封 順

（吉林警察學(xué)院，吉林 長(zhǎng)春 130117）

當(dāng)前，人工智能在公安實(shí)戰(zhàn)領(lǐng)域中有諸多應(yīng)用，在人像比對(duì)、車(chē)盤(pán)識(shí)別、軌跡追蹤、指紋和足跡比對(duì)、智能視頻監(jiān)控、視頻結(jié)構(gòu)化等方面已取得很好的實(shí)戰(zhàn)效果。隨著深度學(xué)習(xí)的快速發(fā)展，超分辨率、語(yǔ)音識(shí)別、聲紋識(shí)別與比對(duì)、人體姿態(tài)異常識(shí)別、人像合成等技術(shù)未來(lái)可在公安實(shí)戰(zhàn)中發(fā)揮重要作用。[1]

失蹤、被拐賣(mài)兒童尋找，長(zhǎng)期潛逃犯罪嫌疑人識(shí)別與追蹤，舊案積案等偵辦時(shí)間跨度較長(zhǎng)的案件都是當(dāng)前公安偵辦的難點(diǎn)和重點(diǎn)。人臉中的表情、性別、年齡等蘊(yùn)藏著豐富的視覺(jué)信息，但會(huì)隨著歲月的流逝和生活環(huán)境的變遷，人臉面貌特征會(huì)發(fā)生變化，這給跨越年齡的案件偵破帶來(lái)了極大的難度。以往通常由“模擬畫(huà)像”專(zhuān)家根據(jù)警方掌握的照片，依據(jù)多年經(jīng)驗(yàn)手動(dòng)繪制逃亡多年的犯人或走失兒童當(dāng)前相貌，這需要長(zhǎng)時(shí)間的專(zhuān)業(yè)訓(xùn)練和掌握相當(dāng)多的專(zhuān)業(yè)知識(shí)，并且花費(fèi)大量的財(cái)力和時(shí)間去積累經(jīng)驗(yàn)，這些因素限制了這一技術(shù)的普及和推廣。人臉年齡合成技術(shù)可根據(jù)當(dāng)前輸入的人像去推測(cè)人臉未來(lái)或者之前的模樣，這為跨年齡人臉面貌推測(cè)提供了一種新的技術(shù)方法，為跨年齡案件偵破以及法庭判決、人臉比對(duì)提供了新的解決途徑和技術(shù)支撐。

人臉年齡合成是在保持身份特征的前提下，展現(xiàn)一個(gè)人一生中不同年齡的面部變化過(guò)程。輸入單一人臉圖像進(jìn)行建模，伴隨著年齡的變化，合成老化和年輕化的多張人臉圖像。[2]目前，用于人臉合成技術(shù)有三種：基于物理模型的方法、基于原型的方法和深度學(xué)習(xí)方法。傳統(tǒng)的基于物理模型的方法和基于原型的方法，主要關(guān)注于為特定的衰老因子建立單獨(dú)的模型，如面部區(qū)域變化、皺紋、顱面生長(zhǎng)等，通過(guò)計(jì)算人臉年齡組的平均值和它們之間的過(guò)渡形態(tài)來(lái)完成人臉的變換，雖然使得人臉相貌有老化的跡象，但不能準(zhǔn)確表達(dá)老化的機(jī)理，限制了年齡轉(zhuǎn)換的多樣性，使得生成人臉面孔不真實(shí)；基于深度學(xué)習(xí)的人臉年齡合成技術(shù)主要運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和生成對(duì)抗網(wǎng)絡(luò)建立映射模型，相比于傳統(tǒng)方法在人臉的真實(shí)性、算法的效率性、皺紋紋理、個(gè)人特征、頭部形狀等都取得了不錯(cuò)的效果。

一、人臉年齡合成技術(shù)

（一）基于物理模型的年齡轉(zhuǎn)換方法

基于物理模型的年齡轉(zhuǎn)換方法是通過(guò)表征人臉面部參數(shù)模型隨時(shí)間消失的變化來(lái)模擬人臉老化過(guò)程，仿真模擬出人臉的臉型輪廓、皮膚紋理、肌肉緊松的變化等。對(duì)于同一張人臉，可建立不同模型，如參數(shù)模型、肌肉模型、幾何模型、張力網(wǎng)模型、紋理映射模型、表情和皺紋幾何混合模型、主動(dòng)外觀模型等。[2]

Wu 等人建立了一個(gè)皮膚模型用以模仿人臉變老的過(guò)程，[3]Boissieux 等也進(jìn)行了類(lèi)似的工作。[4]雖然對(duì)人臉面貌變老有較好的效果，但是該模型為動(dòng)畫(huà)模型，直接用于真實(shí)人臉還有諸多限制。Lanitis 等人采用主動(dòng)外觀模型(Actice Appearance Model，AAM) 參數(shù)化采樣人臉形狀來(lái)構(gòu)建面部模型，[5]使用主成分分析方法建立描述形狀和紋理信息，利用待轉(zhuǎn)換的人臉與數(shù)據(jù)庫(kù)中人臉圖像的相似性計(jì)算衰老參數(shù)，最后使用參數(shù)來(lái)控制特征點(diǎn)的位置變化從而模擬年齡變換的過(guò)程。其生成圖像保留了原始圖像的基本特征，消除了光照、位置、角度對(duì)于年齡轉(zhuǎn)換的影響，但真實(shí)性與準(zhǔn)確性受數(shù)據(jù)庫(kù)影響較大。Berg 等人針對(duì)人體輪匝肌建立肌肉模型來(lái)模仿年齡變老的大致過(guò)程，[6]雖然重構(gòu)還原出二維人像的最后模擬結(jié)果，但是這類(lèi)方法模型復(fù)雜度很高，運(yùn)算量很大，且難于實(shí)現(xiàn)，實(shí)用化程度不高。Suo 等人提出一種多層表示的多分辨率動(dòng)態(tài)模型，[7]人臉模型采用一種分層的“與或圖(Hierarchic And-Or graph)”圖譜表示，將人臉?lè)譃檎w層、五官層和皺紋層三個(gè)層次，采用動(dòng)態(tài)的馬爾科夫鏈來(lái)對(duì)人臉的老化過(guò)程顯式建模。由于當(dāng)時(shí)搜集同一人不同年齡段的人像十分困難，合成后的人像缺乏個(gè)體特征、分辨率比較低、面部細(xì)節(jié)特征較差。

傳統(tǒng)的基于物理模型方法聚焦于人臉輪廓、五官形狀、皮膚和紋理等結(jié)構(gòu)變化，機(jī)械的模擬輪廓生長(zhǎng)和面部肌肉隨時(shí)間消逝的變化，要求研究者有一定的解剖學(xué)和醫(yī)學(xué)知識(shí)，通過(guò)調(diào)節(jié)模型參數(shù)可保留部分特體特征。這類(lèi)方法通常模型復(fù)雜，需要大量的數(shù)據(jù)，對(duì)各年齡的面部特征提取要求較高，完成耗時(shí)較長(zhǎng)，計(jì)算成本較大，對(duì)于年齡跨度較小的人臉合成效果較差。

（二）基于原型的年齡轉(zhuǎn)換方法

基于原型的人臉年齡合成方法通常使用離散的年齡段、不同性別、不同種族人像的數(shù)據(jù)庫(kù)，計(jì)算得到不同年齡段的平均人像原型，將不同原型間形狀和紋理的差異融合至輸入的原始人像中以實(shí)現(xiàn)人臉年齡合成。

其中AgingFace(Imageoutput)是年齡合成后目標(biāo)人像，Input(Imageinput)是輸入原始人像，AverageFace(Pt)和AverageFace(Pi) 分別是目標(biāo)年齡和初始年齡對(duì)應(yīng)的平均原型人臉圖像。

人臉原型反映了數(shù)據(jù)庫(kù)中人臉的共性特征，是各年齡段人像平均形狀和紋理的集合。王章野等人基于自建的不同年齡段亞洲黃種人的臉部圖像數(shù)據(jù)庫(kù)，利用臉型輪廓特征構(gòu)建原型人臉，增強(qiáng)紋理特征，調(diào)整形狀和進(jìn)行顏色變換實(shí)現(xiàn)人臉?biāo)ダ蠄D像的合成，達(dá)到皺紋、眼袋、皮膚光澤、毛發(fā)變花白等真實(shí)感的衰老變化效果。[8]為了解決原型算法中個(gè)性特征不足的問(wèn)題，Shu 等人提出一種高效的且利用親屬引導(dǎo)年齡轉(zhuǎn)換(KinGAP)方法，由保持個(gè)體年齡特征、獲取年齡老化趨勢(shì)和引導(dǎo)老化方向三個(gè)模塊組成，結(jié)合了年齡老化趨勢(shì)和個(gè)體特征多樣性，在近親屬面孔的引導(dǎo)下生成具有個(gè)性特征的年齡轉(zhuǎn)換人像。[9]

基于原型人的人臉轉(zhuǎn)換方法綜合評(píng)價(jià)人臉面部皺紋紋理、頭發(fā)顏色、頭部形狀、五官位置等特征隨年齡增長(zhǎng)而產(chǎn)生的面部衰老情況，對(duì)面部紋理變化有較好的效果，算法簡(jiǎn)單、易于實(shí)現(xiàn)。但年齡轉(zhuǎn)換效果受到輸入原始人臉和模型人臉之間的表情和姿態(tài)差異的影響。此外，基于原型的方法是利用相鄰年齡組的平均面孔之間的差異來(lái)遷移年齡模型，忽略了不同人之間的個(gè)體差異，使生成面孔不真實(shí)，易產(chǎn)生重影，雖然有老化的跡象，但不能準(zhǔn)確的表達(dá)老化機(jī)理，限制老化的多樣性。

（三）基于深度學(xué)習(xí)的年齡轉(zhuǎn)換方法

隨著2006 年Hinton 在《Science》雜志上首次提出深度學(xué)習(xí)概念，[10]加之大數(shù)據(jù)和計(jì)算能力飛速發(fā)展，深度學(xué)習(xí)成為當(dāng)前人工智能領(lǐng)域研究熱點(diǎn)，受到了學(xué)術(shù)界與工業(yè)界的雙重關(guān)注。近年來(lái)，很多學(xué)者也將深度學(xué)習(xí)方法應(yīng)用于人臉年齡合成研究，取得了不錯(cuò)的成效。

1.循環(huán)神經(jīng)網(wǎng)絡(luò)在年齡變換中的應(yīng)用。為了解決以往對(duì)相鄰年齡組進(jìn)行人臉變換而出現(xiàn)的重影問(wèn)題，Wang 等人使用深度學(xué)習(xí)模型中的循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network，RNN)來(lái)處理人臉年齡變換問(wèn)題，提出一種基于循環(huán)神經(jīng)網(wǎng)絡(luò)的循環(huán)人臉老化(RFA)框架。[11]該方法利用一個(gè)兩層門(mén)循環(huán)單元作為基本循環(huán)模塊，底層將年輕人臉編碼為淺層表示，頂層將淺層表示解碼為相對(duì)應(yīng)的較老人臉，引用之前的面孔記憶來(lái)生成衰老的面孔，通過(guò)平穩(wěn)的過(guò)渡狀態(tài)來(lái)進(jìn)行年齡轉(zhuǎn)換，這樣既能有效消除重影，又能得到兩個(gè)離散年齡組之間的過(guò)渡年齡人臉。

但生成面孔相鄰年齡之間是一個(gè)平滑的過(guò)程，身份信息并沒(méi)有很好的保留，而且每個(gè)目標(biāo)人臉在訓(xùn)練階段需要多個(gè)連續(xù)年齡組的人臉圖像，在測(cè)試過(guò)程中需要準(zhǔn)確的人臉年齡標(biāo)簽，極大地限制了它的靈活性。

2.生成對(duì)抗網(wǎng)絡(luò)在年齡轉(zhuǎn)換中的應(yīng)用。生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks，GANs)在圖像合成方面表現(xiàn)突出，尤其是生成高質(zhì)量人臉圖像方面展現(xiàn)出了巨大優(yōu)勢(shì)。[12]GANs 網(wǎng)絡(luò)包含生成器G 和判別器D，二者在訓(xùn)練過(guò)程中不斷博弈，來(lái)達(dá)到生成類(lèi)真數(shù)據(jù)的目的。

其中，z是來(lái)自先驗(yàn)概率分布Pz的噪聲樣本，x表示樣本分布Pdata 的一個(gè)真實(shí)人臉圖像。

Zhang 等人提出了條件對(duì)抗自編碼(Conditional Adversarial Autoencoder，CAAE)，假設(shè)人臉圖像處于一種高維流形 (high-dimensional manifold)中，將圖像在這個(gè)流形中沿著某個(gè)特定方向移動(dòng)，使得人臉?lè)从车哪挲g出現(xiàn)特定的變化，包括預(yù)測(cè)未來(lái)年齡變大時(shí)的人臉(Age Progression)，也包括估計(jì)以前年齡較小時(shí)的人臉(Age Regression)。[13]

Xu 等人提出了基于條件生成對(duì)抗網(wǎng)絡(luò)的身份保持人臉老化網(wǎng)絡(luò)(Identity-Preserved Conditional Generative Adversatial Networks，IPCGANs）。[14]身份保持模塊(identity-preserved module)和年齡分類(lèi)器(age classifier) 使合成后人像與原來(lái)輸入的人像為同一個(gè)人，并確保合成的人像在指定的年齡段中；該網(wǎng)絡(luò)可擴(kuò)展至多屬性生成任務(wù)中，例如頭發(fā)顏色，面部表情等不平衡數(shù)據(jù)分類(lèi)場(chǎng)景中。

Or-El 等人以GAN 為基礎(chǔ)提出一種新的多域圖像生成對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)壽命年齡轉(zhuǎn)換合成(Lifespan Age Transformation Synthesis)，旨在從一個(gè)單一的輸入圖像模擬個(gè)體連續(xù)老化的過(guò)程，其學(xué)習(xí)潛空間模型是一個(gè)連續(xù)雙向的人臉年齡合成過(guò)程。[15]該網(wǎng)絡(luò)是在FFHQ 數(shù)據(jù)集上進(jìn)行訓(xùn)練，最小化了數(shù)據(jù)集固有偏差對(duì)訓(xùn)練結(jié)果的影響。模型采用循環(huán)損失和身份特征損失來(lái)保持輸入圖像中人的身份特征信息；年齡向量損失來(lái)確保合成后人像年齡的準(zhǔn)確；對(duì)抗損失來(lái)提升判別器的鑒別能力；自我重建損失來(lái)保證生成器合成人像效果。

Alaluf 等人提出了一種基于SAM (Style-based Age Manipulation)的圖像到圖像(image-to-image)細(xì)粒度年齡轉(zhuǎn)換方法。[16]使用固定的、預(yù)訓(xùn)練的年齡回歸網(wǎng)絡(luò)(SAM)作為訓(xùn)練過(guò)程中的年齡約束來(lái)明確地指導(dǎo)編碼器生成與期望年齡相符的潛在代碼，通過(guò)學(xué)習(xí)到的中間樣式表示來(lái)控制年齡轉(zhuǎn)換，實(shí)現(xiàn)老化/年輕化人臉的合成。

基于深度學(xué)習(xí)的人臉年齡合成技術(shù)有較強(qiáng)人臉特征理解能力和學(xué)習(xí)能力，對(duì)數(shù)據(jù)集能更好地?cái)M合，在合成后人臉的視覺(jué)效果和真實(shí)感上有明顯的提高，不僅能夠?qū)崿F(xiàn)低齡到高齡衰老過(guò)程的正向預(yù)測(cè)，還能夠?qū)崿F(xiàn)高齡到低齡年輕化的逆向回溯。與基于傳統(tǒng)物理模型相比，通過(guò)各類(lèi)網(wǎng)絡(luò)結(jié)構(gòu)、參數(shù)設(shè)置、合成方法，降低了對(duì)解剖學(xué)和醫(yī)學(xué)知識(shí)的依賴(lài)度，消除了先驗(yàn)知識(shí)對(duì)模型的影響；與原型方法相比，深度學(xué)習(xí)算法不同模型結(jié)構(gòu)使網(wǎng)絡(luò)具有記憶、存儲(chǔ)、特征提取等能力，能夠很好地保留個(gè)體特征。

二、人臉年齡合成技術(shù)在公安實(shí)戰(zhàn)中的應(yīng)用

人像年齡合成技術(shù)依據(jù)當(dāng)前人像實(shí)現(xiàn)人臉正向預(yù)測(cè)和逆向回溯，在公安實(shí)戰(zhàn)的諸多領(lǐng)域有著廣泛的應(yīng)用場(chǎng)景。

（一）失蹤、被拐賣(mài)兒童面貌預(yù)測(cè)

2021 年公安部權(quán)威發(fā)布，黨的十八大以來(lái)，全國(guó)各級(jí)公安機(jī)關(guān)共破獲拐賣(mài)兒童案件5135 起，抓獲犯罪嫌疑人2.3 萬(wàn)名，解救一大批被拐賣(mài)兒童。當(dāng)前，公安部建成兒童失蹤信息緊急發(fā)布平臺(tái)“團(tuán)圓”系統(tǒng)，以失蹤地為中心，通過(guò)移動(dòng)應(yīng)用軟件向群眾推送失蹤兒童信息，實(shí)現(xiàn)查找和比對(duì)，然后使用全國(guó)打拐DNA 系統(tǒng)，采集被拐兒童父母和疑似被拐人員DNA 信息進(jìn)行比對(duì)確認(rèn)。但在前期網(wǎng)上尋找比對(duì)時(shí)，需要甄別信息真假和錯(cuò)誤，線下尋找需要大量人力物力，耗時(shí)耗力，這就給案件偵破帶來(lái)很大難度。

如今，失蹤、被拐賣(mài)兒童父母可利用人臉年齡合成技術(shù)將兒童人像合成為現(xiàn)有年齡的面貌，被拐賣(mài)當(dāng)事人可使用現(xiàn)有人像回溯兒童時(shí)人像，二者進(jìn)行雙向的人臉識(shí)別與匹配，進(jìn)行初步篩選，在過(guò)濾出有效信息的基礎(chǔ)上，再進(jìn)行有針對(duì)性的尋找，提升案件偵破的效率，并節(jié)省人力和物力，為這項(xiàng)工作提供一個(gè)新的技術(shù)手段。

（二）長(zhǎng)期潛逃犯罪嫌疑人識(shí)別與追蹤

長(zhǎng)期潛逃犯罪嫌疑人具有潛逃時(shí)間長(zhǎng)、社會(huì)危害大、犯罪情節(jié)嚴(yán)重、社會(huì)關(guān)注度高等情況，是公安工作的重點(diǎn)督辦工作之一。以往要對(duì)當(dāng)年案件過(guò)程進(jìn)行梳理排查，對(duì)嫌疑人所有社會(huì)關(guān)系進(jìn)行細(xì)致梳理，深入摸排，全網(wǎng)比對(duì)DNA 信息，尋找案件突破口。人臉年齡合成技術(shù)可為長(zhǎng)期潛逃犯罪嫌疑人識(shí)別與追蹤提供新的解決途徑，通過(guò)將長(zhǎng)期潛逃犯罪嫌疑人面貌進(jìn)行老化預(yù)測(cè)，到全國(guó)重點(diǎn)人群人臉數(shù)據(jù)庫(kù)中進(jìn)行比對(duì)和匹配，排查出重點(diǎn)人群，有針對(duì)性的研判和分析，尤其對(duì)更換身份信息的犯罪嫌疑人特別有效，為此類(lèi)工作找到一個(gè)新的解決途徑。

（三）智能公安安防中重點(diǎn)人員的人臉比對(duì)

隨著計(jì)算機(jī)多媒體、網(wǎng)絡(luò)傳輸、存儲(chǔ)技術(shù)等技術(shù)與視頻監(jiān)控的融合，視頻監(jiān)控系統(tǒng)也經(jīng)歷了模擬視頻監(jiān)控、數(shù)字視頻監(jiān)控、網(wǎng)絡(luò)視頻監(jiān)控、高清視頻監(jiān)控、智能視頻監(jiān)控的演變。當(dāng)前，公安安防中必不可少要使用警用智能監(jiān)控系統(tǒng)，監(jiān)控系統(tǒng)中除了有常規(guī)的視頻回放、電子地圖、人員預(yù)警等功能，還會(huì)使用人臉識(shí)別、異常行為檢測(cè)、視頻結(jié)構(gòu)化、電子圍欄、模糊圖像處理等功能模塊。當(dāng)前人臉識(shí)別都是以人像面貌中特征點(diǎn)為基礎(chǔ)進(jìn)行比對(duì)，長(zhǎng)期在逃犯罪嫌疑人、暴恐分子、被通緝?nèi)藛T在智能監(jiān)控探頭下取得的人像與后臺(tái)設(shè)檔中人像特征點(diǎn)匹配較低，大大降低了識(shí)別的準(zhǔn)確性。我們可以將人臉年齡合成技術(shù)引入到警用智能監(jiān)控系統(tǒng)中，對(duì)重點(diǎn)安防人員根據(jù)年齡差進(jìn)行年齡換算，合成實(shí)際年齡的人臉圖像，再與現(xiàn)有探頭下取得的人臉進(jìn)行比對(duì)，這樣可以提高識(shí)別的準(zhǔn)確率，提升案件偵破效率。

（四）舊案積案與現(xiàn)有案件的串并和審訊

積案舊案的清除一直都是各級(jí)公安機(jī)關(guān)高度重視的工作，但是有些積案舊案苦于物證線索少、人像不清晰、無(wú)證人證言等因素，導(dǎo)致案件無(wú)法偵破，給犯罪嫌疑人逍遙法外的機(jī)會(huì)。人臉年齡合成技術(shù)可以作為現(xiàn)有偵破案件方法的補(bǔ)充，將現(xiàn)有案件與積案舊案在作案中方式和方法一致，行為動(dòng)作、姿態(tài)表情相類(lèi)似的犯罪嫌疑人人像進(jìn)行回溯，合成年輕時(shí)的照片，再與積案舊案中模糊人像進(jìn)行比對(duì)、辨認(rèn)和研判分析，為案件串并和審訊提供新的依據(jù)。

（五）案件偵查中人像比對(duì)

隨著時(shí)代發(fā)展，視頻監(jiān)控所產(chǎn)生視頻資料在刑事偵查、治安防控、預(yù)審、審判、司法鑒定等領(lǐng)域廣泛應(yīng)用，其中視頻人像比對(duì)在公安案件偵辦過(guò)程發(fā)揮著重要作用。但由于公安人像數(shù)據(jù)庫(kù)中人像更新不及時(shí)，造成與視頻人像進(jìn)行比對(duì)時(shí)產(chǎn)生一定誤差，這給案件偵辦人員帶來(lái)一定的困擾。人臉年齡合成技術(shù)可以根據(jù)視頻人像進(jìn)行回溯，生成年輕化人像，再與公安人像庫(kù)進(jìn)行比對(duì)，可提升比對(duì)匹配率，為公安實(shí)戰(zhàn)中人像比對(duì)提供新的技術(shù)輔助手段，提升案件偵破的時(shí)效性。

（六）公安科普宣傳教育

隨著時(shí)代發(fā)展，全國(guó)各級(jí)公安機(jī)關(guān)開(kāi)展了多種多樣的公安科普知識(shí)宣傳教育活動(dòng)，如防騙反詐、網(wǎng)絡(luò)安全、道路交通安全、反恐反暴等，運(yùn)用科技應(yīng)用創(chuàng)新，讓人民群眾了解公安機(jī)關(guān)運(yùn)用科技手段推進(jìn)省、市、域社會(huì)治理創(chuàng)新，促進(jìn)警民關(guān)系和諧發(fā)展，增進(jìn)人民群眾對(duì)公安工作的理解、支持和信任。

人臉年齡合成技術(shù)可應(yīng)用到禁毒主題宣傳活動(dòng)中，通過(guò)現(xiàn)有人像合成吸食毒品后的面貌，或者將吸毒人員人像回溯吸毒之前的面貌，以形象和直觀的方式展示吸食毒品對(duì)人臉造成的傷害，讓人民群眾對(duì)吸毒的危害有更加深刻的認(rèn)識(shí)，取得了不錯(cuò)的公安科普教育效果。廣州市天河區(qū)禁毒委員會(huì)舉辦2019 年“6·26”國(guó)際禁毒日大型禁毒宣傳活動(dòng)，使用了人臉老化技術(shù)進(jìn)行互動(dòng)。通過(guò)人臉老化真實(shí)還原吸毒前后的容貌變化，直觀地體現(xiàn)了毒品對(duì)人們?nèi)菝驳恼鎸?shí)危害性，讓體驗(yàn)者通過(guò)親眼“看見(jiàn)”毒品將自己變成什么樣子，更深刻地認(rèn)識(shí)到毒品的危害。

三、未來(lái)發(fā)展方向

在大數(shù)據(jù)和云計(jì)算技術(shù)飛速發(fā)展的今天，深度學(xué)習(xí)作為目前人工智能領(lǐng)域研究熱點(diǎn)，受到工業(yè)界與學(xué)術(shù)界的高度關(guān)注，在各領(lǐng)域都具有廣泛的發(fā)展前景，有很多技術(shù)已經(jīng)在公安領(lǐng)域取得了很好的效果，如人臉比對(duì)、惡意代碼檢測(cè)、車(chē)牌識(shí)別、數(shù)據(jù)結(jié)構(gòu)化等。另外，人臉年齡合成技術(shù)對(duì)于公安實(shí)際應(yīng)用，尤其是在長(zhǎng)期潛逃罪犯識(shí)別與跟蹤、失蹤和被拐賣(mài)兒童尋親、禁毒教育、案件串并、人像比對(duì)、公安安防等有著較好的應(yīng)用前景，但也存在數(shù)據(jù)庫(kù)數(shù)據(jù)不充分、缺乏對(duì)環(huán)境、病理影響的分析、缺少近親屬特征遺傳、模型方法待改進(jìn)等問(wèn)題。因此，未來(lái)研究探索可從以下幾個(gè)方面入手：

（一）建立完備的人臉年齡合成數(shù)據(jù)集

當(dāng)前大多數(shù)算法都以數(shù)據(jù)為驅(qū)動(dòng)力，數(shù)據(jù)集的質(zhì)量和數(shù)量對(duì)人臉年齡合成模型結(jié)果有著非常重要的影響，使用數(shù)量較為龐大、個(gè)體各年齡段圖像較為完備的數(shù)據(jù)集對(duì)人臉年齡合成有著至關(guān)重要的作用。當(dāng)前已有的MORPH、CACD、IMDBWIKI、FFHQ 等數(shù)據(jù)集中用于研究亞洲人(尤其是中國(guó)人)的數(shù)據(jù)較少，都不能完全滿(mǎn)足實(shí)際需要，建立隨年齡連續(xù)變化的各年齡段亞洲人臉圖像完備數(shù)據(jù)集將是人臉年齡合成研究的首要任務(wù)。

未來(lái)，可以運(yùn)用數(shù)據(jù)挖掘技術(shù)在互聯(lián)網(wǎng)中搜索亞洲名人各年齡段的人像圖片組建數(shù)據(jù)集，或個(gè)人或科研機(jī)構(gòu)構(gòu)建人臉圖像完備數(shù)據(jù)集。通過(guò)改進(jìn)現(xiàn)有基于深度學(xué)習(xí)的人臉年齡合成算法模型以減少對(duì)數(shù)據(jù)集的依賴(lài)，將強(qiáng)化學(xué)習(xí)、弱監(jiān)督、半監(jiān)督學(xué)習(xí)和遷移學(xué)習(xí)等學(xué)習(xí)方法融入當(dāng)前的研究模型中，利用現(xiàn)有的小樣本數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到一個(gè)較好的效果，為當(dāng)前所遇到的困境探索出一條新的解決途徑。

（二）探索實(shí)際應(yīng)用的模型

針對(duì)不同的實(shí)際應(yīng)用場(chǎng)景，如時(shí)間跨度較長(zhǎng)、視頻人像比對(duì)、吸毒人臉老化等，有針對(duì)性地選擇和設(shè)計(jì)網(wǎng)絡(luò)模型，探索更多的特征提取、特征保留和高質(zhì)量圖像合成方法，與各種各樣的深度學(xué)習(xí)網(wǎng)絡(luò)模型結(jié)合，提升網(wǎng)絡(luò)模型性能?？梢詫鹘y(tǒng)的基于物理模型的方法和基于原型的方法與深度學(xué)習(xí)融合和互補(bǔ)，設(shè)計(jì)出高質(zhì)量應(yīng)用模型。可以設(shè)計(jì)適應(yīng)性強(qiáng)的網(wǎng)絡(luò)模型來(lái)增強(qiáng)模型的抗噪聲能力和抗干擾能力，提升模型泛化能力。這些增強(qiáng)人臉年齡合成技術(shù)在公安領(lǐng)域?qū)嵱眯缘姆绞蕉贾档蒙钊胙芯俊?/p>

（三）考慮病理、環(huán)境對(duì)年齡轉(zhuǎn)換的影響

現(xiàn)有研究只關(guān)注于保持個(gè)體特征和生成高質(zhì)量老化和年輕化圖像，而人的相貌在隨時(shí)光流逝過(guò)程中，不光受到人體機(jī)能的影響，病理、心理、生存環(huán)境等都會(huì)對(duì)其產(chǎn)生影響。在公安實(shí)際案件中，嫌疑人常年受到高強(qiáng)度的心理壓力和惡劣的生存環(huán)境的影響，面貌會(huì)易于常人的變化。因此，未來(lái)的公安實(shí)際中，模型訓(xùn)練時(shí)對(duì)老化屬性特征做進(jìn)一步細(xì)化控制，調(diào)整相應(yīng)權(quán)重和定向?qū)傩孕薷?，充分考慮病理、環(huán)境對(duì)人臉年齡合成技術(shù)影響。

（四）引入近親屬面貌對(duì)年齡轉(zhuǎn)換的影響

孩子是父母的結(jié)合體，孩子的面貌應(yīng)具有父母雙方的特點(diǎn)。在年齡轉(zhuǎn)換技術(shù)中不應(yīng)只保留個(gè)體特征，還應(yīng)引入父母雙方面貌特點(diǎn)，尤其是樣本輸入兒童時(shí)期的圖像，預(yù)測(cè)其老化過(guò)程，以往人臉年齡合成技術(shù)預(yù)測(cè)的效果不是很好。兒童時(shí)期到少年時(shí)期，再到青年時(shí)期的面貌有著很大的變化，算法應(yīng)引進(jìn)近親屬面貌對(duì)其老化過(guò)程的影響，保留個(gè)體特征的同時(shí)，提升合成圖像的真實(shí)性和準(zhǔn)確性，這對(duì)于公安實(shí)際中失蹤、被拐賣(mài)兒童面貌預(yù)測(cè)有著現(xiàn)實(shí)意義，從而有效地提高跨年齡識(shí)別的準(zhǔn)確率。

四、總結(jié)

近年來(lái)隨著科技的發(fā)展，越來(lái)越多的深度學(xué)習(xí)技術(shù)被引入到公安實(shí)戰(zhàn)中，在人臉識(shí)別、惡意代碼檢測(cè)、聲紋識(shí)別、軌跡追蹤、人員定位等領(lǐng)域取得了很好的應(yīng)用效果，給公安實(shí)際應(yīng)用帶來(lái)了科技感、實(shí)用感和便利感。隨著學(xué)術(shù)界和工業(yè)界對(duì)人臉年齡合成技術(shù)的不斷深度研究，可以對(duì)給定人像進(jìn)行高質(zhì)量的面貌預(yù)測(cè)，在公安安防、打擊犯罪、科普教育等領(lǐng)域有廣泛的應(yīng)用前景。

本文系統(tǒng)的綜述了年齡轉(zhuǎn)換的三種模型的研究現(xiàn)狀，對(duì)人臉年齡合成方法進(jìn)行了詳細(xì)地梳理，詳盡地介紹了年齡轉(zhuǎn)換方法歷史演變和三種模型的優(yōu)缺點(diǎn)。此外，針對(duì)人臉年齡合成技術(shù)在公安實(shí)戰(zhàn)中的失蹤和被拐賣(mài)兒童面貌比對(duì)、長(zhǎng)期潛逃犯罪嫌疑人識(shí)別與追蹤、公安科普宣傳、舊案積案件串并、公安安防、案件偵查中人像比對(duì)等公安領(lǐng)域的可行性進(jìn)行了研究和探討。最后，結(jié)合公安實(shí)際應(yīng)用中跨年齡人臉合成中遇到的問(wèn)題進(jìn)行分析，未來(lái)，人臉合成技術(shù)可以從建立完備數(shù)據(jù)庫(kù)、充分考慮環(huán)境、病理和近親屬特征遺傳因素對(duì)模型建立的影響、建立有針對(duì)性的使用模型等方向著手改進(jìn)。