从一张照片到一条轨迹：某中学人脸底库检索与常用算法落地实践

校园安全里最难回答的问题，往往不是"有没有事"，而是"这个人几点进的校门、走过哪几栋楼、现在在哪"。 告警解决"发现"，轨迹解决"还原"。本文结合某中学的视频智能化改造项目，说明如何用"人脸特征提取 + 人脸底库 + 轨迹检索"把一次数小时的人工回放压缩成一次检索任务，并将明火、烟雾、打架、抽烟、翻墙等校园高频算法纳入同一套闭环。

一、引言：告警响了之后，才是真正的难题

一所普通中学的摄像头数量通常在 80～150 路之间，覆盖校门、楼道、走廊、食堂、宿舍、操场周界。设备不算少，但真实事件里的被动，往往出现在两个环节：

1. 告警响了，人找不到。翻墙检测在操场后侧报警，值班人员知道"有人翻墙"，但不知道这个人是从哪栋楼出来的、翻出去之后往哪个方向走了。赶到现场时人早已不在，事后只能一路一路翻录像；
2. 人找到了，路径断了。知道某学生下午不在教室，但要回答"他几点出的校门、从哪个门走的、走之前去过哪"，只能由保安把几个点位的录像逐段调出来、按时间人工比对拼接，一路查下来就是两三个小时；
3. 事件还原靠"记忆 + 运气"。两名学生在楼道发生冲突，事后各执一词。要判断谁先动手、之前有没有在其他楼层有过接触，靠的是一路一路翻录像、凭画面里的衣着和体态去认人，稍有遮挡或换了外套就断线；
4. 外来人员管控只有"进门那一下"。访客登记、临时通行做到了，但"这个人进校之后去了哪些区域、有没有靠近过宿舍楼"无从追溯；
5. 夜间与离校时段的空白。晚自习后到熄灯前、周末住校生管理，值班人员不可能逐屏盯守，异常滞留往往由家长电话或宿管点名才发现。

前四条的共同指向是同一个缺口：现有监控解决了"看得见"和"报得出"，但没有解决**"串得起来、查得出来"**。而串起来的关键，是让每个点位产生的画面不再是孤立的录像片段，而是可被检索的结构化记录——这正是人脸底库与轨迹检索要补的那一环。

二、项目概况

该项目位于某市一所全日制中学，校区含教学楼 3 栋、实验楼 1 栋、宿舍楼 2 栋、图书馆 1 座、食堂 1 座及 400 米跑道操场，设东、西两处校门。校区存量摄像头 120 余路，原有系统为普通硬盘录像机，仅承担事后取证功能。

项目采用 KS968 系列 AI 算法一体机 + AI-VIMS 智能视觉管理平台 的技术路线，在不更换存量摄像头的前提下完成智能化升级：在校区机房部署 2 台 KS968-M4-32 与 1 台 KS968-M4-16，合计 80 路 AI 分析能力。算法按点位分工开启：

• 46 路通道类点位开启人脸特征提取，持续生成可检索的人脸特征事件；
• 重点区域点位叠加明火、烟雾、打架、抽烟、翻越围栏、跌倒、徘徊、区域入侵、人员聚集等行为类算法；
• 全量告警与人脸特征事件汇聚至上位机（AI-VIMS）平台，由平台统一完成底库管理、检索、轨迹还原与告警推送。

项目的核心能力落在两件事上：

一是「查得到人」——搜索管理中的 「轨迹」任务类型。选定底库人员、圈定时间范围与设备范围后，系统把该人员在各点位的人脸抓拍按时间先后拼接成一条完整轨迹，以时间轴抓拍序列与校区平面图路径连线两种视图同步呈现。

二是「看得住事」——明火、烟雾、打架、抽烟、翻墙这些校园高频风险，在同一套设备上并行检测，告警即时推送；而每一条告警，都能顺着轨迹往下查"这人是谁、从哪来、去了哪"。告警负责发现，轨迹负责还原，两者咬合起来才算闭环。

三、项目实施：从选点勘察到试运行

3.1 部署前的选点勘察

人脸类能力对安装条件的要求远高于普通检测算法，选点是否合理直接决定后续轨迹能不能连成线。项目团队在方案设计前对 120 余路点位逐一勘察，按三类条件筛选开启人脸特征提取的点位：

• 安装高度与角度：优先选择平视或接近平视人脸的枪机位，避免俯角过大只能拍到脑门。人脸识别的最佳识别距离在 3～5 米，人脸特征提取支持约 10 米，超出这个范围的远景点位不纳入人脸点位，仅保留行为类算法；
• 光线条件：校门、门厅等有强逆光的点位（尤其西校门下午时段）加装遮光罩或调整安装位，确保人脸亮度不低于背景；
• 目标占比与画质：人脸在画面中的占比不低于 5%，像素 200 万即可满足要求，画质清晰、无明显畸变。

行为类算法的选点逻辑与人脸点位不同，勘察时按四类风险区域单独确定：

勘察同时确认了走廊长直通道的覆盖连续性——轨迹能否连贯，取决于相邻点位之间有没有监控空隙。对宿舍楼东侧楼梯口、实验楼连廊两处盲区，建议增补 3 个点位。

3.2 部署实施过程

现场分三个阶段推进：

• 第一阶段（设备接入与算法开启）：机房部署 3 台一体机，按"东校门 + 教学楼 A/B""教学楼 C + 实验楼 + 图书馆""宿舍楼 + 食堂 + 操场周界"划分三组接入视频流（组网结构见图 1）；在 46 路通道点位开启人脸特征提取，其余点位按区域叠加行为类算法。同步在设备端【运维系统】→【远程控制】中将远程方式配置为"上位机"，完成与平台侧的连通；
• 第二阶段（底库建设与参数调试）：完成人脸底库分组与录入（详见 4.3），按现场实测光照对每个点位逐一调整相似度与人脸质量阈值；对明火、烟雾、打架、抽烟、翻越五类算法按各自安装高度与俯角要求复核，逐一划定检测区域并调试置信度；
• 第三阶段（试运行与验收）：进入为期一个月的试运行，由保卫科与宿管共同核验告警准确性与轨迹拼接连续性，针对误报点位调参、断链点位补点后转入日常运行。

3.3 现场遇到的典型问题及处理方式

几个问题在同类校园项目中具有代表性：

• 相邻点位时间对不齐：初期时间轴出现"后一段比前一段还早"的错序，排查为个别摄像头 NTP 未同步。统一配置校区内所有前端与设备的时间源后解决——轨迹拼接的前提是全网点位时间一致，这一项必须在实施阶段作为强制检查项；
• 下午西校门逆光段抓拍质量差：该时段抓拍人脸质量偏低，导致轨迹在此处断链。通过调整摄像机曝光与安装角度、并适度下调该点位人脸质量阈值后明显改善；
• 食堂蒸汽触发烟雾误报：后厨蒸箱、洗碗机产生的大面积白色蒸汽被烟雾算法识别为浓烟，试运行第一周误报集中。通过收窄检测区域避开蒸箱正上方、并提高该点位算法置信度后消除；
• 操场看台阴影下打架误报：学生课间追跑打闹被判定为打架。提高打架检测与打架识别置信度后，误报明显下降，但同时也带来轻微漏报——这类算法本身存在"降误报必增漏报"的取舍，档位按校方的实际容忍度确定；
• 走廊长通道的重复抓拍：同一人在一段走廊内被连续抓拍多次，时间轴上出现密集重复条目。通过调整返回条数与合并策略，将同一人相邻时刻的重复记录归并，时间轴可读性显著提升；
• 大课间人流密集时段：短时间内人脸抓拍量激增，检索返回结果噪声偏大。通过收窄时间范围与提高相似度阈值组合使用，把结果聚焦到目标人员。

四、技术架构

4.1 组网拓扑与数据流向

整个校区在物理上分四段：前端存量摄像头、接入/汇聚交换机、机房边缘一体机、平台侧与各应用终端

图 1　某中学校园视频智能化改造组网拓扑：存量摄像头不更换，经交换机汇入机房三台一体机，分析结果上传平台，平台向各终端提供检索与推送

三段关键数据流：

• 取流段：摄像头视频经 NVR 或直连方式进入一体机，走 RTSP / GB-T 28181，前端设备一台不换；
• 分析段：一体机在本地完成人脸特征提取与行为算法检测，向上只输出人脸特征事件与告警事件（抓拍图 + 点位 + 时间），原始视频仍留存于 NVR 与点位，供人工复核；
• 应用段：平台以浏览器方式访问（Chrome），保卫科大屏、值班终端、宿管移动端、德育处授权账号按权限使用。

实施中有两点必须保证：一是前端与平台时间源统一（NTP），否则轨迹时间轴会错序；二是全量视频与特征数据在校区内网闭环，不出校门。

4.2 系统技术架构

软件侧分为四层。理解这套架构的关键，是分清两个方向的数据流：自下而上承载"发现"，自上而下承载"查询"。

图 2　系统技术架构四层结构：边缘侧产出特征与告警，平台侧完成汇聚、检索与轨迹编排，应用侧按角色分工使用

• 感知层：存量摄像头（可见光 200 万～500 万像素）与原有 NVR，不改造，仅接入；
• 边缘分析层：KS968 一体机承担全部实时算力。人脸特征提取（46 路通道点位、常开运行、算力优先）产出可检索的特征事件；火情类、行为类算法产出告警；设备自检负责发现点位失效。这一层不做业务判断，只保证"该记的记下来、该报的报出来"；
• 平台层：唯一做"编排"的地方。底库管理提供人员索引，检索引擎（含轨迹任务）负责匹配，轨迹拼接负责排序与视图生成，告警路由负责把人叫醒。断链标注也发生在这一层——空缺时段显式呈现；
• 应用层：保卫科、值班终端、宿管、德育处按角色取用，权限与日志在此收口。

这套分层的实际意义在于定位问题：点位质量差，问题在感知层与边缘层；检索查不到人，多半在底库与算法开关；轨迹断断续续，先在时间同步和点位连续性上找。

4.3 人脸底库：轨迹检索的"索引"

轨迹检索的起点永远是"这个人是谁"。底库的建设方式直接决定了检索能不能发起：

4.4 轨迹检索任务与流程

轨迹是搜索管理中与人脸搜索、以图搜图、以文搜图、车牌搜索并列的一类检索任务。发起一次轨迹查询，需要给出的条件与检索类任务一致：

一次完整的轨迹查询分五步走完（见图 3）：发起任务 → 圈定条件 → 特征比对 → 时间排序拼接 → 双视图输出。

图 3　轨迹检索流程：输入是"一个人"，输出是"一条按时间排列的路径"；路径中断的位置在时间轴上同样标注出来

输出的两种视图各有用途：

• 时间轴视图：抓拍卡片按时间顺序排列，每条带点位名称、抓拍时间、相似度得分与原始图片入口。适合"核对时间、确认有没有出现过"；
• 平面图视图：在校区平面图上把各命中点位按时间顺序连线，点击任一节点可调取该时刻原始视频。适合"看这个人怎么走的、往哪个方向去"。

需要说明的是，轨迹的关联依据是纯人脸特征，按时间顺序拼接。这意味着轨迹的连续性强依赖每个点位的人脸抓拍质量：正脸、清晰、无遮挡的通道点位能稳定连上；背身、侧脸、长时间低头或戴口罩的时段，链路会断开，轨迹上表现为一段空缺。这一点在图 3 中已用虚线标出——空缺时段显式呈现，看得见哪一段没有记录。

4.5 校园常用算法矩阵

除轨迹检索外，本项目在同一批设备上并行运行以下常用算法：

算法配置的关键是按点位分工，而不是全网点位全开。算力是有限资源：明火与烟雾属算力"中"档，本项目集中在 11 路火情风险点位开启，未铺开到全网；人员计数（带跟踪）算力"高"，仅用于校门与主门厅两处。这样配置的好处是，在 80 路总分析能力内同时保证了 46 路人脸特征提取的稳定运行——人脸特征提取是常开型算法，一旦算力被挤占，轨迹就会断续。

其中打架检测的适用场景明确包含校园，这是它在本项目中被选用的主要原因；但它检测的是动作剧烈的肢体冲突，详见 7.4。

4.6 告警与轨迹的协同

常用算法与轨迹之间不是并列关系，而是"触发—还原"的配合关系。三种典型联动：

• 翻墙告警 → 轨迹回溯来源：周界翻越告警产生后，以告警抓拍图发起检索，沿时间往前查这个人翻墙前从哪栋楼出来、途经哪些点位，往后查是否还有同行人员。原本只能确认"有人翻墙"，联动后可确认"谁、从哪来、几个人"；
• 打架告警 → 双方轨迹交叉比对：打架检测触发时通常已错过冲突起点，用两名当事人的历史轨迹交叉定位他们最早在哪个点位同时出现，把"冲突从哪开始"补回来；
• 明火烟雾告警 → 事发前后人员排查：火情告警触发后，对该区域点位发起检索，查看事发前一段时间内进出人员，为起因排查提供线索（如实验室违规操作、宿舍违规用电）。

反向也有价值：轨迹上某人在配电房、天台等禁入点位出现，可反查该时段是否已产生入侵告警，用于验证算法是否漏报。

五、典型闭环场景

以下八个场景按"轨迹主导"与"告警 + 轨迹联动"两类排列：场景一、二、七、八主要靠轨迹查人，场景三、四、五、六则由告警触发、靠轨迹收尾。

场景一：学生未按时到家 → 校门时间与离校方向还原

1. 家长反馈学生放学后未按时到家，班主任确认学生已离校；
2. 保卫科在搜索管理发起轨迹任务，选定该学生、时间范围设为当日放学前后；
3. 系统返回其当日轨迹：16:42 教学楼 A 出口 → 16:47 主通道 → 16:51 东校门外出；
4. 结合东校门外社会监控或门口车辆记录，进一步确认其离开方向；
5. 全过程有抓拍截图与时间戳留痕，向家长反馈时有据可依，避免"学校说不清"的被动。

场景二：外来人员闯入 → 进场到当前位置的全路径追溯

1. 宿舍楼附近触发区域入侵告警，值班人员发现陌生人员；
2. 以告警抓拍图为查询目标发起轨迹任务（该人员未在底库中，走以图搜图路径）；
3. 轨迹显示其 14:20 由西校门随人流进入 → 14:33 经过实验楼连廊 → 14:38 靠近 2 号宿舍楼；
4. 保安按轨迹指向的位置精准到场核查，无需全校区盲搜；
5. 事件记录归档，作为后续门禁管理与访客流程优化的依据。

场景三：翻越围墙 → 从"有人翻墙"到"谁翻了、从哪来"

1. 操场后侧栅栏触发翻越围栏告警，值班人员收到抓拍图与点位信息；
2. 以抓拍图发起以图搜图或轨迹任务，时间范围设为告警前 1 小时；
3. 轨迹显示该学生 21:05 由 2 号宿舍楼门厅 → 21:09 绕过食堂后侧 → 21:12 到达操场后侧栅栏，同行的还有另一名学生（同一时段同一路径）；
4. 宿管据此直接到宿舍核对，确认两名住校生夜不归宿；
5. 处置结果留痕，翻墙高发时段与点位沉淀为数据，用于调整夜间巡查路线与周界照明。

场景四：宿舍区烟雾告警 → 定位区域与人员排查

1. 宿舍楼三层公共区域触发烟雾告警，值班人员收到抓拍图；
2. 值班人员携带灭火器到场确认，同时平台调取该点位实时画面；
3. 确认系学生在楼道使用违规电器产生浓烟，明火未形成；
4. 对该区域点位发起检索，查看事发前 30 分钟内经过该处的人脸记录，锁定使用电器的学生；
5. 告警截图、轨迹记录与现场处置结果一并归档，用于宿舍违规电器专项治理。

场景五：厕所周边抽烟 → 抓拍 + 身份确认

1. 教学楼 B 三层厕所外通道触发抽烟告警；
2. 告警抓拍图显示学生手拿烟卷送至嘴边（该算法的判定逻辑要求此姿态，详见 7.4）；
3. 结合该通道人脸点位的人脸抓拍记录，在授权范围内确认身份；
4. 德育处按校规处理，高频时段形成台账，用于课间巡查的重点投放；
5. 全过程限定在校园安全管理用途内，不作他用。

场景六：校园冲突事件还原 → 双方相遇与分离过程

1. 楼道发生学生冲突，打架算法同时产生告警；
2. 分别对两名学生发起轨迹任务，时间范围设为事发前后 30 分钟；
3. 两条轨迹在时间轴上交叉比对，可确认二人是否在其他楼层已有接触、谁先到达现场、冲突后各自去向；
4. 结合各节点原始视频，形成完整的事件过程材料，供德育处与家长沟通使用；
5. 处置结果与轨迹材料一并归档，比"各执一词、凭印象判断"更有说服力。

场景七：夜间查寝与异常滞留 → 在不在校、最后出现在哪

1. 宿管点名发现某住校生不在宿舍；
2. 发起当日 18:00 至当下的轨迹任务；
3. 轨迹显示其最后一条记录为 19:12 图书馆出口，之后无抓拍——判断方向从"是否离校"转向"是否仍在图书馆或周边区域"；
4. 值班人员按最后点位就近查找，同时调取该点位视频确认；
5. 若轨迹显示其曾在非放学时段经过校门，则同步核查门卫放行记录，形成双线印证。

场景八：财物丢失排查 → 时段内进出人员筛查

1. 实验室或宿舍报告物品丢失，确定大致时间窗；
2. 对该区域出入口点位发起检索，圈定时间窗内的全部人脸抓拍记录；
3. 对可疑记录以图搜图延伸查询其在校区其他点位的动向；
4. 排查结果交由学校与家长沟通处理，全程留痕；
5. 此场景须严格限定权限与用途，见 7.6 节。

六、现场应用效果

系统试运行期间，能力带来的变化集中在"发现更快"与"回溯更准"两件事上：

从运行情况看，最直接的价值是把"多人多小时的人工翻查"转变为"一人一次任务"，并且输出的是一条带时间戳、带点位、带原始视频入口的可复核证据链，而不是保安口头转述的结论。

运行中还发现一个变化：轨迹的价值不只是"查到了"，而是"能说清哪一段没查到"。过去保安翻完录像说"没找到"，没人知道是真没经过还是没翻到；现在时间轴上哪一段有空缺、为什么空缺，都摆在那里。

七、能力边界与适用条件

视觉算法都有各自的适用条件，清楚边界才能用对。本节梳理本项目运行中确认的能力边界。

7.1 轨迹是"有据可查的线段"，不是连续录像

轨迹的关联依据是纯人脸特征、按时间拼接。以下情形会造成断链：

• 背身、侧脸、低头：无法提取有效人脸特征，该时段不产生记录；
• 口罩、墨镜、帽檐大面积遮挡：不支持戴口罩人脸识别，遮挡时段不入链；
• 逆光、强光、弱光、画质不清：识别效果显著下降；
• 超出识别距离：人脸特征提取约 10 米，人脸识别最佳 3～5 米，远景点位不产生有效抓拍；
• 相邻点位之间存在监控空隙：路径上表现为一段空白，需靠补点解决；
• 点位设备故障或被遮挡：静默断链，须依靠自检算法主动发现。

因此，轨迹呈现的是"该人员在这些点位、这些时刻被记录过"，未被记录不等于未经过。 有抓拍的位置构成路径，空缺的位置同样是信息。

7.2 相似度结果不能作为身份认定的唯一依据

人脸比对返回的是特征相似度。相似度高只代表"像"，不代表"就是"。涉及学生处分、责任认定、对外答复等场景，必须结合原始视频、时间、地点、衣着、同行人员等信息人工复核。这一点在系统文档中有明确规定。

调参参考：误报时以提高相似度处理（上限 0.85，步长 0.05）；漏报时以降低相似度处理（下限 0.45，步长 0.05）。

7.3 常用算法的效果边界

各算法的适用条件如下：

• 烟雾检测只认"大面积浓烟"。算法支持大面积白色或黑色浓烟识别，且目标需占画面 10% 以上。阴燃初期的小股青烟、稀薄烟雾、与背景颜色相近的烟，检出率低。不能替代消防烟感，两者是互补关系，不是替换关系；
• 食堂蒸汽、水汽易触发烟雾误报。后厨蒸箱、洗碗机上方需收窄检测区域或避开安装，或在算法置信度上单独调高；
• 明火检测针对红色火焰。火焰泛白、明火过小、火焰颜色与环境背景相近时不敏感，目标需占画面 10% 以上；
• 打架检测针对"剧烈运动幅度"的两人或多人行为。推搡、拉扯、言语对峙、围堵孤立这类幅度不大的冲突不一定触发，单人对单人的轻微冲突也容易漏。其适用场景明确包含校园，但这里的"打架"指动作剧烈的肢体冲突，并非对任何冲突都灵敏；
• 抽烟检测的判定逻辑较严格。算法先检测人体，再在人体内检测手、头、烟，只有手拿烟卷放在嘴边时才判定告警。仅嘴巴叼烟而手未拿烟、手拿烟但不在嘴边、手掌完全遮住嘴的情况均不告警。因此它适合抓取抽烟动作本身，不适合"发现带了打火机"这类前置行为；
• 翻越围栏检测依赖人体关键点。需标记围栏区域，且区域应画在翻越后的脚部落入区；脚踝、小腿被遮挡或不可辨识时无效，远距离超过 20 米效果下降。栏杆密集、人员贴墙行走的窄通道点位不宜布设；
• 打架、翻越两项成熟度为"中"。这类行为算法在降误报与保检出之间存在固有取舍：提高置信度能压掉课间追跑打闹的误报，但同时会漏掉真实事件。实际档位按校方的容忍度在试运行期确定。

7.4 算力与点位配置

同一路视频可并行运行多个算法，但算力有上限。本项目在 80 路分析能力内的分配原则是：

• 人脸特征提取按需常开，仅 46 路通道点位开启，且优先级最高——它是轨迹能力的底座，算力被挤占会直接导致轨迹断续；
• 明火、烟雾等算力"中"档算法集中在重点风险点位，不铺全网；
• 人员计数（带跟踪）等算力"高"档算法仅用于校门与主门厅；
• 新增算法前需核算剩余算力，避免因算力不足影响既有算法的稳定运行。

7.5 隐私与合规

校园场景涉及未成年人图像，属于敏感个人信息。本项目的处理遵循以下前提，并在实施前与校方逐项确认：

• 人脸底库的录入范围、用途、保存期限须经校方书面确认，并向师生及家长履行告知义务；
• 检索与轨迹查询功能限定授权账号使用，操作日志留痕、可追溯；
• 数据本地存储、校内闭环，不上传公有云；
• 明确禁止将轨迹能力用于与校园安全管理无关的用途（如考勤之外的日常行为评价、成绩关联等）；
• 抽烟、打架等行为告警记录的使用范围、保存期限与查阅权限，须在校规与校方管理制度中明确；
• 建立定期清理机制，超期特征数据按规定删除。

八、总结与展望

本项目的价值不在于又多加了几路算法，而在于把校园监控从"事后回放的录像库"推进到"可按人检索的行踪台账"，同时让明火、烟雾、打架、抽烟、翻墙这些高频风险在同一套设备上被即时发现。

拆开看是三件事各自成立：人脸底库提供"这人是谁"的索引，各点位的人脸特征提取提供"在哪出现"的记录，轨迹任务把两者按时间拼成一条路径；而行为算法负责在事发那一刻把信号送出来。合起来是一条完整的链：告警发现事 → 轨迹还原人 → 原始视频作证。学生几点离校、外来人员进校后去了哪、翻墙的是谁、冲突双方此前是否接触过，这些过去要靠几个人翻几小时录像才能勉强回答的问题，现在有了明确、可复核的答案。

这套能力也有它的边界：纯人脸拼链在背身、遮挡、逆光时会断，断链要靠补点与运维解决；烟雾只认大面积浓烟，打架只认剧烈动作，各有取舍。把这些说清楚，用起来才不会错位。

后续可沿三个方向延伸：一是把轨迹与门禁、请假、宿舍管理系统的数据打通，形成"人、时、地"三要素的自动核对与异常提示；二是接入视觉大模型复审，对打架、烟雾这类易混淆场景做二次裁决，压降无效告警对值班人员的干扰；三是把高频告警的点位、时段数据沉淀为校园安全的态势分析，让巡查排班和点位增补有据可依。