1、课题来源与背景：视频动态人脸识别不要求检测对象停驻等待，在一定识别范围内，系统就会自动进行识别，摄像头会进行信息的抓拍和采集，发出相应的指令，进行动态人脸识别。针对疫情环境下的人脸识别问题，如果要求除去乘客的口罩，再进行身份验证，难免将公众长时间暴露于人群聚集的高风险场景中，而且增加工作人员负担，排查效率低。人体再识别技术通过建立跨摄像枪、跨场景的行人图像建立对应关系，在拍不到人脸情况下，根据其衣着，发型、体貌等特征，追踪回人脸信息。人体再识别问题中的图片来源于不同的摄像头，然而，由于不同摄像头所处的角度、光照等环境的影响，在监控视频的人脸、人体进行识别过程中广泛存在以下三个问题：首先，由于实际监控环境中，无法使用脸部的有效信息，只能利用行人的外貌特征来进行识别；其次，在不同摄像头中，由于尺度、光照和角度的变化，同一个行人的不同图片中，外貌特征会有一定程度的变化；最后，由于行人姿势及摄像头角度的变化，在不同摄像头中，不同行人的外貌特征可能比同一个人的外貌特征更相似。
针对上述问题，本项目针对治安视频中大量没有捕捉到清晰人脸的人像数据沉睡问题，研究视频动态人脸与人体智能识别聚类分析技术、佩戴口罩场景下的人脸识别技术、跨省检索技术等，实现视频人像数据的再利用。

2、技术原理及性能指标：致力于研究动态人脸与人体再识别的协同处理算法，开发基于人体再识别技术的人像识别系统，支持人脸、人体相互检索，实现跨摄像头、跨场景下的行人识别与检索功能。项目提出基于非局部机制的多级模块特征的对抗生成行人再识别方法，研究视频动态人脸与人体再识别协同处理算法，实现人脸、人体的互相检索，在拍不到人脸情况下，根据人体信息认知行人；设计了局部与整体人脸特征交叉融合的戴口罩人脸识别方法，提高佩戴口罩人脸识别准确度；构建基于姿态辅助遮挡人体再识别的“一人一档”系统构建方法，设计基于大模型预训练的人脸、人体协同聚类方法，解决人脸和人体协同检索的长时间、大规模、多属性问题；研究设计跨省跨平台人像资源共享应用机制，实现跨省流动人员身份的快速确认；开发视频动态人脸与人体再识别聚类分析系统，支持动态布控、轨迹分析、同伙分析、昼伏夜出、徘徊分析等技战法；完成动态人脸与人体再识别算法与软件开发，适用接入量不低于1000路的视频前端设备，在可获得清晰人脸的户外或室内场景下，首位命中率98%；实现跨摄像头、跨场景下人脸与人体的互相检索，命中率96%；正确佩戴口罩场景下，人脸识别率90%，支持不少于5个省份的共享与联动，实现千万级人脸规模下，人脸检索结果的前十位命中率96%，检索时间1.49秒，全面达到指标要求，已在广东省公安厅、广州市公安局进行部署。

3、技术的创造性与先进性：（1）提出动态人脸与人体再识别协同处理算法，实现人脸、人体的互相检索，在拍不到人脸情况下，根据人体信息认知行人；（2）在3.5亿人脸数据库基础上，利用生成对抗网络深度学习算法，提高佩戴口罩人脸识别准确度；（3）首创利用分布式聚类方法建立“一人一档”系统，提高聚类的准确度；（4）首创跨省跨平台人像资源共享应用机制，实现跨省流动人员身份的快速确认。
 4、技术的成熟程度，适用范围和安全性：本项目解决了国内视频动态人脸与人体再识别的“卡脖子”问题，并通过千万人口级别城市的人像大数据应用，满足大规模、多场景的公安业务需求，有效促进人工智能技术在社会治理领域的发展。

5、应用情况及存在的问题：已在广东省公安厅、广州市公安局进行部署。已完成公安重点关注区域或城市全域的图像围栏设计，对现有人像识别系统进行升级，视频进行全解析识别，实现视频人像数据的再利用，激活公共安全视频监控数据价值。

6、历年获奖情况：无。