■文/公安部检测中心 吴彤 陈灿灿 张翔

关键字：人脸检测 人脸识别 评测方法 性能指标

1 引言

随着移动互联网和人工智能技术的飞速发展，人体生物特征识别应用成为当前安防领域技术发展的趋势。人脸识别应用相对于其他人体生物特征识别应用有着采集方式便捷、采集设备门槛低、特征辨识性强等显著优势，在交通、金融、旅游、社保等实际场景中得到越来越多的应用。本文将分四部分内容对人脸识别应用中算法级别的测试方法进行简要阐述。

2 人脸识别应用算法

人脸识别应用功能流程包括人脸检测、人脸活体检测、抓取人脸质量评估、人脸特征数据提取、人脸特征数据比对和比对结果。

图1 人脸识别应用功能流程图

2.1 人脸检测

人脸检测是人脸识别应用中的首要步骤，是指对于一幅照片或视频中的某一帧图像，确定其是否含有人脸，并能够给出人脸的位置信息和大小区域。人脸检测的性能在实际测试中，主要会受到肤色、人脸姿态、表情、外饰物遮挡和采集光线等信息的干扰。

2.2 人脸活体检测

人脸假体检测中的人脸活体检测是人脸检测中的可选步骤，是指确认输入人脸的是一个合法的生物活体，也就是说人脸识别系统需要能够防范恶意攻击者使用各种假体进行攻击，判断获取到的生物特征是否属于一个有生命、在现场、真实的人。目前，人脸活体检测技术主要包括交互式活体检测、利用红外等设备活体检测和基于大数据分析方法的活体检测等。

2.3 抓取人脸质量评估

市场上的人脸识别应用类安防产品对于经过人脸检测获取的人脸图片会进行人脸质量评估，判断提取到的人脸是否能进行人脸比对并得到很好的结果，比如对是否遮挡过大、人脸姿态是否端正、人脸区域是否完整、人脸图像亮度和对比度是否合适等因素的判断。这一步骤的参数和指标的设定与厂家的比对算法是紧密相连的，也对比对结果有很重要的影响。

2.4 人脸特征数据提取

将人脸图片的特征点进行提取形成特征数据，特征点的数据描述方式由安防厂家根据算法规定，每个厂家都不同。影响提取的主要因素是照片的格式、存储大小和分辨率，这一步骤与人脸识别类安防产品中的人脸注册相对应。

2.5 人脸特征数据比对

人脸识别应用中比较核心的功能就是人脸特征数据的比对，再根据预设的相似度阈值给出比对结果，即是否为目标人，识别算法的主要指标也是针对这一步骤。

3 当前安防领域人脸识别应用场景

根据安防领域的实际情况可将应用场景分为人证核验、人库核验和库库碰撞。

3.1 人证核验

人证核验是人脸识别应用中最基本的一种应用场景，它对应的是识别算法中的1:1人脸确认算法。当前的旅店业、火车站出入口、汽车临检、移动警务临检，甚至公司考勤、小区出入等一般场景的身份鉴别都会用到人脸和证件照片的比对识别。

3.2 人库核验

人库核验是指将现场采集到的人脸图片或视频与目标人底库进行比对的场景，它对应的是1:N人脸辨认算法，一般在警务布控、重大组织活动安保等场景中应用。

3.3 库库碰撞

库库碰撞是指现场采集的多张人脸图片或视频与目标人底库进行比对的场景，它对应的是M:N关注名单人脸识别，一般在目标人视频追踪、警务布控和重大组织活动安保等场景中应用。

4 测试库组成

第三方算法测试库本着公平、客观的原则进行创建，根据测试指标的要求分为以下五类测试库。

4.1 人脸注册库

主要用于人脸注册性能的算法测试。注册库由约束条件下采集状况良好的图片库或视频库组成，采集样本组成因素（性别、年龄、地域等）根据对应的行业标准进行实时更新，样本数量根据性能指标进行确认。

这个建议，后来令曹操惊出一身冷汗！可惜，袁绍猜忌许攸与曹操旧谊，脑袋差点搬家。许攸只好“重新选择”曹操！结果，许攸与曹操合作，乌巢粮道一把火，直接改写了袁绍与曹操的命运。毛泽东在《中国革命战争的战略问题》一文中，盛赞曹操“双方强弱不同，弱者先让一步，后发制人，因而战胜”的军事才能和高超的选择艺术。

4.2 人脸确认库和人脸辨认库

主要对人证核验、人库核验应用场景进行算法测试。测试库包括两类图片集或视频集：一类是约束条件下的人脸注册用，采集状况较好；另一类是半约束状态下的对应的现场采集，配合度和采集状况均不确定。

4.3 关注名单人脸识别库

主要是对库库碰撞应用场景进行算法测试。测试库包括三类图片集或视频集：一类是约束条件下的人脸注册用，采集状况较好；一类是半约束状态下的对应的现场采集；第三类是半约束状态下的非对应得现场采集。二、三类的配合度和采集状况均不确定。

4.4 专项应用库

专项应用库主要用于对特殊指标的测试，比如戴眼镜判定、性别判定、表情判定、活体检测判定等，这类测试库正负样本比例1:1，当多状态判定时状态样本比例应按照实际场景的状态比例进行配比。

5 测试指标项

算法性能进行评测的具体指标项包括两类：一类为算法基础指标，主要为注册成功率（特征提取成功率）、活体通过率和假体通过率、认假率（FAR）和拒真率（FRR）、特征提取时间、特征比对时间；一类为属性指标，主要为检出率、检索准确率、重复抓拍率、误聚率。由于后一类与业务属性关系较大，公式定义较复杂，本文仅对第一类基础指标做出说明。

图2 人脸追踪检测软件界面

（1）注册成功率（特征提取成功率）

注册成功率=特征提取成功的样本数量/样本总数量（百分数表示结果）

（2）活体通过率

活体通过率=人脸活体样本测试正确通过的通行测试次数/人脸活体样本通行测试总次数（百分数表示结果）

（3）假体通过率

假体通过率=人脸假体样本测试通过的通行测试次数/人脸假体样本通行测试总次数（百分数表示结果）

（4）认假率（FAR）

认假率=非目标人样本测试结果确认为目标人的次数/非目标人样本测试总次数（百分数表示结果）

（5）拒真率（FRR）

拒真率=目标人样本测试结果未确认为目标人的次数/目标人样本测试总次数（百分数表示结果）

（6）特征提取时间

单次特征提取的平均时间（单位为毫秒），不计数据传输、保存时间。

（7）特征比对时间

单次特征数据比对的平均时间（单位为毫秒）。

6 结语

本文对人脸识别应用算法的测试库类别和测试指标项做了简要介绍。近年来，人脸识别应用领域是非常活跃的技术领域，期待未来能出现更有意义的应用和发展。