摘要：人脸识别支付是指通过人脸识别技术实现无感支付的过程。在轨道交通环境下，乘客通过人脸识别支付完成购票、过闸等操作，可实现乘车需求。人脸识别支付技术在银行、商超、小额支付等行业应用广泛，个别城市轨道交通也在积极探索实现路径，但是尚未大规模推广普及。本文对人脸识别技术特点进行分析，在调研了解国内其他城市轨道交通人脸识别支付应用的基础上，提出人脸识别支付与地铁售检票系统相结合的实施建议。

0、引言

习近平总书记在十三届全国人大会议时强调，发展是第一要务，人才是第一资源，创新是第一动力。随着智慧城市建设在全球范围内开展，“人工智能（AI）”“大数据”“5G”“云计算”等新技术正逐步走入人们日常生活，智慧交通作为智慧城市建设的重要构成部分，从技术层面来讲，尤其需要重视发展和创新。

作为人工智能（AI）发展的关键一环，人脸识别支付技术以其技术先进、方便快捷、安全可靠等优点深受瞩目，也成为各城市轨道交通售检票系统智能化建设中格外重视的一项创新技术。

1、人脸识别技术分析

人脸识别是指通过摄像头采集人脸的面部特征信息，并对检测到的人脸进行身份识别的一种生物识别技术。人脸识别技术集成了计算机图形学、可视化、机器学习、模式识别、数字图像处理、活体检测、大数据分析、安全加密等多种专业技术，具有以下技术实施优势：

1.1人脸识别模式

人脸识别主要有人脸验证（1∶1）、人脸辨认（1∶N）、人脸检索（M：N）3种模式。

（1）在人脸验证1∶1模式下，就是将A/B两张人脸图像进行比对，计算相似数值是否超过设定的量化阈值，从而判断A和B是否为同一人。比如支付宝的人脸比对苹果手机的Face ID、高铁站的人脸+身份证过闸等，使用的就是这种模式。

（2）在人脸辨认1∶N模式下，就是将A人脸图像与人脸特征库中多人的人脸图像进行比对辨认，根据辨认结果鉴定A的身份，或找到其中最相似的人脸信息。比如人脸识别门禁系统、失踪人口搜寻等，使用的就是这种模式。

（3）在人脸检索M：N模式下，“M”代表摄像头捕捉到的待辨识的人脸图像数，“N”代表人脸特征库中已存的人脸图像数。这种模式对服务器计算能力、网络带宽、传输速率要求非常严苛，目前的科技发展下实现较为困难。

1.2人脸识别流程

人脸识别技术的实现，需要搭建功能齐全的人脸识别系统，配备优质的网络条件，并在后台建立完善的人脸特征库。在人脸识别过程中，通常包括人脸图像获取、人脸检测、人脸图像预处理、人脸特征对比识别等几个过程。流程图如下：

图1人脸识别技术流程

经过整个识别流程，最后输出结果。

2、部分城市轨道交通人脸识别支付应用情况

根据初步调研了解，目前国内已有部分城市轨道交通尝试上线人脸识别支付过闸。调研情况见下表：

从上表可知，郑州地铁和济南地铁已正式上线包含付费人群的人脸识别支付系统，并已在全线网所有车站设置了人脸识别支付终端设备；其他几家地铁公司仅针对免费人群试点上线了人脸过闸设备。

据调研了解，各家地铁公司均采用人脸辨认1∶N模式。

3、人脸识别支付在售检票系统应用方案

售检票系统是基于计算机、通信、网络、自动控制等技术，实现城市轨道交通售票、检票、计费、收费、统计、清算等管理全过程自动化的系统。按照《GB50157-2013地铁设计规范》要求，售检票系统宜由清分系统、线路中央计算机系统、车站计算机系统、车站终端设备、传输通道和车票构成[2]。国内地铁售检票系统通常采用标准的五层架构体系，见下图。

图2售检票系统五层架构图

考虑到城市轨道交通的实际应用场景，同时参考同行业实施经验，人脸识别支付技术在地铁AFC系统应用宜采用人脸辨认1∶N模式。技术解决方案如下：

3.1人脸识别系统与售检票后台系统结合

建立人脸识别云平台和各层级人脸特征库，并与售检票后台系统进行集成，具体如下：

（1）搭建实名信用账户体系，实现人脸识别乘客的实名账户信息管理，包括账户新立、账户黑名单、会员积分、账户注销等。

（2）搭建线网中心级、车站级的人脸特征库，实现人脸特征库信息的增、删、改、查及日常维护等。

（3）搭建高速网络通道，实现与车站终端设备实时在线通信交互。

（4）搭建与外部支付渠道接口，接收并处理车站终端设备上传的人脸识别交易文件，实现人脸识别交易的清分、对账、结算功能，并生成相应报表。

3.2人脸识别系统与车站终端设备结合

（1）在检票机、售票机内嵌人脸识别模块。通过外置摄像头设备采集和检测乘客人脸图像，与后台人脸特征库进行比对；车站终端设备根据反馈结果完成后续操作，并在乘客显示屏上显示乘客人脸图像、账户ID等信息。

同时，车站终端设备还实现人脸识别交易数据处理、串口报文解析以及与人脸识别后台服务实时通信等。

（2）新增智能客服终端，实现乘客会员申请、人脸图像采集、人脸照片更新、刷脸进出站交易记录查询、刷脸进出站异常交易处理等功能，作为地铁App的线下自助服务设备。

3.3技术难点解决措施

乘客使用人脸识别支付乘坐地铁前，需要通过地铁App或智能客服终端完成人脸图像上传和实名注册，此阶段需对图像清晰度、图像亮度、面部表情、姿态等提出一定要求。

此过程涉及技术难点及解决措施如下：

（1）信息安全性问题。人脸识别支付系统保留乘客的实名账户、人脸图像等涉及乘客隐私的关键信息，因此需要建立完善的安全防护机制和管控措施，保证乘客隐私安全。

在全线网大规模推广人脸识别支付前，建议提高人脸识别系统的信息安全等级，符合金融级安全标准；同时，根据人脸识别行业相关安全法规，制定适合轨道交通行业的管理制度。

（2）识别精度问题。在轨道交通车站现场环境下，人脸识别成功率难免会受到站内灯光照明、乘客姿态表情、网络通讯速度以及人脸面部遮挡等因素的影响。因此需要根据现场实际环境，测试、调整人脸识别模块的功能参数；增设移动网络信息点，确保人脸识别系统通讯顺畅；同时利用人工智能自学习能力，通过大量实验数据不断更新完善人脸识别算法，提高识别精度。

在人脸识别系统上线初期，建议通过仅限特定人员（如工作人员、单线通勤乘客）使用的方式来逐步检验和校正算法，并加强现场乘客使用引导，让乘客养成正确的使用习惯。待识别效果达到预期后，再向全线网推广。

（3）识别速率问题。随着轨道交通客流的不断增长，人脸特征库的数据信息也随之增长，人脸辨认1∶N模式的比对速度相应也会受到影响。尤其在乘客过闸阶段，识别速率无法满足现场乘客通行需求时，极易造成车站现场的客流拥堵。因此需要通过采取一定的技术措施，提高人脸图像的比对识别速度。

由于人脸辨认1∶N的识别速率与人脸特征库的信息量直接相关，建议通过缩库的方式提高现场识别速率。田沃在《城市轨道交通AFC系统人脸识别技术应用研究》中提出了一种基于地铁App定位的方法，在入站口通过获取乘客手机位置信息权限，实现车站级人脸特征库的缩库操作。缩库及识别流程如下：

图2基于入站口缩库操作的识别流程[3]

人脸识别云平台根据地铁App实时上传的乘客定位信息及移动轨迹等特征值，判断乘客是否已进入地铁车站入口，并通过以下措施实现缩库操作：

a.乘客进入地铁车站入口时，人脸识别云平台对车站入口摄像头采集的乘客人脸图像进行预处理，将与该乘客人脸特征相似的图像信息传送至该车站本地的人脸特征库。

b.乘客过闸时，摄像头检测乘客人脸图像，实时上传后与车站级人脸特征库进行1：N比对，并反馈结果，实现乘客过闸和后台信用扣费；乘客完成过闸后，车站级人脸特征库再将该乘客人脸信息删除，同时上传过闸交易至人脸识别云平台。

针对日常通勤等具备固定乘车路线的乘客，可引导该类乘客预先在地铁App内设置常用路线，人脸识别云平台根据位置信息可及时将乘客人脸信息下发至相关车站，进一步提升通行效率。

4、结束语

人脸识别支付作为一种技术创新应用，一方面推动了轨道交通行业向着智能化方向发展，助力智慧城市建设；另一方面，也为轨道交通运营企业带来了增值效益，包括效率提升、服务提升、成本节约、数据增值等。

参考文献

[1]城市轨道交通自动售检票系统工程质量验收标准：GB/T 50381-2018[S]．北京：中国计划出版社，2018．

[2]地铁设计规范：GB50157-2013[S]．北京：中国计划出版社，2013．

[3]田沃．城市轨道交通AFC系统人脸识别技术应用研究[J]．信息与电脑，2019．