[摘要]卷烟配送过程的传统方式是通过客户回访、跟车暗访、客户投诉处理等，难以为卷烟配送业务提供实时有效的大数据支撑，使得卷烟配送环节存在监控、安全和考核的不精准。随着人脸识别技术的不断成熟，采用人脸识别技术进行身份识别认证已经成为新的发展趋势，秉承国家局“精益物流、科技物流”的理念，基于人脸识别技术的卷烟精准配送监管系统的构建，将极大地提升卷烟精准配送监管的信息化水平，助力卷烟配送环节规范监管和提升市场运营效率。文章探讨了卷烟精准配送监管系统的构建策略，具有一定参考借鉴价值。
　　[关键词]精准配送;人脸识别;物联网;大数据分析;市场运营
　　[DOI]1013939/jcnkizgsc202008166
　　1引言
　　当前，采用人脸识别技术取代卡片进行身份识别认证已经成为未来的发展趋势。人脸识别技术是利用人类自身拥有的、唯一标识其身份的生理特征或者行为特征进行身份验证的技术。卷烟精准配送监管系统的构建思路，是通过人工智能助力配送精准监管。以配送车辆为核心，通过人脸识别、行为分析、视频结构化、大数据技术与烟草配送业务的深度融合，系统和物流综合管控信息系统、车载视频系统等应用系统进行对接，实现客户人卡双重核验管理、实时动态监控可视化、取货过程自动归档管理、驾驶行为自动分析等功能。基于嵌入式GPU+深度学习的云解析技术，采用先进的人脸识别和深度学习算法，实现“深化解析”，从而精准监控配送过程中的异常发货、异常取货等不规范现象，为物流、营销、专賣和内管的四员联动提供市场监管信息源。
　　2卷烟精准配送监管系统的构建
　　在卷烟精准配送监控系统结构中，卷烟配送车载视频监控终端、配送手持终端和管理员移动终端进行数据采集，通过互联网将数据传输到卷烟精准配送监控平台，中心大数据分析服务器实现对人卡双重核验的比对结果进行分析，将分析得出的异常统计数据在监控中心进行集中展示并上报至《卷烟市场规范服务管理系统》，监控人员可以对整个资源进行统一管理和调度指挥。
　　第一，数据采集。中心注册零售客户人像与客户签收卡号、许可证编号等进行匹配，每个许可证编号可匹配多个人像图片。完成注册后，平台自动将采集的照片与人员基础信息进行关联。管理平台可注册的人员信息统一下发至人脸识别终端设备，支持实时、历史结构化数据，以及关系型数据库数据采集入库，支持用户定时采集对象数据，支持对采集数据进行过滤、比对、校验、纠错等功能。
　　第二，数据处理。利用数据抽取工具从源数据服务器将所有历史数据抽取后，经过数据清洗，装载进大数据库。通过人脸云分析系统将零售客户人脸图片进行结构化处理和人脸建模，并将结构化数据更新入大数据库。数据整合过程主要包括数据过滤、数据比对、数据校验、数据纠错、数据入库等步骤。数据整合是为了保证数据质量。系统采用专业化的智能设计，具备高效的智能分析算法，能够快速分析人脸图片信息，并进行建模和黑名单比对，单机最高支持100张/秒的人脸图片识别和建模。
　　第三，数据存储。云存储系统集成基础的视频、图片专属存储功能，为上层应用平台提供高效率的视频、图片调用以及行业应用扩展。结构化数据存储在HBase分布式数据库和ES全文检索引擎中。人脸大数据平台服务功能主要提供应用功能的大数据支撑服务，主要包括人脸查询、人证比对等功能。
　　第四，大数据分析。通过对已采集的人脸信息库进行大数据分析，能够查询客户信息，包括法人、授权代取人的人脸信息。在取货核验中，通过取货核验人脸比对的信息在后台进行分析处理，生成异常取货的预警信息，并建立相应的异常取货人黑名单。对出现在黑名单的这些取货人，可以通过后台报警分析来甄别违规卷烟零售户等异常情况。
　　通过云解析中心，物流配送车载系统与物流综合管控信息系统实现了数据对接，中心云析系统实现了对前端设备采集的视频和图片中蕴藏的人脸属性、模型数据进行深度挖掘与提取，形成能被机器快速甄别的解析数据，可视化实时监管、取货过程录像归档、司机驾驶行为分析、配送信息实时查询等功能。
　　3系统构建模块
　　卷烟精准配送监管系统的构建模块，是基于嵌入式GPU+深度学习的云解析技术，采用人脸识别和深度学习算法，基于专业的图形处理器（GPU）构建视频图像的人像解析系统，打造云解析中心，实现“深化解析”的目的。
　　第一，数据采集模块。历史数据采集通过专业的ETL工具采集进入大数据平台。实时数据通过Kafka高速数据总线方式进入大数据平台。
　　第二，HBP基础平台。这是建立在Hadoop架构上的大数据基础平台，为人脸大数据平台提供各类组件基础功能的封装，为数据采集、数据维护、数据查询、数据挖掘提供支持。
　　第三，Spark内存计算引擎。支持高效迭代算法的Spark集群计算框架，支持动态流式大数据计算，为人脸大数据平台各类逻辑运算提供Spark计算支撑。使用Spark架构构建数据处理任务。对数据进行分析、计算、挖掘。需用Java、Scala等语言编写任务执行程序。支持批处理和流处理任务。
　　第四，UDE（Ultimate Data Explorer， 分布式OLAP系统）。基于Spark SQL支持多种数据存储（包括Hadoop生态的HDFS、HBase与缓存系统等）、支持多种索引方式、支持MOLAP数据立方、具有良好资源分配与管理的OLAP系统，可以为上层应用提供对数据的各项操作。通过UDE引擎，可以接受通用SQL命令，转化为Spark内部任务执行。执行完后将结果返回。
　　第五，人脸大数据服务平台。大数据服务平台采用Elastic Search分布式高速检索引擎实现对分布式数据库中海量数据的快速检索、快速统计分析。同时提供基于Spark的分布式计算框架来实现各种模型的检索、比对。基于Spark架构的内存运算，速度比传统的Hadoop快10～100倍，同时通过分布式集群处理，不但适合对时间要求的流式计算需求，也适合数据量达到PB级的大规模数据计算。主要为上层应用提供包括人脸查询、人脸比对、人脸轨迹、人脸布控的应用功能的大数据服务支撑。
　　第六，平台管理模块。平台管理模块，作为人脸大数据平台的运维管理系统，提供高可靠、安全、容错、易用的集群管理服务，具体包括集群部署、集群管理、服务管理、任务管理、状态监控、用户管理、告警管理、日志管理。
　　第七，人脸云分析系统。人脸云分析系统主要为人脸大数据平台提供人脸建模服务，人脸分析服务器采用高密度 GPU 架构，集成了基于深度学习的人脸智能算法。通过对人脸的识别、分析、建模，可实现黑名单布控报警、人脸比对、人脸照片查询等功能。
　　第八，云存储系统。云存储系统是通过分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统，主要为人脸大数据平台提供视频、图片的存储和访问。
　　4结论
　　通过卷烟精准配送监管系统的构建，采用人脸识别技术，运用互联网、物联网技术和大数据分析，实现了零售客户从刷卡取货到人卡双重验证的转变，大大提高了卷烟配送环节监管的精准性。随着基础数据的进一步完善，依托人像数据进行大数据分析能够不断提升配送效率，同时针对经营规范要求，后期将进一步探索重点人员的以脸搜脸功能，使得专卖、市场营销人员也能通过本系统实现重点人员、不法烟贩等人像数据的碰撞、布控、预警应用，进一步做好卷烟规范经营，大幅提升市场运营效率。
　　参考文献：
　　[1]曹林人脸识别与人体动作识别技术及应用[M].北京：电子工业出版社，2015
　　[2]史东承人脸图像信息处理与识别技术[M].北京：电子工业出版社，2010
　　[3]杨和稳大数据分析及应用实践[M].北京：高等教育出版社，2016
　　[4]张骅，陈博浅谈人脸识别技术及其应用[J].计算机产品与流通，2018（4）.
　　
　　[作者简介]王曙光（1979—），男，汉族，湖南岳阳人，硕士研究生，中级工程师，主要从事物流及信息系统。