大麦人脸识别系统，如何支撑马拉松赛事？

大麦的人脸闸机在 2019 年杭州马拉松上成功的完成了刷脸入场功能的首秀，相比传统的马拉松入场核验方案在入场体验和入场效率上都有了很大的提升，下面介绍一下大麦的人脸识别是如何支持马拉松赛事的。

我们面临的挑战是：

1）如何在指定时间内完成参赛者的装备领取工作：既要保证快速领取不造成人员积压，又要保证装备不会领错；

2）如何保证比赛当天在短时间内完成几万人的入场核验工作。

二、大麦人脸识别解决方案

在介绍大麦的人脸识别方案之前，首先介绍人脸比对的几个常用术语：

1 比 1：1 比 1 是指用照片跟人进行比对，通过算法判定照片和人是否是同一个人，简单理解就是证明“你就是你”。

清楚了马拉松赛事的流程之后，下面介绍大麦是如何支持现场领取装备和比赛当天入场核验的，在我们的方案里面比赛当天的入场核验是压力最大，风险最高的，而且这个也是依赖前两步的。

选手入场比赛时不会携带手机和证件，那如何进行验票呢/p>

1）安全的人脸比对算法，该进去的人放行通过，不该进去的人拒绝开闸；

2）提前获取所有选手的照片，而且照片质量需要足够好，用作人脸比对的底库。

人脸比对算法这块要求是比较严格的，马拉松赛事每年都有很多替跑的人，我们的人脸算法必须要能找出替跑者，而且大麦的验票场景像演唱会的门票动辄上千，是决不允许让无票的人入场，当然也要让买了票的人能够正常通过，这样的场景与刷脸支付场景比较像，因此我们使用了成熟的金融级别的人脸算法。

获取所有选手的照片的问题，我们是通过前面介绍的 名和领装备的环节解决的：

我们会要求选手在 名的时候提交一张本人的照片，但是这不能保证所有人都提交了质量足够好的照片，而且提交的照片是本人。这就需要在现场领取装备的时候解决，因为这影响到比赛时能否正常顺利入场。

下面介绍我们是如何在完成领取装备的同时获取到选手的照片：

我们都知道，入场验票时是需要票的，选手在使用身份证领装备的时候其实他的身份证就是一张票，选手使用大麦的闸机系统刷身份证后，系统会根据身份证 读取到选手的信息，然后会通过闸机的打印系统打印出一张小票，选手拿着小票到相应的窗口领取参赛装备。但是这样无法满足主办的要求，必须要求选手持本人身份证到现场领取装备，当然也无法满足我们自己的需求——获取到所有选手的照片。因此我们在选手刷身份证的时候对他进行了 1 比 1 比对，确认是本人后再去采集一张用户现场的照片，这就完成了身份确认和照片的获取。

在这个方案里，领取装备的这个流程其实是可以优化的，用户在第 1 步 名时提交的照片有很多是质量很好可以直接用的，没有必要到现场再进行一次采集，对于这部分用户我们有了他们的照片之后会引导他们直接通过 1 比 N 人脸刷脸比对入场打印小票进行领取装备，这个方案的优点是：

1）直接刷脸，无需刷身份证 +1 比 1 比对 + 采集，让领取效率更高，避免现场排队

2）解决了很多已上传人脸的用户忘带身份证或者身份证丢失导致的无法领取装备的问题

这样的方案用起来是没有问题的，但是时间长了会发现几个问题：

• 无论是改动业务代码还是硬件驱动代码都需要针对整个应用升级
• 随着闸机型 的增多，程序中会有各种型 的驱动，导致硬件驱动的代码臃肿，不易维护
• 关于硬件的适配，由于跟业务代码合在一起，只能我们自己来做，无法交给闸机的厂商

因此在这个基础上我们对软件架构进行了优化：业务程序与驱动程序分开，采用了面向接口编程的思想，业务程序通过 AIDL 的方式将命令给到驱动程序。

3. 动态远程调优

马拉松的人脸识别场景其实要比人脸支付的场景复杂，人脸支付大多是在室内，光线的影响会相对小一些，而马拉松既要考虑室内场景（领取装备）又要考虑户外场景（开跑入场），面临着曝光过度、逆光侧脸和远距离等的影响，因此需要根据具体环境来进行调优，我们通过在管理端动态修改影响人脸算法的各种参数，以及是否采用降级方案等，远程下发到现场所有设备，确保选手顺利高效入场，不会引起排长队的问题。

六、总结

我们根据马拉松赛事实际的业务场景，将人脸识别功能 1 比 1 和 1 比 N 应用到马拉松赛事，开启了马拉松行业的新的入场模式，但是我们的路还很长，人脸算法需要继续提升：提高识别率与降低误识率，不同环境下人脸算法的优化配置，室内与户外的不同验票方案以及已经开始商业化的 5G 能否给我们的业务带来新的突破，我们会将人脸识别功能应用到更多的核验场景，持续提升现场用户的入场体验和通行效率。

阿里文娱技术专家 墨贤