云计算架构下人脸绘制系统设计

摘要：该文提出一种基于云架构下的人脸识别系统。云平台应用是目前的信息存储的重要手段，分布式缓存技术受到学术界和工业市场的广泛关注。将云存储技术与刑侦资源相结合，制作人像组合生成系统。云平台环境下，对于海量数据存储以及用户请求访问的处理是一般数据访问中的瓶颈，而对于刑侦部门的系统则不然，访问用户数目有限故可以更加高效的应该该系统。

关键词：云计算；人脸绘制

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）35-8053-02

当前在刑侦工作中大量使用人物面部特征绘制及识别嫌疑犯的，由于供述者在于嫌疑人接触过程中受到心情、光线、视觉差异等等因素的影响，绘制者很难准确捕捉人物整体特征并且绘制。计算机技术介入这一领域，然而只能在有限资源中抽样整合，达不到刑侦的需要。

1 整体云平台构架设计

图1 整体云平台系统

整体系统性能特性分析：

1）当大规模数据房屋内传统数据库时，磁盘输入输出便成为性能瓶颈，使得响应时间过长，而多台互联Cache server将高速内存作为存储介质，可以在理想状态下等到DRAM级的读写性能。

2）扩张性能好，可以动态的修改节点灵活应对访问负载，最大限度的提高资源利用率。

3）使用方便，API简单，便于统一维护。

4）并行处理过程中，可以共享大量中间计算结果。

5）满足实时性需求。

2 人脸提取拼装系统设计

由于受到目击者对嫌疑犯描述过程中的种种因素影响，需要借助于公安系统资源库中的图片甄选出相似的图像进行比对，而对于甄选和比对两项工作对于人肉眼识别是相当困难的，并且从中选出符合特征的人物则更难，使得这项刑侦工作开展起来非常困难。目前，刑侦中有专门针对目击者口述现场描绘嫌疑犯图像的专家，而此类专家较少能成功绘制出罪犯完全相同相貌的人更少。在此工作中，专家需要付出大量的时间反复和目击者交谈，并且反复修改知道目击者认为合适为止，这给刑侦工作带来诸多不便。

目前，国际国内均有一些软件在做人脸拼装的，然而没有考虑利用云平台整合资源，扩大资源库，使得刑侦专家可以快速的绘制嫌疑犯人脸肖像。该文针对这一问题开发系统架构思想如下：

1）整体系统功能选择分为图像绘制和图像查询两大模块。

2）绘制模块下首先选择发型脸型，再交予目击者确认并修改，其次选择五官及配饰，再交予目击者确认并修改，最终形成目标图上传云平台。

3）图像查询模块确认云平台访问权限并进入资源库进行数据查询。

在以上系统设计中重点注意：

1）发型、脸型、五官、配饰数据资源均需要来自云数据平台。

2）云数据平台对于本系统给予输入输出权限。

3）安全机制是需要重视的首要问题，公安系统刑侦过程需要数据的保密性，故安全机制遵循公安系统内部安全要求。

4）在供述者当时的心情，自然环境等多种因素下，需要结合心理学的刑侦手段尽量让供述者给出相对确切的描述。

5）绘制者尽量少的给出可选择的结果图供目击者甄别。

实验

3 实验步骤

1）假设甲为目击者，与图示人物见面且绘制者不得见到该图示人物。

2）系统中存储的照片直接生成轮廓为右图所示。

3）目击者向绘制者描述具体细节特征，绘制者利用绘制系统及供述的细节选择特征且润饰修改完成如左图所示。

4）根据供述者对肤色的描述，采用底纹绘制。

基于边缘检测算子的人脸轮廓提取方法得到的人脸轮廓通常不连续，要进行边缘连接。当前人脸轮廓定位方法主要有3类：

1）根据人脸轮廓先验的知识，构建合适的模板，使人脸轮廓提取问题转化为模板匹配问题。Yullie等人[1]使用变形模板，通过动态地改变控制参量将能量函数极小化，通过变形获得与图像的最佳匹配，但该方法面向特定姿态，抗噪能力较弱；

2）主动轮廓模型：利用统计模型实现人脸特征点先验知识的学习，进而实现人脸形状的拟合，由于训练样本及特征点数目的限制，该方法无法灵活地实现任意姿态下人脸轮廓的准确定位；

3）活动轮廓模型：适用于提取任意形状的可变形轮廓，是解决人脸图像分割极具潜力的工具。Harper和Reilly采用局部能量几何活动轮廓模型，成功地分割出视频中的人脸区域，但该方法易受结构性噪声干扰，仍难获得理想的分割效果；黄福珍[2]提出一种在全局能量模型中加入椭圆约束的方法，实现了简单背景下的人脸分割。

4 预期及展望

针对人脸绘制系统开发，该文提供了流程。对于目前刑侦工作的长远发展，计算机合成真实感人脸是发展的重点方向，但由于国内资金、软件、硬件、技术人员匮乏，这种高科技刑侦手段很难普及。刑侦过程中仍然使用2D外观的方法可以在一定程度上规避3D方法中人物姿态或者光照等变化问题，快速定位面部特征。今后仍需要针对大型人脸库（FERET and FRGC v2.0）进行系统实验，改进人脸绘制系统。

参考文献：

[1] Yuille A L，Hallinan P W，Cohen D S.Feature extraction from faces using deformable templates.Int‘1 Journal of Computer Vision，1992，8：99-111.[doi：10.1007/BF00127169]

[2] Huang F Z，Su J B，Xi Y G.Geometric active contours for face contour extraction..Journal of Image and Graphics，2003，8（5）：66-70（in Chinese with English abstract）.