近年來,全國各地公安機關(guān)大力開展視頻監(jiān)控系統(tǒng)建設(shè),結(jié)合視頻監(jiān)控和人臉識別實現(xiàn)犯罪嫌疑人的快速識別和實時布控,是提高視頻監(jiān)控效率的一條重要途徑。然而,由于基于視頻監(jiān)控的人臉識別技術(shù)面臨光線、角度、姿態(tài)、遮擋等因素的影響,導(dǎo)致人臉的類內(nèi)差距增大、類間差距縮小,給基于視頻監(jiān)控的人臉識別技術(shù)應(yīng)用帶來了巨大挑戰(zhàn)。

1

實際應(yīng)用中的困難和問題

隨著公安視頻監(jiān)控建設(shè)的快速發(fā)展,視頻監(jiān)控數(shù)量快速增長,既有老舊模擬設(shè)備,也有新的數(shù)字高清設(shè)備,基于視頻監(jiān)控的人臉識別技術(shù)在實際應(yīng)用過程中遇到很多的困難和挑戰(zhàn),包括以下問題:

(1)視頻圖像質(zhì)量比較差問題。視頻圖像一般是在戶外或室內(nèi)獲取的,通常沒有用戶的配合,所以視頻人臉圖像經(jīng)常會有很大的光照和姿態(tài)變化,還可能會有遮擋和偽裝。

(2)人臉識別中的光照問題。光照變化是影響人臉識別性能的最關(guān)鍵因素,對該問題的解決程度關(guān)系著人臉識別實用化進(jìn)程的成敗。需要從人臉圖像中將固有的人臉屬性和光源、遮擋及高光等非人臉固有屬性分離,在人臉圖像預(yù)處理或者歸一化階段進(jìn)行針對性的光照補償,以便消除非均勻正面光照造成的陰影、高光等對識別性能的影響。

(3)人臉圖像比較小的問題。由于采集條件比較差,視頻人臉圖像一般會比基于靜態(tài)圖像的人臉識別系統(tǒng)的預(yù)設(shè)尺寸小。小尺寸的圖像不但會影響識別算法的性能,還會影響人臉檢測,分割和關(guān)鍵點定位的精度,這必然會導(dǎo)致整個人臉識別系統(tǒng)性能的下降。

(4)去冗余問題。需要能對視頻捕捉中的畫面快速地檢測單個和多個人臉圖像,自動去冗余,減除重復(fù)的圖像,并提取相應(yīng)的人臉圖像特征實現(xiàn)人臉的快速比對,輸出相應(yīng)的結(jié)果信息。

(5)人臉識別中的姿態(tài)問題。姿態(tài)問題涉及頭部在三維垂直坐標(biāo)系中繞三個軸的旋轉(zhuǎn)造成的面部變化,其中垂直于圖像平面的兩個方向的深度旋轉(zhuǎn)會造成面部信息的部分缺失。

2

典型算法與關(guān)鍵技術(shù)

基于視頻監(jiān)控的人臉識別技術(shù)算法基本流程(如圖1所示),主要分為人臉圖像采集、人臉監(jiān)測、人臉特征提取與選擇、人臉識別四個部分。

圖1 基于監(jiān)控視頻的人臉識別技術(shù)典型算法示意

圖1中,人臉圖像采集部分的圖像源主要來自于現(xiàn)有的視頻監(jiān)控聯(lián)網(wǎng)平臺中的視頻流,首先從視頻流中提取圖像幀,然后從多個圖像幀中篩選人臉較為正面的圖像作為待測圖像。另外圖像源也可為監(jiān)控平臺中已經(jīng)人工截取的圖像作為待測圖像。

(1)人臉檢測即檢測待測圖像中是否有人臉存在,若存在則將人臉標(biāo)示出來。對于單一背景的人臉圖像,人臉監(jiān)測較為簡單,但對于復(fù)雜環(huán)境下的人臉監(jiān)測較為困難。

(2)人臉圖像的預(yù)處理。在自然環(huán)境下獲取的人臉圖像多受到光照、拍攝角度等影響,因此在圖像特征提取之前要進(jìn)行圖像的預(yù)處理,合理的圖像預(yù)處理會大大提高人臉監(jiān)測的成功率。

(3)特征提取與選擇是人臉識別中最為關(guān)鍵的一步,識別人臉的主要依據(jù)就是人臉特征。目前針對人臉特征有很多種,比如:HOG方法、LBP方法、K-L變換等。

(4)人臉識別是在特征提取與選擇之后,采取識別算法進(jìn)行最后的識別。

文章摘自:《中國安防》雜志

作者:張鑫

來源：中國安防協(xié)會