視頻監(jiān)控系統(tǒng)與人臉識別技術(shù)的結(jié)合應(yīng)用

　　隨著信息技術(shù)不斷發(fā)展，視頻信息越來越廣泛的應(yīng)用與娛樂、教育、安全、生活等各種領(lǐng)域。介紹了人臉識別技術(shù)的研究方向、應(yīng)用領(lǐng)域及技術(shù)優(yōu)勢并針對人臉識別技術(shù)在視頻監(jiān)控系統(tǒng)中應(yīng)用的架構(gòu)、關(guān)鍵技術(shù)和算法做了有益的探討特別對矯正有旋轉(zhuǎn)角度的人臉圖像技術(shù)做了較為詳盡的表述。最后得出結(jié)論人臉識別技術(shù)可以應(yīng)用于監(jiān)控系統(tǒng)中。而基于人臉識別技術(shù)的智能視頻監(jiān)控系統(tǒng)應(yīng)該具有十分廣泛的應(yīng)用前景。

　　1 視頻監(jiān)控系統(tǒng)的應(yīng)用現(xiàn)狀

　　視頻監(jiān)控系統(tǒng)的發(fā)展經(jīng)歷了第一代的全模擬系統(tǒng)、第二代的部分?jǐn)?shù)字化的系統(tǒng)、第三代的完全數(shù)字化的系統(tǒng)（網(wǎng)絡(luò)攝像機(jī)和視頻服務(wù)器）三個階段的發(fā)展演變?，F(xiàn)有的數(shù)字視頻監(jiān)控系統(tǒng)實現(xiàn)了視頻監(jiān)控手段的數(shù)字化、網(wǎng)絡(luò)化和集成化，但是它存在一個最主要的缺陷：對視頻內(nèi)容只能靠人來判斷，同時，它多用于“事后處理”，并不能充分發(fā)揮視頻監(jiān)控系統(tǒng)的主動性?；谙冗M(jìn)生物特征識別技術(shù)的

　　人臉識別智能視頻監(jiān)控系統(tǒng)的出現(xiàn)是視頻監(jiān)控系統(tǒng)發(fā)展的又一標(biāo)志，智能視頻監(jiān)控系統(tǒng)能夠識別不同的物體，發(fā)現(xiàn)監(jiān)控畫面中的異常情況，并能夠以最快和最佳的方式發(fā)出警報和提供有用信息，從而能夠更加有效地協(xié)助安全人員處理危機(jī)，并最大限度地降低誤報和漏報現(xiàn)象。

　　2 人臉識別技術(shù)

　　2.1 人臉識別技術(shù)的研究及應(yīng)用范疇。

　　人臉識別（Face Recognition）亦稱面像識別是人類視覺系統(tǒng)的基本功能，也是人類互相辨識的最直接手段，因此他是生物特征識別中的重要研究內(nèi)容。人臉識別技術(shù)作為一種新興的生物特征識別技術(shù)，概括說，他是一種依據(jù)人體面部特征的自動身份鑒別技術(shù)。人臉識別綜合運用了數(shù)字圖像/視頻處理、模式識別、計算機(jī)視覺等多種技術(shù)。人臉識別技術(shù)在公共安全、人機(jī)交互等領(lǐng)域具有廣泛的應(yīng)用前景，這一點已經(jīng)為世人所公認(rèn)。同時，人臉識別也是人工智能領(lǐng)域的重大研究課題，因此吸引了大量的研究人員對此展開深入研究，到現(xiàn)在已有30 多年的研究歷史。自20 世紀(jì)90年代以來（特別是美國“911”恐怖襲擊事件發(fā)生以后），人臉識別技術(shù)在研究及應(yīng)用方面更是得到了長足的發(fā)展。人臉識別的研究范圍大致可以分為如下幾個方面的內(nèi)容：

　?。?）人臉檢測（Face Detection）：即從各種不同的場景中檢測出人臉的存在并確定其位置。在大多數(shù)的場合中由于場景較復(fù)雜，人臉的位置是預(yù)先不知道的，因而首先必須確定場景中是否存在人臉，如果存在人臉，再確定圖像中人臉的位置。臉部毛發(fā)、化妝品、光照、噪聲、面部傾斜和人臉大小變化以及各種遮擋等因素會使人臉檢測問題變得更為復(fù)雜。人臉檢測的主要目的是在輸入的整幅圖像上尋找人臉區(qū)域，把圖像分割成兩個部分2 人臉區(qū)域和非人臉區(qū)域，從而為后續(xù)處理奠定基礎(chǔ)。

　?。?）人臉表征（FaceRepresentation）：即采取某種表示方式表示檢測出的人臉和數(shù)據(jù)庫中的已知人臉。通常的表示法包括幾何特征（如歐氏距離、曲率、角度）、代數(shù)特征（如矩陣特征矢量）、固定特征模板、特征臉、云紋圖等。

　?。?）人臉辨識（FaceIdentification）：即將已檢測到的待識別的人臉與數(shù)據(jù)庫中的已知人臉進(jìn)行比較匹配，得出相關(guān)信息，這一過程的核心是選擇適當(dāng)?shù)娜四樀谋碚鞣绞脚c匹配策略，系統(tǒng)的構(gòu)造與人臉的表征方式密切相關(guān)。通常或是選擇全局的方法或是選擇基于特征的方法進(jìn)行匹配。顯然，基于側(cè)面像所選擇的特征和基于正面像的特征是有很大的區(qū)別的。

　?。?）表情分析（Expression Analysis）：即對待識別人臉的表情信息（快樂、悲傷、恐懼、驚奇等）進(jìn)行分析，并對其加以歸類。

　?。?）生理分類（Physical Classification）：即對待識別人臉的生理特征進(jìn)行分析，得出其種族、年齡、性別、職業(yè)等相關(guān)信息。顯然，完成這一操作需要大量的知識并且通常是非常困難和復(fù)雜的。

　　2.2 人臉識別技術(shù)優(yōu)勢。

　　人臉識別作為一種新興的生物特征識別技術(shù)（Bio-met rics），與虹膜識別、指紋掃描、掌形掃描等技術(shù)相比，人臉識別技術(shù)在應(yīng)用方面具有獨到的優(yōu)勢：

　　（1）使用方便，用戶接受度高。（2）直觀性突出。（3）識別精確度高，速度快。（4）不易仿冒。（5）使用通用性設(shè)備。（6）基礎(chǔ)資料易于獲得。

　　3 人臉識別視頻監(jiān)控系統(tǒng)的架構(gòu)

　　人臉識別視頻監(jiān)控系統(tǒng)有四大核心部分：視頻處理/人臉捕獲工作站、人臉比對工作站、黑名單數(shù)據(jù)庫和報警顯示工作站。視頻處理/人臉捕獲：在視頻圖像中發(fā)現(xiàn)人臉，評估圖像質(zhì)量并提交給人臉識別比對模塊;人臉識別比對模塊：對登陸的照片提取特征模板并與黑名單數(shù)據(jù)庫相比較;黑名單照片采集：建立模板并將模板數(shù)據(jù)加入黑名單數(shù)據(jù)庫;報警顯示：根據(jù)比對結(jié)果，顯示報警結(jié)果，或?qū)缶畔鬟f給 PDA或其它手提終端。

　　4 人臉識別監(jiān)控系統(tǒng)的關(guān)鍵問題

　?。?）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開來，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、高光等對識別性能影響;

　?。?）人臉檢測與跟蹤問題。

　　人臉檢測是人臉身份識別的前期工作，而人臉跟蹤就是根據(jù)人臉檢測定位的結(jié)果，對運動序列后續(xù)幀中的目標(biāo)人臉的運動軌跡和輪廓變化進(jìn)行持續(xù)的跟蹤檢測。一個復(fù)雜背景下的多級結(jié)構(gòu)的人臉檢測與跟蹤系統(tǒng)可采用模板匹配、特征子臉、彩色信息等人臉檢測技術(shù)，這樣能夠檢測平面內(nèi)旋轉(zhuǎn)的人臉，并可跟蹤任意姿態(tài)的運動的人臉。

　　（3）去冗問題。

　　要求人臉識別監(jiān)控系統(tǒng)能對視頻捕捉中的畫面能夠快速的檢測單個和多個人臉圖像，并自動去冗余，減除重復(fù)的畫像，并提取相應(yīng)的人臉圖像特征實現(xiàn)人臉的快速比對，并輸出相應(yīng)的結(jié)果信息。

　?。?）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。一種方案是基于姿態(tài)不變特征的方法，即尋求那些不隨姿態(tài)的變化而變化的特征。另一種方案是采用基于統(tǒng)計的視覺模型，將輸入姿態(tài)圖像校正為正面圖像，從而可以在統(tǒng)一的姿態(tài)空間內(nèi)作特征的提取和匹配。

　　5 結(jié)束語

　　隨著生物特征技術(shù)的發(fā)展，人臉識別技術(shù)正逐漸由理論探索的過程轉(zhuǎn)入了實際應(yīng)用的階段，國內(nèi)外都出現(xiàn)了專業(yè)的人臉識別產(chǎn)品。人臉識別技術(shù)具有廣泛的應(yīng)用前景，在公共安全、智能門禁、智能視頻監(jiān)控、公安布控、海關(guān)身份驗證等有著典型的應(yīng)用。其中基于人臉識別技術(shù)的智能視頻監(jiān)控系統(tǒng)可以有效地解決目前數(shù)字監(jiān)控系統(tǒng)存在的某些難題，如確定監(jiān)控場景中是否有人，對監(jiān)視對象難以跟蹤、確定當(dāng)前監(jiān)控對象的身份等問題。