近年來，全國各地公共安全機關大力開展視頻監控系統建設，結合視頻監控和人臉識別實現**的快速識別和實時布控，是提高視頻監控效率的一條重要途徑。然而，由于基于視頻監控的人臉識別技術面臨光線、角度、姿態、遮擋等因素的影響，導致人臉的類內差距增大、類間差距縮小，給基于視頻監控的人臉識別技術應用帶來了巨大挑戰。
實際應用中的困難和問題
隨著公共安全視頻監控建設的快速發展，視頻監控數量快速增長，既有老舊模擬設備，也有新的數字高清設備，基于視頻監控的人臉識別技術在實際應用過程中遇到很多的困難和挑戰，包括以下問題：
(1)視頻圖像質量比較差問題。視頻圖像一般是在戶外或室內獲取的，通常沒有用戶的配合，所以視頻人臉圖像經常會有很大的光照和姿態變化，還可能會有遮擋。
(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，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圖像的人臉識別系統的預設尺寸小。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，分割和關鍵點定位的精度，這必然會導致整個人臉識別系統性能的下降。
(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，減除重復的圖像，并提取相應的人臉圖像特征實現人臉的快速比對，輸出相應的結果信息。
(5)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。
典型算法與關鍵技術
基于視頻監控的人臉識別技術算法基本流程(如圖1所示)，主要分為人臉圖像采集、人臉監測、人臉特征提取與選擇、人臉識別四個部分。
圖1 基于監控視頻的人臉識別技術典型算法示意
圖1中，人臉圖像采集部分的圖像源主要來自于現有的視頻監控聯網平臺中的視頻流，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控平臺中已經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，若存在則將人臉標示出來。對于單一背景的人臉圖像，人臉監測較為簡單，但對于復雜環境下的人臉監測較為困難。
(2)人臉圖像的預處理。在自然環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行圖像的預處理，合理的圖像預處理會大大提高人臉監測的成功率。
(3)特征提取與選擇是人臉識別中很關鍵的一步，識別人臉的主要依據就是人臉特征。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，采取識別算法進行后的識別。
