本文提出了一种基于大数据与人工智能分析的现代人口管控技术，研究了复杂条件下人像识别技术，并将成功应用于基层实战，探索了一条结合集成实际的信息化建设的道。其能够有效整合跨警种、跨部门的人员信息资源，有效的提升公共安全领域的信息化水平，并在实战中取得优异成绩。
随着经济的高速发展以及城镇化进程的加快，我国城市人口日趋密集，城市人口流动性也大大增加，但是各种犯罪活动也爆发式增长，犯罪手段也越来越丰富隐秘，如通过使用多重身份证、假身份行犯罪，逃避等，加之交通便利、人口流动性大，更加大了工作人员打击犯罪嫌疑人的难度与力度。
当前城市治安视频系统正处在大规模建设阶段的后期，地方也投入大量资金人力去建设平安城市，但是仅仅依靠采集到的视频图像。当前应用的现状是仅仅各级中心走马观花的看看各点的视频，和在发生案件后刑侦部门为查找线索翻翻资料。这种简单的应用对于几千万甚至几个亿的建设投资，或每年成百上千万租赁费用来讲，显然是远远不够的。同时在大规模视频系统中，因其缺乏对视频的智能分析，要在海量的视频以及百万计的照片库中找出犯罪嫌疑人，不仅费时费力，还有可能造成遗©等情况，破案的效率大打折扣。对治安事件无法实时记录和预警;长期观察视频也突显了人员疲劳的局限性;而且海量的数据难以管理和有效查看。对刑侦视频破案、对犯罪嫌疑人、重点高危人员实时布控等需要智能信息技术的支撑。
进一步，由于没有统一建设一个信息化平台，造成了机关各部门的信息资源不能得到充分的利用，也不能为领导的决策提供及时、准确、详细的可靠依据。各级各部门的信息化建设目前基本处在各自应用的水平，没有达到各警种各部门之间的信息共享，各类信息的应用资源没有得到充分的挖掘和合理有效的综合利用，还不能为领导决策提供科学及时的服务，也不能为一线提供全天候、全方位、全过程的综合信息支持。
在进入人工智能时代，人脸识别技术在以上情况下解决视频、图片等非结构化信息到人员照片、身份信息等结构化的转变。针对目前现存的社会维稳、反恐工作压力巨大，警力资源有限，传统工作模式和技术手段难以支撑等各种问题，需要建立一套专业的人脸大数据实战应用平台，助力办案业务智能化。比如，对案发嫌疑人进行视频侦查需要对嫌疑人的动态活动轨迹、社会关系等的数据的及时采集和分析，对重点场所的防控离不开对场所的人流趋势、风险因素等深度分析;对重点人群的服务离不开对重点人群的组成、行为习惯等的分析;对社会矛盾的化解离不开对幕后推手的深挖。
因此，结合实战，研究基于大数据与人工智能分析的现代人口管控技术与应用，就可以最大限度发挥各类人像数据资源的作用，为各级机关和各警种提供服务，实现以“人脸”找人，深挖各类影像数据的实战价值，为实战提供简单、高效、实用的技术手段。
同时将人像比对应用“嵌入”到平安城视频系统中，在治安和刑侦业务开展环节，实现可疑身份、在逃份子等有效监管，能够有效利用现有视频资源。通过后期查询抓拍库的人员，确认出现在某个摄像机下的人员身份，能够有效犯罪，消除社会治安隐患。
人像比对就是在寻找一种人像的描述方式，能够不受各种因素影响。但是，无论是最早使用的几何描述方式还是后来比较常用的代数描述方式，都不可避免地存在各种干扰。正因为在人脸识别的过程中存在上述的各种各样的问题，因此在实际的检测和识别过程中，当这些因素叠加到一起的时候，情况就变得更加复杂，轻微的光线变化就有可能导致识别失败。本文的研究是基于深度神经网络，通过引入深度学习技术，提升人像比对准确率，适应实战需要。
为了解决深度神经网络需要大量数据的问题，我们提出了分层矢量化多信息表达体系。分层矢量化实际上是一个多层的特征编码的过程。一个单层的特征编码由以下几个步骤组成：首先，对图片库里所有的人脸图像进行分块；其次对每块区域提取局部特征(如LBP、SIFT)形成局部特征描述子；然后，对所有局部特征进行量化形成字典；最后，根据字典信息和人脸图像的映射，编码形脸图像的特征向量，我们定义该特征向量为人脸DNA。
人脸DNA特征能够很好的描述特定人脸的不变量，该特征对人脸光线、角度、表情以及各种图片噪声具有一定的抗干扰性，再由双层异构深度神经网络进行优化与学习，人脸的区分性更强，识别效果更佳。
举个例子：我们认一个人，最简单的从这个人的身高、体型出发、发型等来判断是谁(认知第一层);更深一层从这个人的人脸、骨骼、虹膜、指纹来确认这个人的身份(认知第二层);更深层次，我们可以通过这个人的DNA来确认这个人的真实身份(认知第三层)。所以认知一个人，随着逐层深入，一层比一层更加可靠。
人脸DNA类似，在计算机人脸识别过程中，我们可以将人脸的最外在特征眼睛大小形状(丹凤眼、浓眉大眼等)，鼻子形状(鹰钩鼻、平鼻)，嘴的大小形状(樱桃小嘴)理解成第一层;可以将眼睛的距离，五官的，脸的轮廓等理解成第二层;将人脸信息更抽象，提炼出人脸不随光照、角度、年龄等影响的特征，就是更深的层，我们定义为人脸DNA。
为了将两张照片映射到同一特征空间中进行比较，在异构深度神经网络基础上，我们提出了双层异构深度神经网络模型。此模型中每层都是一个深度网络(分别以两张照片为输入)，在训练时采用二分类损失函数并对两个网络中对应权值的差异性进行正则化，可实现不同图像空间到相同特征空间的映射。在特征空间中，相同身份人脸图像的类内差异变小，而不同身份人脸图像的类间差异变大，从而增强了特征的判别性。
以人证合一为例：人的证件照要和现场的抓拍照或者普通照片上的人脸进行比对，我们不能直接拿来比对，这样因为年龄、光照等各种信息影响，识别不准。我们应该将证件照送到深度神经网络的一层，现场照送到深度神经网络的另一层，两张照片通过两层不同的网相互交换信息(年龄差距、角度差距、光照影响等)，逐渐的去掉这些对人脸识别不利的因素，将两张人脸照片映射到同一个可比的空间再进行比较。
本文研究设计的现代人口管控系统采用“部-省-市-县”四级架构部署，分为视频专网平台及网平台两部分。
在各级视频专网和网的人像实战平台内部署视频人像处理模块，负责对视频流进行分析，包括生脸抓拍图像、人脸建模特征及人像结构化数据等，建模数据和结构化数据通过汇聚平台经由安全平台同步推送至网内进行汇聚存储。
视频专网人像实战平台主要对本级平台汇集的视频流及卡口数据进行特征提取建模及结构化，融合下级平台推送的重点特征及结构化数据建立人脸基础数据库，进行非涉密事件的人脸静态比对及人脸动态布控。同时结合平台汇集的告警及wifi探针等数据，构建大数据碰撞数据库，实现重点关注目标人员信息和活动状态确认，以及近期动向的预判，最终能确认重点关注目标的活动区域落脚点，实现主动式防控。
1、在前端建设方面，基于互联网网、视频专网、网在市、区重要区域建设前端人脸数据采集点，包括：所有居民小区居民楼联动门禁的人像前端、封闭小区、酒店、商住楼、写字楼出入口以及口等重要区域的人脸前端、满足各部门、各警种以及情报研判、侦查破案、治安防控、反恐防暴等工作对人员图像信息的数据需求;
2、建设基于互联网、视频专网和网的人像大数据平台，完像数据汇聚、关联、碰撞，建立人像数据与专业数据之间的关联关系，形成统一的数据融合大数据库，并提供各种直接面对用户的业务服务应用;
3、建设一批大数据应用，大幅度提升门对视频资源的使用效能;包括重点人员管控以及各类大数据技战法等;
4、实现综合应用，各类应用的最终目标是：为各警种提供高性能、高智能、高效能、实战性强的人脸实战业务;
泉州市临江辖区面积1.7平方公里，共有临江属于老城区，辖区内有着大量的古民居、老式自建小区、式无物业小区以及背街小巷，同时辖区内的教场所、医院、学校等重点场所、部位集中，治安管理复杂。同时，现在的案件侦破很多依赖于视频的延伸，单纯依靠去这海量视频资源中去发现有价值的信息，耗费了大量的人力和精力。
在市局、各级领导的指导下，市局、鲤城、临江所以及云从公司深入临江所辖区各类实际的警务实战需求和治安防控需求基础上进行创新，以视频人脸识别为核心，联合研发了人脸大数据平台，通过覆盖辖区重点部位的视频及智能化人脸识别分析，结合各类日常警务实战应用，形成了一整套以人脸为核心“打、防、管、控”的智能化主动立体防控体系。
泉州人脸大数据平台是基于人脸识别及大数据分析技术，在深入理解业务实战需求基础上，结合ArcGIS等各类离线地图技术，通过接入摄像机、各类人证核验设备等，以精准检索、全城追踪、一键布控、区域巡查、重点人员管理，小区流动人员管控等各类人脸战法为核心的智能化人脸识别业务实战系统。
泉州系统从今年1月份开始建设以来稳定运行，各项系统功能和性能不断完善。现已形成以双网双平台为基础的，具有各类丰富业务实战战法的，深受一线基层好评的，对接警务通APP实时报警推送的高效成熟人脸识别实战系统。
泉州系统已成功为预警2名全国在逃人员，协助、临江所快速破获“3.3易建福偷车案”、“黄永程盗窃电动车案”、“谢少华盗窃电动车”案等多起系列盗窃案件。系统的识别率、功能也在不断提高。临江也将重点人员通过警务通APP日常出现报警、小区人员陌生人员频次统计分析等功能融入了日常工作中。 基于泉州系统的新风小区“智能门卫”系统，极大的提升了居民的安全感，深受群众好评。
本文提出了一种基于大数据与人工智能分析的现代人口管控技术，其研究技术成功应用于基层实战系统，通过共享人像库信息，加强跨警种、跨部门的人员信息资源的整合和综合利用，有效的提升公共安全领域中特殊人群、恐怖布防、涉案人员追逃等人员的追踪能力，对社会治安管理、刑侦分析、反恐维稳起到积极的作用。