有可能利用監控實時識別每一個出現的人么？

01-14

計算機遍歷一遍所有人的照片要用多久？（比如利用身份證照片）或者在識別過程中有更好的演算法，不需要去遍歷一遍？

謝邀。這個場景已經被實現了。

一些國家安全部門如FBI （美國聯邦調查局）多年來一直使用Next Generation Identification進行各種案情處理，2014年公開宣布將使用FACE（以色列的一家科技公司，被Facebook收購）的人臉識別系統與監控系統獲得面部圖像相結合，同時利用資料庫中存儲的指紋、掌紋、護照或銀行卡記錄等其他身份識別特徵信息，幫助警方快速鎖定犯罪嫌疑人。截止2016年已經存儲了約4.11億張的面部照片（FBI"s facial recognition system can access 411 million photos）。

你的問題有點含糊， "有可能利用監控實時識別每一個出現的人么？" 其實包含了幾個要素，第一個是監控，第二個是實時，第三個是每一個。最後才是識別。

這四個要素，如果二二組合的話，基本上現在主流技術都可以了，但是三三組合的話，夠嗆。四個加一起，我認為當前科技水準還是達不到的。我逐一簡單說下技術難點在那兒。

第一就是監控，這些年數碼成像技術發展很快，九十年代虹膜識別的難點之一的高清攝像頭現在已經普及到了中端手機上，但是在CCTV領域，一個是成本原因，二是視野寬度原因，監控攝像頭的像素雖然夠了，但是成像距離制約了最後具體到個人的像素總量。除非是雲台操控拉近了距離的特寫，否則人像是很模糊的，就這一點就排除了市面上絕大部分主流的人臉識別技術。

第二個是每一個，人臉識別主要還是特徵點演算法，但是多人識別的話，對演算法就有更高的要求的，簡單比方，比如這個演算法是首先確認兩眼和嘴巴三角區域取值，側臉你就沒辦法了，或者兩個人正好借位重合一個人的一隻眼睛和另外一個人的一隻眼睛加上嘴巴被判斷為一個三角區域。在監控像素不夠的話，這個三角區域的取值範圍更加難以確定。

第三個就是實時了。總的來說，人臉識別有是人和是誰兩個層次，第一步你先判斷是個人，取特徵值，然後資料庫對比，是誰。大部分的安防級別產品是略去了第一步的，直接取值，然後進行資料庫對比。對比演算法很多，最簡單的就是1比1，就是你先輸入工號，只需要對比是不是你，這個速度是很快的。麻煩一點是1比N,就是不知道你是誰，先去特徵值，然後去資料庫找。這裡面就有一個取捨問題。如果是民用產品，可能會區域化資料庫，就是不同的特徵點被區塊化放置排除，比如先排除不是長頭髮的，再排除雙眼皮的，再排除臉上有痣的之類，這樣演算法速度快很多，但是拒登率很高。這也是民用產品常常要識別幾次才通過的原因。但是高安產品就不行，他一定是遍歷的，這個速度就慢很多了。在當前的計算機速度下。除非你奢侈到這種事情也動用超級計算機，否則一般的伺服器，遍歷4億張照片，沒幾個小時下不來，甚至要幾天。所以樓上提到的 Next Generation Identification產品，我猜測主要還是搜尋特定目標時候才用，確定特徵點，然後實時在監控裡面找相似人物，或者是拿監控照片，在資料庫裡面1比N的遍歷尋找確定身份。

至於識別，這就不用多說了。

總之，生物識別技術，是受制當前科技水平的，既包括計算機速度，也包括數學演算法的創新，還包含了其他條件的制約。用安防術語來說，人防物防技防是三防要合一的。單純的指望某一項技術就能達到這個目標是不可能的。比如這個問題還包括你的監控鏡頭是包含所有目標區域？不受惡劣天氣和光照影響？甚至日常維護鏡頭沒有？，一粒灰塵都可能讓計算機錯判。

以上，你的問題是，目前不可能，而且沒有額外環境便利條件下相當長的時間都不可能。

理論上基本可以實現，而且也有一些產品，但要做到實時準確識別每一個人（我理解的是任何人），這運算量小不了，而且準確分辨每一個人，還是實時的，這難度可想而知！

可以搜一下人員卡口攝像機

我大學剛畢業就是在一家公司做這樣的產品，因為demo準確率不錯，某市公安就成了公司的長期客戶。對比當然不可能是遍歷庫里的照片，效率太低了，更常見的做法是直接對比特徵值。涉及保密，就不具體透露了。

可以，現在已經有產品了，海康的深眸人臉，安防展上有展示的。

首先，題主提出的"有可能利用監控實時識別每一個出現的人么？"是沒有問題的，但如果精準到確定就是這個人，是遠沒有達到那麼強大的地步，雖然在理論上（實驗室狀態）深度學習是實現了高達99.5%+的人像識別率。但實際情況並沒有那麼理想，借用樓上的兄台所言，存儲4.11億張面部照片，在人像識別領域，且不說人種不同造成的特徵值變動。單單就4億的數量級所出現的相似人臉就足夠造成比對的大幅差距。（一切所謂的準確率都是在一定的庫容範圍內的，無線大的庫容是出現的「一樣」的人像的幾率是100%）

演算法方面我不太清楚，目前了解還是採用遍歷的方式，如果是實時的視頻就實時提取人像然後比對。如果是歷史的監控視頻則多採用將視頻文件分段結構化方式將片段中出現的人臉進行提取並進與目標庫進行比對。

能夠初步識別，但是沒有那麼精準

機器夠，運算能力是可以水平拓展的。實時人臉識別已經在國外實驗性應用了。