近年来,全国公安部门大力开展视频监控系统建设,结合视频监控和人脸识别实现犯罪嫌疑人的快速识别和实时布控。然而,由于基于视频监控的人脸识别技术面临光线、角度、姿态、遮挡等因素的影响,导致人脸的类内差距增大、类间差距缩小,给基于视频监控的人脸识别技术应用带来了巨大挑战。

实际应用中的困难和问题

随着视频监控建设的快速发展,视频监控数量快速增长,既有老旧模拟设备,也有新的数字高清设备,基于视频监控的人脸识别技术在实际应用过程中遇到很多的困难和挑战,包括以下问题:

(1)视频图像质量比较差问题。视频图像一般是在户外或室内获取的,通常没有用户的配合,所以视频人脸图像经常会有很大的光照和姿态变化,还可能会有遮挡和伪装。

(2)人脸图像比较小的问题。由于采集条件比较差,视频人脸图像一般会比基于静态图像的人脸识别系统的预设尺寸小。小尺寸的图像不但会影响识别算法的性能,还会影响人脸检测,分割和关键点定位的精度,这必然会导致整个人脸识别系统性能的下降。

(3)人脸识别中的光照问题。光照变化是影响人脸识别性能的最关键因素,对该问题的解决程度关系着人脸识别实用化进程的成败。需要从人脸图像中将固有的人脸属性和光源、遮挡及高光等非人脸固有属性分离,在人脸图像预处理或者归一化阶段进行针对性的光照补偿,以便消除非均匀正面光照造成的阴影、高光等对识别性能的影响。

(4)去冗余问题。需要能对视频捕捉中的画面快速地检测单个和多个人脸图像,自动去冗余,减除重复的图像,并提取相应的人脸图像特征实现人脸的快速比对,输出相应的结果信息。

(5)人脸识别中的姿态问题。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化,其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。典型算法与关键技术 基于视频监控的人脸识别技术算法基本流程,主要分为人脸图像采集、人脸监测、人脸特征提取与选择、人脸识别四个部分。

典型算法与关键技术

基于视频监控的人脸识别技术算法基本流程,主要分为人脸图像采集、人脸监测、人脸特征提取与选择、人脸识别四个部分。

人脸图像采集部分的图像源主要来自于现有的视频监控联网平台中的视频流,首先从视频流中提取图像帧,然后从多个图像帧中筛选人脸较为正面的图像作为待测图像。另外图像源也可为监控平台中已经人工截取的图像作为待测图像。

(1)人脸检测即检测待测图像中是否有人脸存在,若存在则将人脸标示出来。对于单一背景的人脸图像,人脸监测较为简单,但对于复杂环境下的人脸监测较为困难。

(2)人脸图像的预处理。在自然环境下获取的人脸图像多受到光照、拍摄角度等影响,因此在图像特征提取之前要进行图像的预处理,合理的图像预处理会大大提高人脸监测的成功率。

(3)特征提取与选择是人脸识别中最为关键的一步,识别人脸的主要依据就是人脸特征。目前针对人脸特征有很多种,比如:HOG方法、LBP方法、K-L变换等。

(4)人脸识别是在特征提取与选择之后,采取识别算法进行最后的识别。

Categories: 行业资讯

发表评论

电子邮件地址不会被公开。 必填项已用*标注