將防盜攝影機等蒐集到的龐大資料，瞬間分析之技術

在現代社會中，防盜攝影機在打擊犯罪和事件蒐證上扮演著重要的角色。但每天所收集的影像資料持續增加，對公家機關和企業來說，僅憑人力分析影像相當困難。

NEC在2012年注意到這項問題，因此將旗下技術包括：全球最高※1精準度的人臉辨識技術、人工智慧、資料庫等組合運用，開始研究如何更有效率發現可疑人物。2015年，成功研發新技術「時空數據交叉側寫」，能夠從公共設施或群眾聚集地點拍攝的影像資料中，高速搜尋、篩選出「頻繁出現的人物」與「長時間停留的人物」等對象。

與大型金融機構共同進行，「模擬ATM非法盜領」實證實驗

這項新技術有一項非常強大的特色，本次研發並已實際安裝在軟體中的演算法，不僅能篩選可疑人物的「出現頻率」，針對容易成為犯罪或恐攻目標的多個地點，若這些地點都出現了同樣人物，也能由演算法篩選出具有異常「出現模式」的人物。

NEC運用這樣的技術特色，在2016年秋季與大型金融機構共同進行金融犯罪分析的實證實驗。本實驗模擬發生了大規模犯罪情況：某個犯罪集團偽造數百張偽造提款卡，並在短時間內從多台ATM盜領大量現金。在眾多ATM使用者中，本實驗目的是盡速搜尋、篩選出車手（負責由ATM違法提款的人物），協助警察展開調查，將犯罪受害程度降至最低。

一般而言，即使蒐集ATM的交易資料進行分析，也無法找出車手。舉例來說，車手只要在不同分行使用多張提款卡，並只提領額度範圍內的金額時，由於與一般交易相同，因此無法加以區別。

運用本技術，金融機構只需從現場防盜攝影機等拍攝的ATM使用者臉部影像，以及各分行、各ATM機器的提款紀錄，與出現時間搭配組合分析，就能從中鎖定車手。

透過實驗找出的3名嫌犯，與金融機構事先掌握的車手一致

本次實驗的對象，選擇了10間ATM使用者最多的銀行分行。運用NEC人臉辨識技術，將各分行耗時3個月收集、約28萬筆的ATM使用者人臉影像特徵※2加以數位化。NEC分析這些資料後，篩選出短時間內在多間分行頻繁提領現金等異常模式，通知金融機構10位疑似車手的可疑人物。確認的結果，發現金融機構事先掌握的3名車手，都在這10位可疑人物之中。金融機構對於這次的實驗結果給予高度好評，評估未來將本技術正式導入運用。

傳統的影像搜尋技術，若不知道可疑人物或通緝犯的長相，就無法進行搜尋。本次實驗證明了運用「時空數據交叉側寫」技術，即使是攝影機首次拍到的人物，只要其出現模式與一般不同，人工智慧軟體就能自動進行篩選，迅速找出可疑人物。

※1  在美國國家標準與技術研究院(NIST)實施的人臉辨識軟體評比測試中，NEC連續４次奪得辨識精準度第一。
※2      分析ATM使用者與篩選車手時，金融機構提供給NEC的資料並非使用者本身的人臉影像，而是經過數位化後的資料＝「人臉特徵量」。此外，金融機構完全未提供帳號資料與提款卡資訊等任何內容。也就是說，NEC只使用人臉特徵量、各分行／機器的提款紀錄以及時間資料，就能篩選、搜尋出可疑人物。

依據類似度分類為樹狀構造，提升大量人臉資料的篩選速度

「時空數據交叉側寫」的技術核心，是依據「人臉的類似度」，將搜尋對象的大量人臉資料分為不同群組，藉此產生樹狀構造的演算法。由於採用此構造，越下層的資料，越能發現高類似度的人臉資料。

例如用「具備70%以上類似要素的人物」閾值搜尋時，依據樹狀圖構造搜尋，逐步找出高於此閾值的類似群組，高速執行搜尋與篩選。篩選後就能看出群組大小，並用「最相似人物的前10名」的方式顯示出搜尋結果。

展開犯罪調查時，則可利用指定攝影機位置與時段進行搜尋的方式，顯示「曾出現在現場A、B、C的人物共有此2人」的搜尋結果。如果有異常出現模式或舉止的人物，也只要幾秒左右即可篩選出來。此外，軟體內也安裝了另一個演算法，狀況隨時有變化的現場影像，若獲得新的人臉資料，只需與各群組的代表性人臉資料比較，就能瞬間判斷出該資料應歸屬與分類的群組，並即時新增至該群組中。

研究者簡介

劉健全 ( NEC中央研究所 系統平台研究所 主任／博士（工學） )

董婷婷( NEC中央研究所 系統平台研究所 研究員／博士（資訊科學） )