智能视频监控系统中的人脸识别技术

闫 飞

（中国核电工程有限公司，北京 100840）

0 引言

在当前的信息化时代下，人们越来越重视安全问题，小区、医院、学校，都安装了监控系统，对于保证公共区域的安全问题来说，既是机会也是挑战。最先研发的监控系统，只能在视线范围内监视所有情况，并将监控视频进行存储，但却不能实现对人脸的识别及自动确认，还需要监控人员的监控，但由于一些客观原因，有突发情况发生时，监视人员不能及时作出反应。传统的监控设备不能满足应用的需要，人工监视会浪费人力，智能视频监控系统能很好的解决这一问题。而人脸识别技术在智能视频监控设备中的应用，更是优化了这一系统，因此人脸识别技术在智能视频监控系统中的应用是一个重要的研究方向。

1 视频监控系统应用现状

随着科技的快速发展，人们加强了应用视频对信息进行分析的研究，也取得了一定的成果。视频监控系统经历了一代又一代的更新和改革，从模拟到数字，再到完全数字化。当前的视频监控系统已经实现了全数字化的应用，虽然其实现了网络化、集成化，但还存在一个很大的弊端，本身不能自动识别，还需要人力在后期进行甄别和处理，不能发挥视频监控系统自动出结果的性能。但在人脸识别技术广泛应用的今天，如将其与智能视频监控设备相结合，就能在出现问题时，自动进行人脸识别，在第一时间做出反应，为后续的工作提供有效信息，帮助工作人员处理突发情况，降低出现提供错误信息的概率。

2 人脸识别技术

2.1 人脸识别技术的研究及应用范畴

人脸识别是人类通过眼睛对面像进行辨识的手段，通过肉眼能看清楚的人脸进行识别，以方便监控人员确认，因此被作为生物领域中一个重要的研究课题。人脸识别技术是继指纹、掌纹识别技术后，一种新型的生物特征识别技术，主要是根据人类的面部特征对身份进行识别。人脸识别技术具有很高的安全性，运用了多媒体、计算机技术、数字/图像处理器等技术，能够保证自身灵活判断力的同时，还不容易被仿制，因此人脸识别技术受到了社会各界的重视，同时也被广泛应用在人工智能领域。从发现到研究，再到应用，时间不长，但是却已经处于一个较高的技术水平。就目前来看，人脸识别技术的研究范围主要集中在以下5个方面：

（1）人脸检测。就是在各种不同的场所中来检测出人脸，并且能够追踪其准确的位置。但是从实际情况来看，很多场所都是比较复杂的，而且人脸的位置存在未知性，所以在进行人脸检测时，首要的任务就是确定人脸是否存在于场景中，如果存在人脸，接下来再对其位置进行确定。影响人脸检测结果的因素有很多，比如光线、化妆品、毛发等，都会让人脸检测和识别的过程更加复杂和困难。人脸检测的最终目的是在一个完整的图像内，找到人的脸部区域，然后将输入的图像进行合理的划分，一部分是人脸区域，另一部分是非人脸区域。

（2）人脸表征。其实就是通过某种特定的方法将检测出的人脸表现出来，将检测出的人脸与数据库中的人脸进行比对。常用的方法包括几何特征、代数特征等。

（3）人脸辨识。直白的来讲就是通过人脸检测数据与数据库中已经识别的人脸进行数据比对，从而获得信息的过程和手段。这个操作过程的主要核心内容是选择合理人脸的表征方式，以及与之相对应的匹配策略。然后通过分析发现，系统构造与人脸表征方式之间的联系，但是因为特征方法选择的不同，在正面像特征法和侧面像特征法的本质上还是存在明显区别的。

（4）表情分析。就是对人脸部的表情进行科学的识别，常见的表情包括，快乐、悲伤、恐惧等，为了提高识别的准确性，要对人的脸部表情进行合理的分类，发挥人脸识别技术的优越性。

（5）生理分类。对人脸的生理特征进行详细的分析，通过分析获取人的性别、职业、年龄等信息。显然，完成这一操作是一项复杂的过程，需要大量的知识，因此需要科学合理的方式。

2.2 人脸识别技术优势

人脸识别技术是一种新的研究方向，也是在生物研究领域的一项重大突破，与之前的指纹、掌纹等识别技术相比较，人脸识别技术更加全面和准确。首先应用比较便捷、简单，用户能够轻松的掌握；其次是比较直观，不容易仿制，而且识别起来比较准确，应用范围更加广泛。

3 人脸识别视频监控系统架构

人脸识别视频监控系统主要由人脸捕获、人脸对比、黑名单数据比对、报警警示等几大框架构成。人脸捕获，就是在监控设备中发现人脸的过程，并将数据传输给人脸比对模块，在数据比对模块中，通过对图像的评估以及与黑名单数据库的比对，对人像进行采集，然后通过比对出来的图像进行报警警示，最后将比对及警示结果输送到客户端。

3.1 需求分析

（1）功能需求。实现人脸识别，就是通过识别经过注册人员的身份，同时可以对陌生人进行识别鉴定后进行报警，本地储存、历时查询等，与传统视频监控系统保持一致。

（2）性能需求。视频监控系统要具备实时性、扩展性、经济性和可靠性等性能，确保视频监控系统功能健全的基础上，降低视频监控成本。

（3）设计目标。视频监控系统以HiLinux 为运行操作系统，以人脸识别技术为核心系统设计技术，拟定一个可以实时监控所在区域人员进出的视频监控系统。

3.2 核心板资源

本次研究的视频监控系统采用多媒体专用开发板为系统的硬件平台，可以实现对摄像头所采集视频图像信息进行锐化和去躁等处理，同时也可以简单地分析一些视频内容，包括摄像头遮挡检测和运动检测等。

3.3 整体拓扑设计

本次研究的视频监控系统的整体拓扑结构主要包括2 个方面：①服务端模式。当视频监控系统开启此模式的时候，它主要是靠数据存储的硬盘、监控的系统板以及摄像头的前端来完成的，可以采用DHCP 来进行动态IP 获取，之后可以采用固定IP来接入互联网，可以使操作者借助手机或者电脑等智能上网设备来获取实时监控信息；②摄像头前端模式。在视频监控系统启动该模式时，它工作的硬件设备也发生了变化，数据存储的硬盘变成了中心服务器。这个交互通信是由中心服务器与各监控点组合起来，构成的局域网：中心服务器则负责向外提供实时监控系统，可以使操作用户借助手机或者电脑等互联网设备实时获取监控信息。

3.4 软件和通信架构设计

视频监控系统软件主要包括运动扑捉、人脸识别与检测、用户监听、实时视频和交互通信5 个模块，而且系统需要同时开展人脸识别、监听请求和运动检测工作。鉴于主要探讨人脸识别技术在视频监控系统中的应用，通信协议架构的具体流程和内容不再详细阐述。

4 人脸识别监控系统的关键问题

4.1 人脸识别中的光照问题

因为人的面部特征比较多，应用人脸识别系统时，要首先对人脸进行模型训练，完善监控系统的死角。因此在监控系统进行人脸识别时，光照尤为重要。光线的变化也会影响人脸识别的结果，因此解决光照问题是完善人脸识别监控系统的关键。不仅要区分人体本身的热源和人脸的特征，还要能识别遮挡物的热源。这个过程中还要能给人脸补光，减少光线不足、或阴影部分造成的影响。

4.2 人脸检测与跟踪问题

人脸识别监控系统主要目的就是为了对其身份进行识别，而人脸检测能帮助其更好的进行识别。人脸的检测与跟踪是通过对人脸的识别及其各个角度和轮廓的变化，进行持续的跟踪和检测，不仅能在人脸检测与跟踪系统中进行自动匹配，还能跟踪运动中的人脸变化。

4.3 去冗问题

人脸识别系统具有广泛性，能够大海捞针，这就需要其能自动识别相似的人脸图像，并进行快速整合，自动去除多余部分，快速实现相对应的人脸比对，输出正确的比对信息及结果。

4.4 人脸识别中的姿态问题

姿态直接影响识别的角度，主要包括从头部到面部的变化，其中垂直反向旋转造成的影响最大，会导致部分面部信息的丢失。可以从两方面来解决姿态的问题：一方面是保持姿态不变，观察不随姿态变化的特征；另一方面是把姿态放在一个统一的空间里，将需要识别的姿态与存储的姿态作对比，然后把相似的特征和信息提取出来。

5 结束语

随着社会的发展进步，我国在生物领域的研究也越来越多，因此人脸识别技术也不再停留在理论阶段。伴随着监控设备的普及，人脸识别技术也应用到视频监控系统中，如手机、门锁等。人脸识别技术的应用范围比较广，还拥有很大的市场。应用人脸视频监控识别技术，还能解决很多数字监控不能解决的问题，如不能对监控对象进行实时有效的跟踪，不能确定其真实身份等。