淺談視頻監控系統與人臉識別技術的結合應用
閱讀：2316發布時間：2014-3-27
1視頻監控系統的應用現狀
視頻監控系統的發展經歷了*代的全模擬系統、第二代的部分數字化的系統、第三代的*數字化的系統(網絡攝像機和視頻服務器)三個階段的發展演變。現有的數字視頻監控系統實現了視頻監控手段的數字化、網絡化和集成化，但是它存在一個zui主要的缺陷：對視頻內容只能靠人來判斷，同時，它多用于“事后處理”，并不能充分發揮視頻監控系統的主動性。基于*生物特征識別技術的。
2人臉識別技術
人臉識別的研究范圍大致可以分為如下幾個方面的內容：
(1)人臉檢測(FaceDetection)：即從各種不同的場景中檢測出人臉的存在并確定其位置。在大多數的場合中由于場景較復雜，人臉的位置是預先不知道的，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、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域，把圖像分割成兩個部分2人臉區域和非人臉區域，從而為后續處理奠定基礎。
(2)人臉表征(FaceRepresentation)：即采取某種表示方式表示檢測出的人臉和數據庫中的已知人臉。通常的表示法包括幾何特征(如歐氏距離、曲率、角度)、代數特征(如矩陣特征矢量)、固定特征模板、特征臉、云紋圖等。
(3)人臉辨識(FaceIdentification)：即將已檢測到的待識別的人臉與數據庫中的已知人臉進行比較匹配，得出相關信息，這一過程的核心是選擇適當的人臉的表征方式與匹配策略，系統的構造與人臉的表征方式密切相關。通常或是選擇全局的方法或是選擇基于特征的方法進行匹配。顯然，基于側面像所選擇的特征和基于正面像的特征是有很大的區別的。
(4)表情分析(ExpressionAnalysis)：即對待識別人臉的表情信息(快樂、悲傷、恐懼、驚奇等)進行分析，并對其加以歸類。
(5)生理分類(PhysicalClassification)：即對待識別人臉的生理特征進行分析，得出其種族、年齡、性別、職業等相關信息。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雜的。
3人臉識別視頻監控系統的架構
人臉識別視頻監控系統有四大核心部分：視頻處理/人臉捕獲工作站、人臉比對工作站、黑名單數據庫和報警顯示工作站。視頻處理/人臉捕獲：在視頻圖像中發現人臉，評估圖像質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據庫相比較;黑名單照片采集：建立模板并將模板數據加入黑名單數據庫;報警顯示：根據比對結果，顯示報警結果，或將報警信息傳遞給PDA或其它手提終端。
4人臉識別監控系統的關鍵問題
(1)人臉識別中的光照問題。光照變化是影響人臉識別性能的zui關鍵因素，對該問題的解決程度關系著人臉識別實用化進程的成敗。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，在人臉圖像預處理或者歸一化階段進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；
(2)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人臉檢測定位的結果，對運動序列后續幀中的目標人臉的運動軌跡和輪廓變化進行持續的跟蹤檢測。一個復雜背景下的多級結構的人臉檢測與跟蹤系統可采用模板匹配、特征子臉、彩色信息等人臉檢測技術，這樣能夠檢測平面內旋轉的人臉，并可跟蹤任意姿態的運動的人臉；
(3)去冗問題。要求人臉識別監控系統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，減除重復的畫像，并提取相應的人臉圖像特征實現人臉的快速比對，并輸出相應的結果信息；
(4)人臉識別中的姿態問題。姿態問題涉及頭部在三維垂直坐標系中繞三個軸的旋轉造成的面部變化，其中垂直于圖像平面的兩個方向的深度旋轉會造成面部信息的部分缺失。一種方案是基于姿態不變特征的方法，即尋求那些不隨姿態的變化而變化的特征。另一種方案是采用基于統計的視覺模型，將輸入姿態圖像校正為正面圖像，從而可以在統一的姿態空間內作特征的提取和匹配。
