不同监控视频条件可识别人像特征研究

高一卓

摘 要 不同的视频条件下，视频中人像特征会发生畸变，本文通过观看大量视频资料，对这些畸变特征进行梳理，分析不同视频条件下哪些特征可以加以识别利用，提出视频资料中人像特征可识别的参考方向，为公安一线快速分析视频信息含量提供依据。

关键词 视频条件 人像特征 识别

中图分类号：D918.2 文献标识码：A DOI：10.16400/j.cnki.kjdks.2015.12.077

Research on Portrait Characteristics Be Identified

in Different Monitoring Video Conditions

GAO Yizhuo

（Jilin Police College， Criminal Science and Technology Department， Changchun， Jilin 130117）

Abstract Under the condition of different video， the video portrait characteristics of distortion will happen. Combing the distortion characteristic by watching a large number of video data， the author analyze features which can be identified and can be used under the different conditions of videos， outline the reference direction on identifiable features in videos in order to provide the basis for the public security to rapid analyze the video information content which can be used.

Key words video conditions； characteristics； identification

0 引言

在不同的视频条件情况下，人物面部特征会发生不同程度的变化，经过观察，场景、条件的不同，脸部特征变化的趋势和效果也有章可循，通过对人物面部特征发生变化情况进行总结，进而分析视频资料中人像信息是否可利用，为侦查人员快速直接提取视频中人物的特征提供可行的参考方向，提高视频资料信息的利用率。

1 视频资料像素数对人脸特征识别的影响

视频监控头的设置条件不同，如清晰度不同，高度、角度不同，均会不同程度导致人脸的面部特征在视频资料中发生扭曲、变形等情况，根据人脸特征的稳定性，在不同的视频条件下对扭曲的特征进行梳理归类。

1.1 对人物脸型特征识别的影响

影响视频人脸清晰度的最直接原因即是监控摄像头的清晰程度。现有的视频监控摄像头有30万像素、60万像素以及百万像素以上。理论上，摄像头像素数越高得到的人像在视频中越清晰。相关资料表明，在人类正面信息至少需要32？2个像素时才能够识别人像。统计信息证明，在60万像素以下摄像头得到的人脸信息，在人脸达到32？2像素的临界条件下，能够使用的特征信息也相对较百万像素少，主要体现在面部轮廓、五官线条的连续性上。在百万像素条件下， 32？2人脸像素能够识别人脸的脸型，面部轮廓线相对较清晰，五官位置结构能够识别，进而分析得到人物脸型，模糊程度较前者低。人物的身高体态等特征，60万像素及以下的摄像头在中远距离情况下，一般能得到较多的行走步态、步法、身材、身高等信息，发型、服饰等信息一般不完全，存在信息不足的情况。

在实际应用中，视频中人像的识别首先确定人脸脸型。人脸的识别过程中，面部的纵向信息对脸型的确定起主要作用。面部的长度信息能够快速的确定人脸的整体形态，面长在身高中所占的比例，在实际视频中人脸的脸型纵向方向至少约为20个像素以上才能确定人脸的轮廓，如果纵向方向低于20像素，一般情况下，人物不具备可识别面部特征。图1（a）为纵向面部信息为22个像素，图1（b）为纵向面部信息16个像素。

（a） （b）

图1 脸部纵向像素对人脸脸型识别的影响

1.2 对人物鼻子识别的影响

人物的鼻子具有立体性，在面部所占的面积也较大。体现在视频资料中即为鼻部亮度较高，在大部分视频资料中都能够的分辨出人物的鼻子形态以及在面部所占的像素比例。统计数据表明，在人物面部轮廓能够确定的情况下，人物鼻子的形态能够较多的被识别。

侧面人脸鼻子的识别度要远远高于正面人脸鼻子的识别，原因是正面脸情况下，鼻部的立体性被极大程度的降低，而侧面人脸时，光照条件能够较好的表现鼻的立体形态。图2为侧面人脸情况下，鼻部的信息一般都较为明显，能够体现鼻子的形态。

1.3 对人物唇识别的影响

在视频图像中，如果人像的唇部明显突出，考虑该人是否为厚唇，结合下颌的翘起角度，分析人物唇是否突出于面部；根据口角的位置，判断人物唇的长短，根据唇角阴影的深浅位置能够判断人物唇部的基本形态，嘴角翘起与否，唇的薄厚。图3中人物的唇角阴影较大，有抿嘴动作，阴影为“、”形状，说明唇凸出与面部的高度较大，嘴唇相对略厚。

2 不同的监控视频角度

2.1 高角度视频监控头

摄像头摆放角度也同样影响视频中人脸的识别。这里的角度是指摄像头相对于人脸的水平中线的角度。摆放位置较高的摄像头，如交通枢纽处，商业区聚集地，拍摄得到的摄影场景一般较大，视频人脸所占像素数较少，多数情况下，不利于人脸面部细节特征信息的提取。

此时记录的视频资料，多数可用于人物身高估测、行走习惯分析、服装风格、发型与年龄等的分析。一般情况下，成年人的身高为头长的7.5～8个头长，对于高个子的人，约为8.5～9个头。

2.2 低角度视频监控条件下

低角度摄像头，如摆放在室内用于监控室内活动情况的摄像头，出入口等，由于摆放角度较低，多数情况下，能够看见部分的面部特征，根据透视规律，镜头中人脸会有部分畸变，在一定程度上会影响人物的识别与同一认定，通过观看大量视频，统计得到以下内容：

正面人脸情况下，处于视频资料边缘场景的人物脸部经常会因透视规律而出现变形，这种变形一般表现为人物面部模糊不清，脸部轮廓被夸张，越贴近画面边缘的部分，变形越大。人物脸部宽度比实际略有加宽，长方形脸、椭圆形脸，圆形脸与卵圆形、倒卵圆形脸在视频中不能明显区分，脸型的边缘都有一定程度的模糊并且脸部轮廓线条被夸张，不能明显区分，此时，一般不用图像处理技术进一步处理。

图2 图3 图4

3 不同的光线照射方向

根据摄影理论，摄影成像的光线方向分为顺光、逆光、侧光、侧逆光和背光。

3.1 顺光条件

顺光条件下，一般能够分辨人物的脸部信息或身体信息。当视频监控距离人物较近时，顺光条件能够较好的展现人物的脸部信息及特征，即便脸部未完全出现在视频资料中，也能够达到人物信息的提取。图4即为低质量视频资料在顺光条件下，也能够较明显的辨识出人物脸型、脸部器官结构，对人物形象能够轻松辨识。

当顺光光线亮度较强时候，有时会导致曝光过度，人物脸部过分明亮，体现在视频中即为损失人物信息，这种信息损失不能复原，不能进行技术处理。

3.2 侧光、侧逆光条件

侧光、侧逆光条件下，对于正面人脸，散射至人脸部的光线较多，这种情况下，有时会因侧逆光照射，损失掉亮部一侧脸的部分轮廓信息。此时，根据人脸部对称性的原理，利用可见的一侧脸对人脸轮廓进行复原，从而对人脸脸型有一个初步推断。当侧光、侧逆光线比较强时，处于暗部光线条件的脸部可以经过技术处理进行特征细节的识别与提取。

当侧光、侧逆光较暗情况下，近距离的视频人脸信息可以通过技术处理手段，得到部分的复原信息。但对于远距离的视频人脸，则要以人物脸部像素信息的数量为标准，观察其是否具备技术处理条件。对于高角度、远距离的视频监控信息，人物脸部信息在视频图像中所占信息很少，侧光条件下一般很难对人物脸部信息进行进一步的处理及识别，多数是对人物整体体态信息的分析。

侧逆光条件下，有部分逆光散射至人脸，能够提供一部分信息，有时能够看清楚头的长度，根据人的头部长度与体长的比例关系可适当推测人的身高信息。根据大量视频资料信息，侧逆光条件配合适当角度可看清侧面人像的下颌线、下颌角形态，当有明显下颌角，考虑为方形脸型，结合额头的宽度、高度，对比人体学规律，确定脸型，标定脸部比例结构。

3.3 背光条件

在人像为正背光条件下，一般正面人脸信息较难记录下来，表现为视频图像人脸全部处在阴影信息之下，无特征信息记录。有关信息表明，当人物脸部处于背光条件下，一般不能记录人物脸部信息，甚至无法分辨人物的性别、是否佩戴眼镜等信息。

4 结语

本文就主要影响视频资料人像特征的视频条件进行分析，提出不同视频条件下人像信息常见的变化以及变化种类，并就视频中人物可利用信息提取及信息推断方向进行了梳理，为快速分析视频资料可利用信息提出参考和对照，提高使用信息使用效率。对于大部分视频资料信息均可通过初步分析视频条件而判断是否需要送至相关技术部门进行处理。本文内容同样可以用于人物特征相关性提供依据，进一步提高基层人员利用视频资料对犯罪分子进行人像侧写的能力。

参考文献

[1] 刘丽华.人脸光照问题研究综述[J].电脑开发与应用，2008.21（4）：36-39.

[2] 朱长仁，王润生.基于单视图的人脸识别算法[J].计算机学报，2003.26（1）：104-109.

[3] 冯晓斐，潘翔.基于特征变形的人脸肖像漫画生成[J].浙江工业大学学报，2003.26（1）：104-109.

[4] 杨国亮，王志良，王国江.面部表情识别研究进展[J].自动化技术与应用，2006.25（4）：3-6.

[5] 郑青鼻，毛自民.基于关键特征点的人脸纹理映射[J].计算机与数字工程，2013.41（1）：111-114.