人证核验系统解决方案

方案概述

随着各地平安城市建设的积极深入和依法治国战略方针的全面推进,中共中央办公厅、国务院办公厅于2015年印发了《关于加强社会治安防控体系建设的意见》。意见从加强社会治安防控网建设、提高社会治安防控体系建设科技水平、完善社会治安防控运行机制、运用法治思维和方法推进社会治安防控体系建设、建立健全社会治安防控体系建设工作格局等五大方面提出了具体措施。

其中针对社会面治安防控网建设中,需根据人口密度、治安状况和地理位置等因素,合理优化防控力量布局,需加强公共交通安保工作,强化人防、物防、技防建设和日常管理,完善和落实安检制度,加强对机场、火车站、地铁站、公交车站、海关口岸/码头等重点部位的安全保卫,严防针对公共交通工具的暴力恐怖袭击和个人极端案(事)件。完善幼儿园、学校、金融机构、商业场所、医院等重点场所安全防范机制,强化重点场所及周边治安综合治理,确保秩序良好。同时加强对社会治安重点地区、重点部位以及各类社会治安突出问题的排查整治,结合信息化建设系统的分析研判,加强规律性研究,及时发现和处置引发命案和极端事件的苗头问题,预防和减少重特大案(事)件特别是命案的发生。针对重点行业如旅馆业、娱乐服务业等,需加强治安管理工作,落实法人责任,推动实名制登记,推进治安管理信息化系统的建设。

结合各类文件相关要求,针对各重点区域、重点场所以及重点行业,急需提供一套科学、实时、准确的分析研判手段,对重点关注人员的身份进行快速识别核对,从源头上遏制各类恶性案(事)件的发生,完善立体化社会治安防控体系建设的最后一公里。

1

方案背景

在当前复杂的治安形势下,如何快速确定人员的身份,是政府机关工作的重要课题。近年来,随着信息化的不断发展,各种查询系统得到普及。但受社会各种因素影响,持假身份证、双重身份、冒用身份或是犯罪分子“拒不交代”的情况时有发生,给在需使用有效证件登记的活动带来极大难度,再加上留置时限的限制,其真实身份一时很难查清。怎样杜绝各渠道获得假身份证、如何快速确认人员与所持证件的符合性、怎样快速有效的识别特殊人员的身份,是政府各个部门急迫解决的难题。

近年来随着深度学习、计算机视觉等技术推进人脸识别技术的不断发展进步,人脸采集和匹配识别的准确性也越来越高,为大范围使用提供了基础技术保障。公安部门作为立体化社会治安防控体系建设的主力军,且公安行业一直是安防新兴科技技术的前沿市场,随着人员信息的增加、情报资料搜集工作的逐步完善、公安基层管理信息化和自动化水平的提高以及现有情报信息资料和技术设备的不断整合,人脸识别技术必将在公安信息化工作建设中得到更广泛应用。

2

需求分析

人员身份的核验,对保障社会公共安全有着重要作用,而生物特征对于鉴别人员身份有着准确性、唯一性等先天的优势,在各应用领域中备受关注,第一代居民身份证,仅通过身份证号码作为“身份核实”的依据;之后的第二代居民身份证,芯片中加入了持证人的文字以及人脸照片信息,居民身份证使用专用设备读取其芯片内的信息,从而减少了身份证的冒用、盗用、假证等违法使用。公安部对居民身份证采集器通用技术及采集比对技术规范的执行,也为人证核验提供硬件技术基础。而随着二代居民身份证普及,国家相关部门对实名制认证的相关要求出台,使得人证核验成为市场大展大势所趋。

结合各行业的具体场景应用,对于人证核验系统主要有以下几个方面需求:

  • 1:1人证核验

针对旅店业、网吧、娱乐场所、金融办卡、考生身份核实等需要实名认证场景,通过身份证读卡器提取身份证相关信息,判别是否使用假身份证;同时将现场采集的人脸照片与身份证上的证件照进行比对,确定是否是持证人本人,实现人员身份的快速核验。

针对公共交通行业,如高铁、航空、口岸通关等人流量较大场所,为了保障安全性及正常秩序,安检人员每天需要对庞大的人流进行身份验证,需要投入较大的人力物力,人工检查带来的疲劳难免会造成误判漏判,而导致非持本人证件者通行,容易造成不良影响。通过1:1人证核验可快速、准确判别确认通行人员是否持证本人,同时也对可通行记录进行有效管控,完善公共交通的安全管理机制。

  • 1:N特殊人群核查

1:N特殊人群核查是在1:1人证核验的基础上,将前端采集人脸照片、身份证号通过WiFi或者3G/4G网络传回中心平台,与已经建立的特殊人群库进行1:N比对,检索其是否为关注的重点人员。

  • 人证大数据应用

人证核验设备作为前端数据采集源,可收集较理想实时采集的人脸正面照片和身份证件照信息,在人证核验后端中心平台进行汇聚,形成人证大数据的基础数据源,强化信息资源深度整合应用,充分运用信息化技术发掘数据的价值。

3

建设目标

按照“统一规划、统一标准、统一平台、统一管理”的建设思路, 搭建人证核验系统软硬件运行平台,整合利用现有数据资源,采用业界先进成熟的人脸识别比对技术,基于不同业务场景规划应用建设,通过标准的接入输出接口和分级授权管控体系,提供多层级、多场景的人证核验比对分析联网系统,满足公共安全领域的相关应用需求。

根据建设思路,系统主要建设目标包括以下几个方面:

  • 提供一套高采集率、比中核验的人证核验系统,满足人员身份快速比对核实;
  • 建设多级联网联动的人证核验综合应用平台,前端设备与后台系统对接,实现数据互通互用,统一规范各层级系统接口,方便与第三方信息化系统对接;
  • 研发建立适应海量人脸信息的快速比对、分析、查询的大数据挖掘服务,包括多种人脸信息的接入、融合,不同人脸信息的清洗处理,海量人脸特征信息的存储与管理,以及应对各类业务应用的快速分析处理服务;
  • 构建各行业可针对性的重点关注人群人脸数据库;
  • 构建基于移动警务终端的人脸比对应用体系;
  • 构建完善的人脸资源管理、人证设备资源管理、各层级权限细分管理和系统安全授权管控体系;

结合实际业务应用需求,适当考虑处理性能及业务深化的扩展性应用需求,构建适合公共安全领域应用的人证核验实战应用平台。

4

建设原则

人脸系统的建设以“高精度识别、高性能处理、统一标准服务、突出实战、加强资源共享”为原则,强化顶层设计和规划,提供技术先进、性能可靠、信息安全、易用性强的综合人脸识别检测应用系统,满足新形势下的公共安全领域的应用。系统建设总体遵循以下原则:

  • 先进性和实用性原则

人脸系统采用世界领先的识别技术,依托于自主研发的先进成熟的大数据分析技术,提供行业内领先的人脸识别技术应用。同时其他核心部件及关键服务,均采用先进的技术,满足当前及以后的业务系统的应用与扩展需求。

系统采用运行稳定、质量可靠、性价比合理的相关技术及系统设备,在满足用户各个业务应用需求的同时,考虑各个业务之间的实战系统应用需求,提供实用性强、结构合理、逻辑清晰、功能简洁的运行系统。

  • 标准化和资源共享原则

系统设计及开发应用符合国家及公安行业对信息系统的要求和管理规范,相关对外和对内的服务接口,均采用行业内主流的技术要求规范,充分考虑人脸数据量大、格式多样、业务应用需求复杂的要求,对各类数据格式及通信标准做了统一的考虑,保证系统内部各个业务模块设计合理性的同时,为其他业务系统可提供开放性、标准化的服务接口,满足其他业务系统对人脸系统的应用需求。

同时,基于统一的数据标准规范及通信协议,保证了不同数据来源的人脸信息汇聚和不同业务应用系统之间的数据通信,提高数据的应用价值和业务服务能力,避免了项目建设经费的重复、资源信息的浪费等问题。

  • 智能性和高效性

基于立体化社会治安防控体系的建设与完成,采用深度学习和计算机视觉技术,将人脸识别技术应用到实际场景,更加快速、高效、智能的进行人员身份核查,降低人力资源排查成本,同时利用人脸大数据挖掘技术,深度挖掘关联或类似案件信息,真正做到智能监控、自动预警、预判分析的处理能力,减轻工作人员的工作负担,提升工作效率。

  • 高可靠性和稳定性原则

系统运行稳定可靠,根据业务量分析和预测,考虑系统设备的处理能力,系统应具有过负荷控制能力。考虑系统在平时和峰值情况下,安全可靠运行的设备和数据备份机制,确保不死机,没有数据丢失。系统应支持无间断服务。从而提供一个稳定、健壮、容错能力强的信息系统。

总体平台设计

1

系统拓扑

图1 人证核验系统拓扑图

深网视界基于深度学习、计算机视觉推出的人证核验系统,采用国际领先人脸识别算法,通过海量人脸大数据训练,大幅提升人脸数据采集效率与人脸特征提取能力,在人脸识别比对应用方面有较高的准确性。如上图人证核验系统拓扑图所示,主要包含前端数据采集设备、人证核验管理平台、人脸识别综合应用平台、网络边界等几个部分。

前端数据采集设备:提供了人证核验的数据来源,主要前端人证核验采集设备有立式人证核验一体机、组合式人证核验一体机、手持式人证核验终端、人证核验闸机等,完成通行人员的身份证数据读取、现场人脸采集,并将数据回传给人证核验管理平台;

人证核验管理平台:人证核验管理平台接收前端回传的数据,调用1:1服务模块进行比对核验,并将结果返回给前端人证核验设备;同时人证核验管理平台负责管理接入的前端设备,汇聚通行人员日记,可做数据统计分析、事后查询;

人脸识别综合应用平台:在一些核验要求比较严格的场所,如大型活动安保、重点交通枢纽等人员身份核验场景,无论前端比对是否通行,都将采集到的人脸照片和身份证信息回传到后端人脸大数据应用平台,调用1:N检索服务查询判断是否为重点关注人员;此重点人员可以为全国在逃人员、涉恐份子、前科人员等特殊人群,视具体应用场景划分;

网络边界:考虑公安行业信息化系统组网的复杂性,前端人证核验设备、人证核验管理平台可以部署在互联网或平安城市视频监控专网,而基于信息安全考虑,重点人员库一般部署于公安内网,此时就涉及到数据请求需要经过网络边界进入公安内网进行平台对接,并完成请求返回。

2

应用体系

图2 应用体系图

人证核验系统主要由以下几个部分组成:

  • 数据采集:针对不同行业的具体应用需求场景,如旅店业、酒吧、娱乐场所等实名制要求的场所,或是高铁、航空等需要对人员身份进行快速核查的交通运输业,亦或各类大型活动安保场景下,部署人证核验设备,完成基础数据的采集;
  • 基础设施:提供人脸核验系统所需的整套物理设施环境,包含网络、系统服务器、存储服务器等;
  • 核心技术:基于人脸识别核心算法提供的高准确率人脸识别服务及人脸大数据检索服务;
  • 数据接口:在底层核心技术的基础上,开发面向上层的用户功能服务,统一各类标准接口,其中包含主要的检索比对接口、数据碰撞接口、数据清洗接口;同时提供开放式接口,方便与其它信息化业务系统的对接。
  • 应用展示:除了最基础的人证核验应用外,将各类数据整合进行整合应用,可提供人证通行轨迹倒查、人证大数据碰撞等更深度挖掘的应用,结合立体化防控平台建设完善,可做数据的横向扩展,使其为公安大数据实战应用、反恐作战应用提供有力的数据支撑。

3

人脸识别流程

人脸识别作为人证核验系统的核心技术,有必要对其具体流程进行了解。正如所有信息化系统的数据处理大体可归纳分为输入、中间处理、输出等三个部分,在人脸识别中输入则为前端采集到的人脸图片,中间处理则包含对输入数据的人脸检测、人脸特征提取、识别比对,输出则是将比对结果展示输出,并可联动报警处理,流程如下图所示。

图3 人脸识别处理图

结合业务系统,人脸识别流程主要包含:

人脸数据输入:系统从前端人证核验设备提供的实时视频流中按帧提取人脸照片,作为人脸数据的来源;

人脸检测:判断图像中是否存在人脸。若存在人脸,给出其在图像中的坐标位置、人脸区域大小等信息,如果是实时视频流则需要跟踪进一步输出所检测到的人脸位置、大小等状态随时间的连续变化情况;

特征提取:通过人脸特征点的检测与标定可以确定人脸图像中显著特征点的位置(如眼睛、眉毛、鼻子、嘴巴等器官),同时还可以得到这些器官及其面部轮廓的形状信息的描述。根据人脸特征点检测与标定的结果,通过算法运算得到人脸特征的描述(这些特征包括:全局特征和局部特征,显式特征和统计特征等);

比对识别:即人脸识别(Face Identification),通过将输入人脸图像与人脸库中的所有已知原型人脸图像计算相似度并对其排序来给出输入人脸的身份信息;

报警处理:即实时布控联动报警,系统根据人脸库的性质和比对结果,产生实时布控报警信息,并将相关比对结果展示处理,其中报警展示中提供多个备选信息,供用户进行判断选择。

人证核验应用设计

随着居民身份证的普及,人员的头像、姓名、住址等相关信息全部集成于身份证芯片中,结合人脸识别平台前端设备采集到人员的人脸照片与身份证件照片进行比对,从而快速确定当前人员的身份。虽然视频监控网络不断得到普及,但众多的视频监控采集到的人脸照片不一定都适合用来做动态人脸比对,而人证核验系统正是为解决用户近距离、人员稍微配合场景下的人脸抓拍、比对,快速确定人员身份应运而生的一款产品。

在人证核验系统中,通过各类前端人证核验采集设备,对通行人员进行脸部照片采集,同时根据身份证读卡器采集到的人员信息,主要提取身份证件照片与现场采集的人脸图片进行比对,系统自动判断两张照片相似度,确认通行人员是否为持证本人。如发现当前人员持有他人证件,前端人证核验设备会提示比对失败并有报警输出提示相关执法人员处理。前端人证核验管理平台会对各个前端采集设备进行管理,记录所有相关通行采集数据及比对结果,所有前端比对产生的报警都会在人证核验平台处产生提示,方便管理人员进行统一维护、处理。根据公安业务需求的特殊性,重点人口库、在逃人员库、涉恐人员库等黑名单库信息是不能出公安网的,即如果前端人证核验采集的人脸需要与公安的可疑人员进行比对时,可通过安全网闸,接入网闸的服务模块,实现从互联网或者视频监控专网跳转到公安内网的访问,将其与公安内部黑名单库进行比对识别报警。整套系统由前端设备到后端平台组成,完成了人员人脸、二代证信息采集、比对、大库检索等各项功能,系统完整实现社会资源到公安网数据传输及应用,保证了整个系统的完整性。

人证核验应用场景广泛,根据应用需求不同,大致分为以下几种应用设计:实名制人证核验、公安治安类人证核验、快速通关人证核验、移动警务人证核验及大数据深度挖掘应用。

1

实名制人证核验应用

二代身份证的广泛应用以及国家相关部门对实名制认证的明文规定后,再加上立体化防控社会面建设的需求,需要对重点行业(如旅店业、娱乐服务业、危险品行业)、社会重点部位(如机场、高铁、海关口岸等)进行实名制认证,其它如电信/金融开办卡、养老保险、医疗保险等相关业务的办理都推行实名制处理,为人证核验提供了政策基础。

针对以上应用场景,在相关人员办理业务前台部署人证核验设备(如组合式人证核验一体机),用于确认身份证与持证者是否为同一人(1:1人证核验),实现业务的快速办理,减少人工核验带来的工作量及人为判别失误。

2

治安类人证核验应用

针对安全防范要求较高场景,除了前端人证核验1:1外,仍需现场采集的人员照片和身份证信息回传到公安内网,与后台重点关注人员库进行1:N检索,判断是否为重点关注人员,如比中则及时输出联动报警,为公安相关部门维护治安、案件侦查提供科学高效的手段。次类应用主要针对重大活动安保、重点场所或其它重点社会面人员身份核查,除了快速确定人员身份、检索是否重点关注人员外,还可以作为人证大数据的采集来源,为深度挖掘应用提供数据支持。

3

快速通关人证核验应用

针对公共交通行业如高铁、航空、汽车、海关口岸等安检应用,前端部署人证核验闸机,通行人员进入闸机时需要刷取身份证,同时闸机会对通行人员人脸照片进行实时采集,将采集的人脸与证件照进行1:1核验,比对匹配为持卡人本人则允许通行,实现快速通关,不仅可以减少安检人力投入,也可对人员的出行记录进行合理管控。同时人证核验闸机平台提供开放接口,方便与第三方信息化系统对接拓展应用。

4

移动警务人证核验应用

针对公安行业推出的移动警务人证核验设备,方便移动执法民警在执行公务时对可疑人员进行快速身份核验,发现身份不匹配人员,可与后台公安内网常口库进行检索,确定确切身份;或者将数据回传到中心平台与重点人员库进行比对,及时发现是否为不法分子。

5

人证核验大数据应用

针对以上人证核验广泛的应用场景,对车站、机场、宾馆/旅店、网吧等人员流动频繁的场所,进行人员信息核查,可以准确判定人员的身份信息,为排除可疑人员提供强有力的帮助。同时在公安治安综合大业务整合应用中,通过人脸大数据技术可疑进一步实现包含通行人员的历史信息统计分析、提取相关人员轨迹倒查、随行人员判断、高危人员预警分析、人脸聚类、人证大数据挖掘等综合实战应用,同时可将人员数据和预警信息推送各警种业务信息系统,实现信息化共享,为立体化防控体系建设提供完善的实战指挥应用平台。

提示:来自深圳深网视界科技有限公司人证核验系统解决方案

原文发布于微信公众号 - 计算机视觉战队(ComputerVisionGzq)

原文发表时间:2017-10-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

持续不断地推荐儿童不宜视频背后,YouTube是这样训练AI的

训练 YouTube 搜索算法的员工表示,他们用来评估这个世界上最大的互联网视频平台的准则,有些难以理解并且不够充分。 编译 | 王宇欣 Rik 来源 | Bu...

2559
来自专栏AI科技评论

业界 | 福布斯评出最热门的 10 大 AI 技术,以及面临的问题

AI科技评论按:Narrative Science 调查显示,去年已有 38% 的企业开始使用人工智能,而到 2018 年将增长至 62%。Forrester ...

3204
来自专栏PPV课数据科学社区

周一经典 | 如何成为一名数据科学家?

如何成为一名数据科学家? 文 | 谢科 "Data Science = statistics who uses python and lives in San ...

3665
来自专栏数据派THU

干货 | 清华大学郑方:语音技术用于身份认证的理论与实践

“网络空间身份认证”事关新时代的国家安全、经济安全、社会稳定、民众福祉等,这其中包括五个方面:

2054
来自专栏量子位

萌新误入AI歧途怎么办?MIT博士小哥哥给你指条明路

做研究,特别是在AI领域做研究,时常挑战人类的智力极限和心理极限。来自MIT的汤姆,入坑已有两年,并在坑里向广大准同行们发来了倾心打造的攻略,帮助大家在漫漫夜路...

1183
来自专栏AI科技评论

Facebook和Google们现在努力的AI方向,会不会错了?

深度学习的坎坷之路 2012年11月23日,应该是一个让时任谷歌人工智能实验室专家的Geoff Hinton倍感欣慰的日子,在这一天,纽约时报发布了名为《Sci...

3846
来自专栏大数据文摘

[译]数据会骗人?帮你能看懂图表的误导!

1523
来自专栏ATYUN订阅号

Conservation Metrics通过声音分析帮助保护濒临灭绝的大象

根据联合国的统计,非洲每天有多达100头大象被参与非法象牙贸易的偷猎者屠杀。由于偷猎,每年大约有35000头大象被杀害。为了解决这个问题,加利福尼亚州圣克鲁斯的...

1363
来自专栏程序你好

机器学习等新技术正在重塑工厂的工作方式

在过去的三十年里,工厂经历了翻天覆地的变化。80年代和90年代,工业自动化和机器人走在了前列。在过去的十年里,多种改变游戏规则的技术正在重塑工厂。机器学习、物联...

1413
来自专栏深度学习与数据挖掘实战

大规模图搜索和实时计算在阿里反作弊系统中的应用

针对电商平台上的作弊行为,阿里巴巴一直秉承着零容忍的态度,在虚假交易的识别防控以及处罚力度上没有最强只有更强。经过多年在全球最大的电商平台大数据上的沉淀和积累,...

3912

扫码关注云+社区

领取腾讯云代金券