生物識別技術里，人臉識別具有無可比擬的優勢。基于人臉識別的視頻分析智能報警系統，可針對在逃人員、嫌疑人員、受控人員、失控人員等不同對象在不同的監控場景中實時抓取人臉、人形等特征，通過與模板庫中的檔案特征對比，實現被監控對象的身份落地，并實時預警。

　　1、生物識別技術快速發展

生物識別大致上可分為身體特征和行為特征兩類。身體特征包括：指紋、靜脈、掌型、視網膜、虹膜、人體氣味、臉型、甚至血管、DNA、骨骼等;行為特征則包括：簽名、語音、行走步態等。

目前，生物識別技術正日趨成熟，并在經濟社會各領域取得良好的應用，在解決安全問題和提高工作效率方面具有顯著優勢。未來，隨著多重生物識別技術的融合與多元化應用，將助推我國多重生物識別技術相關的產品與解決方案得以普及，并積極拉動市場需求增長，形成跨生物技術、安防、IT等領域的新興產業。

將生物識別技術融合應用到網絡視頻監控平臺，即將識別算法融合到視頻監控的智能分析中去，將有助于智能分析的精確識別，同時借助高清視頻監控技術，促進生物識別從近距離識別借向遠距離識別、從靜態識別到動態識別、從小群體到大群體識別應用的方向發展。

2、人臉識別廣泛應用到智能分析中

智能視頻監控系統以數字化、網絡化視頻監控和圖像處理、計算機視覺、人工智能為基礎，利用部署在監控系統中的視頻實時智能分析設備或智能分析軟件自動對視頻內容進行分析，發現監控圖像中的異常信息，及時發出預警，協助監控人員第一時間處理危機。目前智能分析技術有行為分析、特征識別、視頻診斷、分類統計等。

經過幾年的迅速發展，視頻智能分析的應用范圍主要集中在高端市場，如軍隊、政府、司法、金融、交通、監管、核電站、機場與港口等，再到工業設施、教育、醫療等中端市場，現如今已經滲透到居民小區、零售店鋪、倉庫管理、物流等民用市場。可以說視頻智能分析在中國智能安防中的應用已經百花齊放。

2013年4月15日發生的波士頓馬拉松爆炸案提高了人們對人臉識別技術的認識。根據眾多報道，盡管攝像頭中捕捉到了犯罪嫌疑人的影像，但這些系統卻無法確認犯罪嫌疑人。然而，在密歇根州立大學進行的一項人臉識別系統試驗中，NEC先進的NeoFace人臉識別技術使用與警方同樣的事件現場照片，幾乎瞬間完成了犯罪嫌疑人的“同一性”匹配比對。兩年來，隨著技術的進一步成熟和社會認同度的提高，人臉識別技術引起了越來越多的關注。作為最容易隱蔽使用的識別技術，人臉識別成為當今國際反恐和安全防范最重要的手段之一。

基于人臉識別的視頻分析智能報警系統，可針對在逃人員、嫌疑人員、受控人員、失控人員等不同對象在不同的監控場景中實時抓取人臉、人形等特征，通過與模板庫中的檔案特征對比，實現被監控對象的身份落地，并實時預警。系統前端設備主要實現可疑目標的預警功能，當發現監控畫面范圍內有可疑目標時，及時將可疑目標的圖片發送到中心服務平臺，同時標記該目標出現的時間，便于后續查找視頻。

系統的傳輸方式可采用公安內專用、VPN通道將前端實時抓拍的結果發送到中心服務平臺，因VPN的高安全性，避免敏感資料外泄。臨時執法點通過3G/4G以無線的方式傳回，重點場所和公交站臺通過光纖的方式傳回，保證所有數據能及時傳回中心服務平臺，避免出現上報滯后的情況發生。并且，系統中心服務平臺主要功能分為：在線視頻查看、實時分析前端視頻中的人、車、運動物體等重要目標。高速球機定點定時巡航、及時處理各智能前端發回的警情、在線點播前端視頻、下發重點目標的資料到各前端設備、設置各前端的檢測區域、推送警情到所屬轄區所有警員的手持終端設備上，方便各警員查找目標對象。

3、人臉識別植入視頻監控技術難點

隨著人臉識別技術的進一步發展，人臉識別技術將實現與數字監控系統的進一步融合，成為人臉識別技術的另外一大應用領域。據統計數據顯示，僅在中國大陸，在未來幾年內有望形成年銷售額過百億，并在未來十年內則有望形成年銷售額過千億的市場規模。隨著國內平安城市、智慧城市項目的深入發展，城市監控的高清化進一步得到普及，攝像機數量大規模增長，使得人臉識別在數據的采集上阻礙大大減小，提升了人臉識別的質量。人臉識別與監控技術的結合在司法系統中得到了重用，滿足了公安系統對城市監控、逃犯追捕、黑名單排查等功能的迫切需求，這將為人臉識別技術普及的有利助推手。海康威視將人臉識別融合在視頻監控中的技術已經在銀行中開始使用。

人臉識別分為辯識(identification)、驗證(verification)、監視目標人識別(watchlist)三類。辯識是通過未知人的人臉圖像與數據庫內已知身份的人臉圖像進行比對來確定未知人身份的過程，是一對多的人臉識別;驗證是通過當前被識別人的人臉圖像與數據庫中被識別人所聲明身份的人臉圖像的比對來驗證被識別人所聲明身份對或錯的過程，屬于一對一的人臉識別;監視目標人識別，是對于一個未知身份的待測樣本，人臉識別系統探測其是否在監視名單上，屬于一對多的人臉識別。

在識別中，監視目標人識別是最難的，主要原因在于非主動性的識別方式和場景的差異性，姿態、光照以及年齡、人臉分辨率等方面的變化嚴重地影響了人臉識別率。許多研究單位一直在研究如何將人臉識別技術應用到監控中。在當前的條件下，首先應該考慮的仍然是拍攝到好的人臉圖像。除算法方面的努力外，從系統應用本身來看，主要需要解決如下的問題：系統結構問題、人臉分辨率問題、姿態問題、光照問題和年齡問題。

4、發展前景與趨勢預測

毫無疑問，人臉識別技術將得到進一步完善。今年，佳都科技投資專注于人臉識別等智能分析算法及產品研發的云從公司，加快人工智能商業化應用的進程;阿里巴巴將與國內生物識別領域知名企業海鑫科金共同建設“阿里巴巴人臉比對系統”，在淘寶開戶認證過程中引入“人臉比對”系統;騰訊財付通與全國公民身份證號碼查詢服務中心達成人像比對服務的戰略合作，利用其龐大豐富權威的圖像樣本數據庫可以應用于廣泛的場景;民生銀行將人臉識別引入客戶身份認證環節，目前已完成了人臉識別軟件平臺及客戶化一期開發。人臉識別技術的深入應用將“實人認證”真正推向實用化，有利于人臉識別技術的進一步完善和規范。

另一方面，智能視頻分析技術發展前景也是光明的。從技術角度來看，為提升智能視頻分析技術的應用性，使得智能視頻分析產品真正市場化，智能視頻分析的廠商在完善核心算法的同時，必然將向以下方向發展：第一，適應更為復雜和多變的場景;第二，識別和分析更多的行為和異常事件;第三，降低成本;第四，多樣化的產品形態。隨著視頻監控的需求日益復雜化，如何能識別與分析更多的行為成為了智能視頻在深化行業應用中不得不面臨的問題。只有結合行業應用實際，深入了解各不同行業的具體問題，才能更好地抓住用戶需求，將智能視頻分析技術的功能落實到應用的實處，這也是智能視頻分析技術未來產業化價值的最終體現。

2014年8月1日，《安防監控視頻實時智能分析設備技術要求》文件出爐，它標志著我國首個視頻智能分析國家標準正式出臺。這個標準規定了安防監控視頻實時智能分析設備的功能、性能、接口、電磁兼容性、環境適應性、試驗方法、檢驗規則等內容，是嵌入式視頻實時智能分析設備進行設計、生產、檢驗的依據。該標準適用于安防監控系統中應用的嵌入式視頻實時智能分析設備，其他行業的視頻智能分析產品和應用系統可參考采用。目前市場上已出現了多種實時視頻智能分析設備，但這些產品分別由不同的廠家生產，缺少統一的規范和接口，導致其在監控系統中的應用受到了限制。《安防監控視頻實時智能分析設備技術要求》的實施將進一步規范安防監控嵌入式視頻實時智能分析設備，為安防監控視頻智能分析技術的發展奠定了基礎。

當前，視頻監控產生的數據量非常龐大，而且增長迅猛，但其價值密度較低，只有對其進行深度的挖掘，才能使其發揮出數據本身所應具有的應用價值。如何在海量數據庫中尋找到所需的人員面部信息，需要智能分析+人臉識別，另加入視頻數據挖掘技術，才能夠真正實現大安防監控的作用。因而，基于人臉識別的視頻分析智能報警系統將會得到廣泛應用。

5、結束語

人臉識別帶動生物識別發展。未來的識別領域，為了區別人與人或物與物之間的不同，發揮生物識別唯一性與準確性等特點，在大安防市場中，如何快速定位一個人的蹤跡，或許這需要一個對比過程。同時，視頻智能分析技術的應用，不止停留在原來能“看”(監控)的程度;還能“懂”得監控場景中目標物體的行為;能夠“想”目標物體是什么，行為意味著什么;更可以把想的結果說出來。從以前的“被動監控”向“事前控制、主動預警、事中追蹤、事后分析”轉變。以當前的應用來看，智能分析雖然有了長足的進步，但應用效果仍有待提高，智能視頻分析技術在依托于物聯網大背景下，將會隨著安防監控大平臺發展，向更加集成化、智能化的方向發展。

隨著技術的進一步發展，生物識別與智能分析技術將有怎樣的融合，一切都有可能，未來前景讓人著迷和期待。