解读视频监控系统与人脸识别技术的结合应用

随着信息技术不断发展，视频信息越来越广泛的应用与娱乐、教育、安全、生活等各种领域。介绍了人脸识别技术的研究方向、应用领域及技术优势并针对人脸识别技术在视频监控系统中应用的架构、关键技术和算法做了有益的探讨特别对矫正有旋转角度的人脸图像技术做了较为详尽的表述。最后得出结论人脸识别技术可以应用于监控系统中。而基于人脸识别技术的智能视频监控系统应该具有十分广泛的应用前景。

1 视频监控系统的应用现状

视频监控系统的发展经历了第一代的全模拟系统、第二代的部分数字化的系统、第三代的完全数字化的系统（网络摄像机和视频服务器）三个阶段的发展演变。现有的数字视频监控系统实现了视频监控手段的数字化、网络化和集成化，但是它存在一个最主要的缺陷：对视频内容只能靠人来判断，同时，它多用于“事后处理”，并不能充分发挥视频监控系统的主动性。基于先进生物特征识别技术的

人脸识别智能视频监控系统的出现是视频监控系统发展的又一标志，智能视频监控系统能够识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，从而能够更加有效地协助安全人员处理危机，并最大限度地降低误报和漏报现象。

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（Face Recognition）亦称面像识别是人类视觉系统的基本功能，也是人类互相辨识的最直接手段，因此他是生物特征识别中的重要研究内容。人脸识别技术作为一种新兴的生物特征识别技术，概括说，他是一种依据人体面部特征的自动身份鉴别技术。人脸识别综合运用了数字图像/视频处理、模式识别、计算机视觉等多种技术。人脸识别技术在公共安全、人机交互等领域具有广泛的应用前景，这一点已经为世人所公认。同时，人脸识别也是人工智能领域的重大研究课题，因此吸引了大量的研究人员对此展开深入研究，到现在已有30 多年的研究历史。自20 世纪90年代以来（特别是美国“911”恐怖袭击事件发生以后），人脸识别技术在研究及应用方面更是得到了长足的发展。人脸识别的研究范围大致可以分为如下几个方面的内容：

（1）人脸检测（Face Detection）：即从各种不同的场景中检测出人脸的存在并确定其位置。在大多数的场合中由于场景较复杂，人脸的位置是预先不知道的，因而首先必须确定场景中是否存在人脸，如果存在人脸，再确定图像中人脸的位置。脸部毛发、化妆品、光照、噪声、面部倾斜和人脸大小变化以及各种遮挡等因素会使人脸检测问题变得更为复杂。人脸检测的主要目的是在输入的整幅图像上寻找人脸区域，把图像分割成两个部分2 人脸区域和非人脸区域，从而为后续处理奠定基础。

（2）人脸表征（FaceRepresentation）：即采取某种表示方式表示检测出的人脸和数据库中的已知人脸。通常的表示法包括几何特征（如欧氏距离、曲率、角度）、代数特征（如矩阵特征矢量）、固定特征模板、特征脸、云纹图等。

（3）人脸辨识（FaceIdentification）：即将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配，得出相关信息，这一过程的核心是选择适当的人脸的表征方式与匹配策略，系统的构造与人脸的表征方式密切相关。通常或是选择全局的方法或是选择基于特征的方法进行匹配。显然，基于侧面像所选择的特征和基于正面像的特征是有很大的区别的。

（4）表情分析（Expression Analysis）：即对待识别人脸的表情信息（快乐、悲伤、恐惧、惊奇等）进行分析，并对其加以归类。

（5）生理分类（Physical Classification）：即对待识别人脸的生理特征进行分析，得出其种族、年龄、性别、职业等相关信息。显然，完成这一操作需要大量的知识并且通常是非常困难和复杂的。

2.2 人脸识别技术优势。

人脸识别作为一种新兴的生物特征识别技术（Bio-met rics），与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势：

（1）使用方便，用户接受度高。（2）直观性突出。（3）识别精确度高，速度快。（4）不易仿冒。（5）使用通用性设备。（6）基础资料易于获得。

3 人脸识别视频监控系统的架构

人脸识别视频监控系统有四大核心部分：视频处理/人脸捕获工作站、人脸比对工作站、黑名单数据库和报警显示工作站。视频处理/人脸捕获：在视频图像中发现人脸，评估图像质量并提交给人脸识别比对模块;人脸识别比对模块：对登陆的照片提取特征模板并与黑名单数据库相比较;黑名单照片采集：建立模板并将模板数据加入黑名单数据库;报警显示：根据比对结果，显示报警结果，或将报警信息传递给 PDA或其它手提终端。

4 人脸识别监控系统的关键问题

（1）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开来，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、高光等对识别性能影响;

（2）人脸检测与跟踪问题。

人脸检测是人脸身份识别的前期工作，而人脸跟踪就是根据人脸检测定位的结果，对运动序列后续帧中的目标人脸的运动轨迹和轮廓变化进行持续的跟踪检测。一个复杂背景下的多级结构的人脸检测与跟踪系统可采用模板匹配、特征子脸、彩色信息等人脸检测技术，这样能够检测平面内旋转的人脸，并可跟踪任意姿态的运动的人脸。

（3）去冗问题。

要求人脸识别监控系统能对视频捕捉中的画面能够快速的检测单个和多个人脸图像，并自动去冗余，减除重复的画像，并提取相应的人脸图像特征实现人脸的快速比对，并输出相应的结果信息。

（4）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。一种方案是基于姿态不变特征的方法，即寻求那些不随姿态的变化而变化的特征。另一种方案是采用基于统计的视觉模型，将输入姿态图像校正为正面图像，从而可以在统一的姿态空间内作特征的提取和匹配。

5 结束语

随着生物特征技术的发展，人脸识别技术正逐渐由理论探索的过程转入了实际应用的阶段，国内外都出现了专业的人脸识别产品。人脸识别技术具有广泛的应用前景，在公共安全、智能门禁、智能视频监控、公安布控、海关身份验证等有着典型的应用。其中基于人脸识别技术的智能视频监控系统可以有效地解决目前数字监控系统存在的某些难题，如确定监控场景中是否有人，对监视对象难以跟踪、确定当前监控对象的身份等问题。

一年一度的谷歌I/O开发者大会官方网站于周二正式上线。除去熟悉的倒计时器外，该网站提供的信息还显示，本届谷歌I/O开发者大会将于3月8日开放注册，并将于5月18日至5月20日举办。

与往年的收费标准相同，本届谷歌I/O开发者大会的门票价格为900美元。不过学生票价格为300美元。

与去年的做法相同，开发者有两天时间提交参会申请。在3月10日之后，谷歌将随机挑选参会开发者，邀请函则将通过电子邮件发送给申请人。

如果想要掌握关于本届I/O开发者大会的最新讯息，谷歌建议关注该公司在Google Plus和Twitter上的开发者账户，并查阅#io16标签。

本届谷歌I/O开发者大会的举办地将移师加利福尼亚州山景城的Shoreline Ampitheatre圆形剧场。前几届谷歌I/O开发者大会的举办地为莫斯考尼西中心（Moscone West）。由于Shoreline Ampitheatre圆形剧场的空间要更为开放，谷歌将如何利用更开放的空间值得关注。