不同监控视频角度同一姿态的同一性研究

王嘉陈　周瑞　凌启尉　倪洋　赵明明

【摘 要】在刑事侦查常见的追踪犯罪嫌疑人轨迹工作中，监控视频发挥了很大的作用。但是，由于现实环境中的各种条件限制，利用监控视频来识别和追踪嫌疑人物的效率不是很高。为了最大限度地提高识别犯罪嫌疑人和追踪犯罪嫌疑人轨迹效率，实验人员对不同监控视频的视角下同一姿态的同一性进行研究。在实验过程中，实验人员利用专用软件，通过比较分析，选取不同监控视频角度下行走过程中相关变量进行统计分析，并对其同一性和特

定性进行实验研究，在一定的范围内可以实现对人物的识别，达到认定或者排除人物的目的。

【关键词】监控视频；不同视角；行走特征；同一性；特定性

【Abstract】In tracking suspects traces that are common in criminal investigation， surveillance video has played a significant role. However， due to various conditions in actual environment， taking use of surveillance video to identify and track suspected people is not very efficient. To maximize the efficiency of identifying criminal suspects and tracking suspects trajectory， experimental persons research the identity of the same gesture at different surveillance video perspectives. During the experiment， experimenters use special software to make comparative analysis， choose the relevant variables in the course of walking from different surveillance video angles to make statistical analysis， and do experimental researches on their identity and specificity， so that the experimenters can achieve the purposes of identifying persons， affirming or excluding characters within a certain range.

【Key words】Surveillance video； Different perspective； Walking characteristics； The same gesture； Specificity

0 引言

电子摄像设备遍布街头巷尾，监控视频资料成为刑事案件中重要的证据材料。[1]然而在实际工作中，监控视频资料往往只能作为间接证据，甚至于仅仅作为侦查人员办案的线索。究其原因，主要在于缺少科学的方法来对多个监控视频中的某一人物进行同一认定。

基于面部特征的人脸识别技术目前已在多个方面得以运用[2]，但有时在一些视频资料中，受某些因素影响，监控视频根本无法清晰地体现人物的面部特征，故而通过人脸识别到人，有时达不到某些领域的要求。

通过对在不同视角的监控视频中的一个人的同一认定，可以找到稳定性较高的人体特征，并能排除一定的因素干扰。相比于其他识别方法，对在不同视角下的人体识别，具有较为高的科学性和较广的适用范围。本项目力求通过监控视频中不同视角下同一姿态的同一性研究，来确定某个特定人的有效方法。

1 不同视角姿态识别

人体动态特征识别，又称行走运动特征识别，是目前真正能应用于实际的刑侦技术。该技术通过对动态人体的肢体摆动特征[3]、步态特征、人体轮廓投影特征等的模式识别，找到犯罪嫌疑人行动中的固定规律，这时他的走路姿势就会和指纹一样成为破案的有效证据。[4]然而该技术也有着极大的局限性：由于是对动态的研究，这对监控视频的帧数有着较高的要求。此外，为了达到更好的伪装效果，有的犯罪分子故意改变自己原本的行走姿势，在这种情况下，人体动态特征识别技术就无用武之地。

故而为弥补以上方案的缺陷，本组提出利用三维数学模型的方法，通过数学计算来研究人体静态特征的想法。基于该想法，本组建立数学模型，可将三维中共用一端点的一条铅垂线段与一条水平线段之比通过二维图片计算得出。为适应普遍的监控视频，本组采取了一侧肩到同侧腰的距离和肩宽之比作为人体静态特征，并基于大量实验做出数据分析，且辅以一定的人体动态特征来综合考量。通过对实验数据的分析，本方案的结论已具有一定的可靠性。

2 不同视角识别方法和理论

2.1 实验方法

先将两个摄像机分别固定在不同方位不等高的两个位置（h1≠h2，水平距离为d），固定时使两个摄像机与地面之间所成的夹角不同（α1≠α2）。

然后在实验人员的两肩和腰部分别贴标签，使其在实验场地正常行走，摄像机捕捉并同时记录行走过程。选取一个完整周期中的30帧，运用专业运动分析软件Quintic Biomechanics v26，测量实验人员行走过程的人在视频中的两肩宽度和一侧肩到同侧腰的距离及人像中两肩连线和一侧肩到同侧腰之间连线的夹角等三项数据并进行分析。

上述测量的三项数据在不同视角下具有较高的稳定性，同时能够排除一定条件下视频的相关干扰因素。

2.2 实验理论

设摄像机所在位置为点P，人的两肩分别为点B和点D，脚部为点A，腰为点E，则此时摄像机的视角平面与实验人员的切点为点B，并作出示意图（图1）。

结合数学空间向量有关知识，在实验对象所在空间，以摄像机的视角平面为底面，设点A在摄像机视角平面上的投影为原点O，AB在摄像机平面上的投影为X轴，OA为Z轴，点E在摄像机视角平面上的投影为F，建立空间直角坐标系，如图2所示，则OB为AB在摄像机面上的投影，BC为BD在摄像机面上的投影，C为D在摄像机面上的投影。设OB=k∑，BC=kσ，OC=kθ，∠ABO=α，∠OBC=β，通过空间向量有关计算，可以得出：

所以，通过测量人在视频中的两肩宽度和身高的距离及人像中两肩连线和身高的夹角，最终得到人实际的身高和肩宽比例。同理，得到人实际的一侧肩到同侧腰的距离和肩宽比例。

2.3 实验结果

表1为对一名实验人员实验数据的采集及分析结果。其余29人参照其分别进行了测量和分析，并做出总数据表，进行综合分析。[6]

2.4 实验讨论

1）通过对上述同一人该行走特征所得的30次的数据进行分析，得到下列表2结果：

对出现的30次数值进一步分析，发现这些数值置于置信区间的概率如下（表3）：

可以看出，该人行走姿态所得出的特征数据居于3个置信区间的概率高，可见该特征具有很强的稳定性。

2）通过对30个人在同一台摄像机下行走特征进行分析，数据处理后得到方差（表4），30组中97℅均在3各置信区间内，所以说明数值波动小，具有稳定性。[7]

通过对离散系数计算之后发现其数值范围在0.1以内，说明波动小，稳定性高。因此，监控视频中行走特征变化规律稳定性较高，对视频监控中同一人的同一认定具有重要作用。

3）通过对30个不同人在同一台摄像机下行走特征进行分析，对同一个人的30组数据取平均值，发现不同人之间的数据变化较大，差距较大（表5），具有差异性，对视频监控中不同人的认定具有重要作用。

因为相同人在监控视频中的行走特征变化具有较强的稳定性，不同人在监控视频中的行走特征变化具有较强的特定性，两者相结合，因此在一定的条件下，可以通过对人体在监控视频中行走运动特征的变化对人物进行识别，达到认定或者排除人物的目的。

3 不同视角特征识别的不足和改进方法

使用本项目所采取的实验方法来采集相关实验数据并进行分析从而达到同一认定，具有一定的局限性。因为本项目理论是基于不同人的一侧肩到同侧腰的距离和肩宽的比例是不同的，而在现实生活中，存在着不少身材体型较接近的人，如果对他们进行测量，所得到的结果十分接近，不能达到同一认定的标准，同时我们注意到，在特征的选择上，由于人的行走姿态反映出的特征较多，所以选择的余地相对较大；由于本项研究是从贴近实战角度出发，所以在资料和方法的选择上尽量和实战靠近。在理论研究中，我们可以应用更为精密的设备对这些特征加以捕捉、量化，使得工作的效率更高，数据更精确，结果更可信，最终达到更为广泛的应用。

【参考文献】

[1]吴京辉.视频监控目标的跟踪与识别研究[D].北京：北京理工大学，2015.

[2]李月龙，靳彦，肖志涛，耿磊.人脸特征点提取方法综述[J].计算机学报，2015.

[3]李翔，赵辉，张晓利.基于人体关节点的步态识别算法研究[D].电气电子教学学报，2010（05）.

[4]张承玺.固定场景下的人体姿态识别[D].黑龙江：哈尔滨工业大学，2014.

[5]同济大学数学系.高等数学[M].上海高等教育出版社，2014.

[6]张海金.利用Excel软件进行测量过程的统计控制[J].中国计量，2016.

[7]贾俊平.统计学[M].北京：中国人民大学出版社，2012.

[责任编辑：杨玉洁]