轻小型住地安保智能成像系统设计

孙秀斌，王 渤，张 旭

（北京市警卫局，北京　100006）

1　引言

随着计算机技术、通信技术、图象处理技术的不断发展，视频监控系统已经逐渐成为一种重要的安全防范手段。视频监控作为信息融合系统研究的一个重要课题，由于其在军事和民用领域已经展现出有效与广阔的理论和应用前景，而备受国内外学者和众多实际工程领域专家的高度关注[1]。随着安全敏感场合（如酒店、机场、会场等）对智能监控系统的需求，非接触式远距离的身份识别技术近来倍受关注。同时，智能视频监控系统用摄像机获取图像并且用计算机对获取的图像进行处理获取运动目标[2-3]。当有异常情况发生时，发出预警提醒监控人员，同时启动录像功能，对异常现场进行录制保存。这样既节省人力又能节省大量的存储空间。

据此，对于重要人物入住的住地安保工作，本文提出一种基于人脸识别技术的轻小型智能成像系统，利用集成有高可靠性和高识别率人脸识别算法的显控软件，与依据轻小型化原则设计以满足快速部署的硬件设备相结合，同时该系统也可广泛应用于公安工作中，如交通卡口，机场，火车站和重要会场等场所安保实时视频监控。

2　系统组成原理与设计

轻小型智能成像系统主要由高清成像前端单元、POE供电单元和智能终端控制单元组成，其系统组成框图如图1所示。

图1　系统组成框图

高清成像前端单元通过多样化的安装方式实现图像采集，并将信息通过以太网线传输至后端智能终端控制单元。POE供电单元将高清成像前端单元的供电与视频通讯信号传输融为一体，具有链路简单，装配快捷等优点。智能终端控制单元能够实现对前端2路高清视频信号的接收和焦距控制，对图像进行智能处理与分析，具备越界报警、人脸识别等多种功能。

2.1　高清成像前端单元

采用高清成像器，配以电动变倍镜头。成像分辨率最大可到200万像素（1080P），具有星光级感光灵敏度，具有增强夜视功能，能够在较弱光线下实现清晰成像。成像信噪比大于52db，采用数字宽动态技术和3D数字降噪，具备全焦段量程变化条件下的实时自动聚焦，保证目标在变焦过程中不丢失。成像器主要性能如表1所示，成像效果如图2所示。

组件配以接口板的设计模式。外观设计中采用轻质铝合金结构进行封装，壳体厚度1mm。部分结构零部件采用塑料作为加工材料，质量更轻。在设备外壳上，对外保留RJ45网络接口，供电与数据链路并行传输。在安装方式上，保留一个物理螺纹接口，实现与不同转接件的快速安装。

表1　成像器主要性能指标

图2　成像器成像效果图

2.2　P OE供电单元

POE供电单元将高清成像前端单元的供电与视频通讯信号融为一体，具有链路简单，装配快捷等优点，网线长度25m。

采用黑色网线，网线长度25m，网线采用8芯结构，以用于POE供电。为方便网线的快速收缩和伸展即在地面布设便利，采用黑色八芯全铜导体网线，实现小型化、轻量化，如图3（a）所示。通过伸缩便携式万兆15m网线盒，实现超长便携式网线的快速展线和收线，如图3（b）所示。伸缩盒体积为160mm×148mm×23mm，通过圆形自动收缩设计，网线能够快速收缩；转盘上设计有凹槽，手指转动即可操作。

图3　（a）网线　图3 （b）便携式伸缩盒

2.3　智能终端控制单元

智能终端控制单元能够实现对前端2路高清视频信号的接收和焦距控制，对图像进行智能处理与分析，具备越界报警、人脸识别等多种功能。包括显控软件和智能视频处理算法。

智能终端控制单元集成于高性能处理计算机，主要运行图像处理软件和显控终端软件。其中图像处理软件主要包括人脸识别、图像复原和视频摘要浓缩等功能，显控终端软件为人机交互界面。

智能终端处理单元集成于高性能处理计算机，选用国产联想P50高配商用笔记本，采用I7高性能处理器，主频2.6GHz，8G内存，内置512G存储容量，为保证足够的录像空间，笔记本外接3T容量的USB3.0 接口高速硬盘。为方便设备安装与运输，所有后端设备集成于一个设备箱内。设备箱配有手提把手、栏杆或滑轮，方便设备的运输。后端设备箱内包含人脸识别服务器、电源适配器和高性能计算机等设备。设备箱分两层，下层用于安装各类服务器、适配器和紧固件等，上层放置笔记本电脑，用于人机交互，如图4所示。设备箱仅2个接口，一个220V@50Hz供电接口，一个是以太网接口，操作方便。

图4　设备箱示意图

显示控制终端软件采用C++语言编写，其主界面主要分为显示区和控制区两个部分。

显示区通过SDK开发包提供的图像输入函数，并调用相机自带的解码包，从而获取高清视频数据，并将该数据进行规定格式的显示与存储，具有实时视频存储、抓图、全屏显示等功能。根据与用户的沟通结果，显示区分为主显示区、辅显示区，主显示区显示当前的2路监控视频和状态信息，辅显示区显示每路视频在用户操作后（如人脸识别报警、视频检索）的感兴趣抓图图片，在人脸识别等产生报警信号是自动抓取当前图片，显示在辅显示区。

控制区设置了多种功能区，包括相机控制、报警区声音控制等。与前端通讯部分采用Pelco协议，通过SDK的功能函数将通讯数据打包通过网络进行传输至前端相机。综合显控单元初步效果如图5所示：

图5　综合显控初步效果

2.4　人脸识别算法原理

人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术。用成像器或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部特征处理的一系列相关技术，通常也叫做人像识别、面部识别[4-7]。

现有的人脸识别系统在用户配合、采集条件比较理想的情况下可以取得令人满意的结果[4-6]。但是，在用户不配合、采集条件不理想尤其是在运动中采集的情况下，现有系统的识别率将陡然下降。也就是说，人的姿态如果发生较大变化，系统可能就会认证失败。同时，光照、装饰等对机器识别人脸都有影响。

特征脸方法利用主分量分析进行降维和提取特征[7]。主分量分析是一种应用十分广泛的数据降维技术，该方法选择与原数据协方差矩阵前几个最大特征值对应的特征向量构成一组基，以达到最佳表征原数据的目的。因为由主分量分析提取的特征向量返回成图像时，看上去仍像人脸，所以这些特征向量被称为“特征脸”。

在人脸识别中，由一组特征脸基图像张成一个特征脸子空间，任何一幅人脸图像（减去平均人脸后）都可投影到该子空间，得到一个权值向量。计算此向量和训练集中每个人的权值向量之间的欧式距离，取最小距离所对应的人脸图像的身份作为测试人脸图像的身份。

图6　人脸主分量分析

最左边的为平均脸，其他的为对应最大特征值的特征向量。利用CNN基于卷积神经网络的学习方法，利用先验人脸图片训练网络，利用训练后的网络进行实时在线检测，与实时捕获的人脸图像进行匹配，匹配度超过阈值即为同一人脸。

如图7所示，本系统中可根据需要，设置多类目标（A，B，C），如普通，重要，黑名单等，以不同方式（a，b，c）进行报警提示，实时在线捕获特定人脸目标。如图8所示为人脸识别效果图，能够进行在线实时比对。

图7　本系统人脸识别预警方案

图8　本系统人脸识别效果图

3　结束语

本文中所设计的轻小型智能成像系统集成小型高清网络摄像机与智能显控终端，采用POE供电方式，具有安装方式灵活，能够快速部署等特点，其智能图像处理算法时间复杂度低，能够部署在便携式计算机上实时执行，人脸识别延迟时间不超过1秒，准确率高于95%。随着硬件能力的不断提升与软件算法的不算优化，未来智能监控系统将继续向小型化、移动化、多功能集成、智能化等方向发展，可实现将图像处理算法移植固化在前端设备中，极大降低对后端计算机处理能力的要求。■

[1]周谧.计算机智能视频监控技术在大型活动安保工作中的作用[J].信息通信，2014（3）：127-128.

[2]马海兵，白洁.人脸识别技术在智能视频监控系统中的应用[J].现代电子技术，2007（12）：125-128.

[3]杨明，王汝琳.视频监控技术的发展——智能监控技术[J].智能建筑与城市信息，2007（11）：93-95.

[4]宋红，石峰.基于人脸检测与跟踪的智能监控系统[J].北京理工大学学报，2004，24（11）：966-970.

[5]刘青山，卢汉清，马颂德.综述人脸识别中的子空间方法[J].Acta Automatica Sinica，2003，29（6）：900-911.

[6]苏煜，山世光，陈熙霖等.基于全局和局部特征集成的人脸识别[J].软件学报，2010，21（8）：1849-1862.

[7]杨琼，丁晓青.对称主分量分析及其在人脸识别中的应用[J].计算机学报，2003，26（9）：1146-1151.