文章轉(zhuǎn)載：千家網(wǎng) 如有問題請聯(lián)系刪除

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,，采取識別算法進行最后的識別,。

來源：機房動力環(huán)境監(jiān)控系統(tǒng) http://youring.cn   本文采集于網(wǎng)絡(luò)，如有問題有聯(lián)系刪除