，难以辨识。
“但这并不直接影响‘人像组合系统’画出脸的大致模样。”章柏幸说，“即便他隐藏了某个‘部件’。”
这些“部件”，指构成人脸的五要素：脸型、眼睛、鼻子、嘴巴和眉毛。“人像组合系统”的计算原理，正是分析五部件的各自特征。系统将人脸识别分解为：人面像识别，眼睛识别，嘴巴识别，鼻子识别，眼眉识别。如此细分，可以有效避免由年龄、姿态等变化产生的面部变形对捕捉人脸信息造成的影响，“摘掉”眼镜和口罩，也不是什么难事儿。
在“人像组合系统”的作用下，几分钟后，一张隐藏在墨镜下的人脸逐渐清晰，新图像随即交由当地警方，在辖区范围内排查锁定嫌疑人。
“摘墨镜”看似简单，系统却需要运行一系列庞大的运算。因为人面部的五官结构各有不同，为获得准确结果，每个细部的识别都需要用不同的方法分析计算。
而操作者只需“做道选择题”：向系统输入“戴墨镜”的人脸之前，不选眼睛，只在其余四“部件”前打上钩。用章柏幸的话讲，要让计算机明白，这次眼睛“不做数”。
置换一个最简单的例子，即便本·拉登刮掉了标志性的浓密长胡子，去掉下巴，也能画出他的模样。
“人脸识别系统”运算分析
但是，从视频中还原并组合出相对清晰的人脸，只是两步必要的“准备”工作，要想从茫茫人海中揪出嫌犯，还需要“人脸识别系统”的运算分析。
而这一系统，在2008年北京奥运会开幕式的入场安检中，就曾发挥过作用。
这是奥运史上首次采用具有“生物特征”的身份识别方式。8月8日当晚，观众进入“鸟巢”，除了凭借那张价格不菲的门票，还必须逐一在进场通道前“留张影儿”。
“拍照”由一部安装在人脸识别认证设备顶端的摄像头完成。这个摄像头，与另一台识别门票信息的刷票机，共同组成了人脸识别认证系统的终端。
持票人刷票时，摄像头在一两秒钟内抓拍人脸，系统再自动分析1秒内的25帧画面(或2秒内50帧画面，依次叠加)，选取角度合适并且相对清晰的5帧(或10帧)，定位面部关键点，并提取特征，随后将持票人和票内信息的认证结果同时上传到中转服务器，再由中转服务器上传至安保中心服务器。观众信息获得认证并通过，只需要两三秒时间。
“定位关键点和提取特征，是整个识别系统中最关键的一步。”章柏幸说。
然而，困难在于，人脸本身虽不易改变，神态却千变万化，甚至在人的一生中，一张面孔上绝对不会出现两种完全相同的表情。加上年龄增长和不同光照下的明暗变化，识别人脸对于只认数字和计算的电脑来说，困难重重。
“但是在识别过程中，电脑必须和人脑一样，看一眼就知道‘他是不是他’。”中科院计算机研究所博士孙庆南说。北京奥运会期间，他作为奥运会电子门票协调小组成员之一，直接参与了人脸识别快速身份验证系统的实施和操作。
其实，人的面部有许多无法改变的特征：眼眶内外侧的比例，鼻梁长度和鼻翼宽度的比例……这些由人的面部骨骼决定的比例关系，组成了无数个“关键点”，不会因为胖瘦、表情、年龄的变化产生改变。
于是，系统根据这些关键点进行统计学计算，建立起数据模型，把人的面部解析成由数字组成的“矩阵”，变成电脑能读懂的“语言”。这样一来，人脸经计算机转换为数字，一点点计算出来，最终提取出一组能够表达整张人脸的特征数据。
为奥运会开幕式门禁建立的数据库，包含了所有持票人购票前提交的正面免冠照片，并且已完成对面部特征的逐一提取。当系统从摄像头图像中提取的持票人特征，与数据库中已储存的购票人特征重合度达到80%以上时，便能认定“他就是他”。
“通常，在我们的系统里。这组数据称为‘680维特征’。”章柏幸说。
3月30日，重庆市沙坪坝区公安分局发布悬赏公告，公开了由现场监控录像抓拍的4张视频截图，但截图中并没有袭击者的正面影像。一星期后，在重庆市江北区公安分局公布的电脑模拟画像中，袭击者的头部被“转正了90度”，一张隐藏在浅色线帽下的面孔逐渐清晰。
画像公布之后，很多人好奇，原本模糊的视频截图，如何能变得清晰？袭击者的头部是怎么被“扭正”的？最终是否能够识破这张隐藏在线帽下的“庐山真面目”？
清华大学电子工程系教授，主持研制“人脸识别系统”的苏光大，曾利用该项技术，协助公安部门成功破获数起要案。在他看来，模糊图像复原和人像组合技术，在中国已经相对成熟，而综合了两者技术特性的人脸识别系统，正越来越多地被人们运用，成为辅助识别犯罪嫌疑人的有效办法。
人工绘图，得到便于抓捕的正面图像
“3·19”枪匪到底是谁，目前不得而知。不过，在以往的案件里，根据视频截图生成人脸正面清晰图像，进而破案，早有先例。
苏教授回忆起他曾协助警方破获的“京城超市投毒第一案”：北京市的7家超市，先后接到一男子的匿名电话。他以投毒相要挟，勒令商场向他指定的账户汇款。为了锁定犯罪嫌疑人，警方利用银行内的电子眼，拍摄其提款过程，想从视频中组合出男子的模样。
图像组合的原理，其实并不复杂——通过获取嫌疑人脸部不同角度的多张图片，经人工绘图，得到便于抓捕的正面图像。
然而，想要从连贯的视频中，精确地“剥离”出接近真实的清晰人脸，其难度比组合几幅静态图片大得多。这就需要借助“模糊图像增强系统”，对多幅图片进行逐个分析。
“这就像放大每一个慢动作里人物模糊的脑袋，再用数学公式重新叠加出一张眉眼清晰的脸来。”章柏幸解释道。他是公安部人脸识别标准委员会委员，也是苏光大科研小组成员之一，曾直接参与系统研发。
问题的关键是，在“超市投毒案”的视频中，嫌疑人的行迹相对连贯清晰，而截取其中单幅画并“抠”出头部后，分析对象仅仅是一张大小不足一厘米的图片，面部细节非常模糊。如果进一步放大分析，眼睛、鼻子等关键部位的信息更是丢失殆尽。
“这就像是拍照抖了手，或者嫌疑人走路太快，焦点没法对准。”章柏幸说。
而“看清”这张脸，正是案件破获的关键。于是，将截图输入“模糊图像增强系统”后，系统会根据模糊成因，进行参数分析。然后，再自动筛选出特征较为清晰的10张。如果将10张左侧脸叠加为1张后，含有嫌疑人明显眼部信息的一个侧脸，就会显示出来。
约一小时的时间里，同样的程序反复运行三四次，最后，警方绘图专家已经可以通过系统细化后的脸部多角度画面，绘制出犯罪嫌疑人的正面模样。
当这个名叫尹刚的东北籍投毒犯被抓获时，他吃惊地说：“原以为在北京，不可能有人认得我。”
“人像组合系统”帮助“摘墨镜”
然而，制造重庆“3·19”哨兵遇袭案的袭击者，显然比尹刚谨慎得多。始终掩盖在浅色线帽下的，到底是怎样一张面孔？
对于这样的情况，人眼识别困难重重。以至于曾目击枪匪逃窜的废品铺老板不胜其扰，每次面对记者，只能反复说：“他脑袋上套着帽子，只露出眼睛。”
的确，刘海、口罩、帽子、眼镜，是人脸图像中最常见的遮挡物，对识别准确率影响很大。墨镜更是绝佳工具。章柏幸和他的研究小组就曾接到某国家部门的一张视频截图，画面中的人用墨镜遮挡住大部分的脸部特征，难以辨识。
“但这并不直接影响‘人像组合系统’画出脸的大致模样。”章柏幸说，“即便他隐藏了某个‘部件’。”
这些“部件”，指构成人脸的五要素：脸型、眼睛、鼻子、嘴巴和眉毛。“人像组合系统”的计算原理，正是分析五部件的各自特征。系统将人脸识别分解为：人面像识别，眼睛识别，嘴巴识别，鼻子识别，眼眉识别。如此细分，可以有效避免由年龄、姿态等变化产生的面部变形对捕捉人脸信息造成的影响，“摘掉”眼镜和口罩，也不是什么难事儿。
在“人像组合系统”的作用下，几分钟后，一张隐藏在墨镜下的人脸逐渐清晰，新图像随即交由当地警方，在辖区范围内排查锁定嫌疑人。
“摘墨镜”看似简单，系统却需要运行一系列庞大的运算。因为人面部的五官结构各有不同，为获得准确结果，每个细部的识别都需要用不同的方法分析计算。
而操作者只需“做道选择题”：向系统输入“戴墨镜”的人脸之前，不选眼睛，只在其余四“部件”前打上钩。用章柏幸的话讲，要让计算机明白，这次眼睛“不做数”。
置换一个最简单的例子，即便本·拉登刮掉了标志性的浓密长胡子，去掉下巴，也能画出他的模样。
“人脸识别系统”运算分析
但是，从视频中还原并组合出相对清晰的人脸，只是两步必要的“准备”工作，要想从茫茫人海中揪出嫌犯，还需要“人脸识别系统”的运算分析。
而这一系统，在2008年北京奥运会开幕式的入场安检中，就曾发挥过作用。
这是奥运史上首次采用具有“生物特征”的身份识别方式。8月8日当晚，观众进入“鸟巢”，除了凭借那张价格不菲的门票，还必须逐一在进场通道前“留张影儿”。
“拍照”由一部安装在人脸识别认证设备顶端的摄像头完成。这个摄像头，与另一台识别门票信息的刷票机，共同组成了人脸识别认证系统的终端。
持票人刷票时，摄像头在一两秒钟内抓拍人脸，系统再自动分析1秒内的25帧画面(或2秒内50帧画面，依次叠加)，选取角度合适并且相对清晰的5帧(或10帧)，定位面部关键点，并提取特征，随后将持票人和票内信息的认证结果同时上传到中转服务器，再由中转服务器上传至安保中心服务器。观众信息获得认证并通过，只需要两三秒时间。
“定位关键点和提取特征，是整个识别系统中最关键的一步。”章柏幸说。
然而，困难在于，人脸本身虽不易改变，神态却千变万化，甚至在人的一生中，一张面孔上绝对不会出现两种完全相同的表情。加上年龄增长和不同光照下的明暗变化，识别人脸对于只认数字和计算的电脑来说，困难重重。
“但是在识别过程中，电脑必须和人脑一样，看一眼就知道‘他是不是他’。”中科院计算机研究所博士孙庆南说。北京奥运会期间，他作为奥运会电子门票协调小组成员之一，直接参与了人脸识别快速身份验证系统的实施和操作。
其实，人的面部有许多无法改变的特征：眼眶内外侧的比例，鼻梁长度和鼻翼宽度的比例……这些由人的面部骨骼决定的比例关系，组成了无数个“关键点”，不会因为胖瘦、表情、年龄的变化产生改变。
于是，系统根据这些关键点进行统计学计算，建立起数据模型，把人的面部解析成由数字组成的“矩阵”，变成电脑能读懂的“语言”。这样一来，人脸经计算机转换为数字，一点点计算出来，最终提取出一组能够表达整张人脸的特征数据。
为奥运会开幕式门禁建立的数据库，包含了所有持票人购票前提交的正面免冠照片，并且已完成对面部特征的逐一提取。当系统从摄像头图像中提取的持票人特征，与数据库中已储存的购票人特征重合度达到80%以上时，便能认定“他就是他”。
“通常，在我们的系统里。这组数据称为‘680维特征’。”章柏幸说。
