【系统】人脸识别系统在轨道安防系统中的应用浅析 - 安防知识网

随着轨道安防系统逐步发展和高清监控技术的完善，目前轨道视频监控正处在由标清“看得见”到高清“看得清”的发展历程中。轨道监控高清化带来了实实在在的画面革新，高清摄像机采集的图像细节更多，对监控对象局部特征的展现更为细致。高清监控系统给视频智能分析应用提供了坚实的基础。

　　人脸识别系统

　　XX市轨道交通一号线共有20个车站，在每个车站的出入口闸机设置8套人脸识别设备，共160套，对出入闸机的乘客面部特征实时采集，并与后台公安部犯罪人员库进行实时比对报警(系统构架如下图所示)。

系统架构图

　　通常头像正面位置是人脸识别系统最佳的工作位置，但只要能同时看到两只眼睛就可以识别人脸，而姿势变化在35度范围内也不会影响识别效果。轨道出入口闸机作为特殊的通道具有天然的场景优势，摄像机可以很容易捕捉到乘客的面部特征，为公安机关抓捕犯罪分子和犯罪嫌疑人提供了一种行之有效的手段。

　　人脸识别包含人脸检测、人脸跟踪与人脸比对等技术。人脸检测是指在动态的场景与复杂的背景中，判断是否存在人脸并分离出人脸。人脸跟踪指对被检测到的人脸进行动态目标跟踪。人脸比对则是对被检测到的人脸进行身份确认或在人脸库中进行目标搜索。

　　人脸检测分为参考模板、人脸规则、样本学习、肤色模型与特征子脸等方法。参考模板方法首先设计一个或数个标准人脸模板，然后计算测试样本与标准模板之间的匹配程度，通过计算机比对来判断是否存在人脸;人脸具有一定的结构分布特征，人脸规则即提取这些特征生成相应的规则以判断是否测试样本包含人脸;样本学习则采用模式识别中人工神经网络方法，通过对人脸样本集和非人脸样本集的学习产生分类器;肤色模型依据人脸肤色在色彩空间中分布相对集中的规律来进行检测;特征子脸将所有人脸集合视为一个人脸子空间，基于检测样本与其在子空间的投影之间的距离判断是否存在人脸。

　　人脸跟踪一般采用基于模型的方法或基于运动与模型相结合的方法，另外，肤色模型跟踪也是一种简单有效的手段。人脸比对从本质上讲是采样人脸与库存人脸的依次比对并找出最佳匹配对象。因此，人脸的描述决定了人脸识别的具体方法与性能。本系统主要采用特征向量法先确定瞳孔、鼻翼、嘴角等人脸五官轮廓的大小、位置、距离、角度等等属性，然后计算出它们的几何特征量，这些特征量形成描述该人脸的特征向量。

　　XX市轨道交通一号线的人脸识别系统采用 "局部特征分析"算法，具有速度快，误认低，无需学习。其主要利用人脸各器官及特征部位的方位、比例、对应几何关系等数据形成识别参数，与数据库中所有原始参数比较、判断、确认。

　　局部特征分析源于类似搭建积木的局部统计的原理，是基于以下事实的一种计算方法,即所有的人脸(包括各种复杂的式样)都可以从由很多不能再简化的结构单元子集综合而成。这些单元使用了复杂的统计技术而形成的,它们代表了整个人脸。他们通常跨越多个象素(在局部区域内)并代表了普遍的面部形状,但并不是通常意义上的面部特征。实际上面部结构单元比人脸的部位要多得多。

　　然而,要综合形成一张逼真,精确的人脸,只需要整个可用集合中很少的单元子集(12-40特征单元)。要确定身份不仅仅取决于特性的单元,还决定于他们的几何结构(比如他们的相关位置)。

　　通过这种方式, 局部特征分析将个人的特性对应成一种复杂的数字表达方式,实现对比和识别。

　　人脸识别的步骤

　　· 建立人脸档案：可以用摄像机或照片扫描等方法采集人脸文件或直接取照片文件，生成面部特征向量数据库，导入现有数据库;

　　· 获取当前比对对象人脸，用摄像机等捕捉人脸获取照片输入，生成比对对象的人脸特征向量数据;

　　· 将当前人脸的人脸特征向量数据与数据库中的已有数据进行检索比对;

　　· 确认人脸身份或提出相似人员的相似度列表。

　　上述整个过程都是自动、连续、实时地完成。而且系统只需要普通的处理设备。

　　系统的工作流程为：

　　· 自动地在视频数据流中搜索面部图像;

　　· 当系统捕捉到出现的完整头像时;

　　· 自动使用多种类型的匹配算法来判断在那个位置是否真的有一张脸。这些算法能够精确地探测出同时出现的多张脸，并且能够确定他们的准确位置;一旦探测到一张脸，这张脸的图像就会被从背景中分离出来，这幅图像随后将经过一系列的特殊处理来恢复它的尺寸、光线、表情和姿态;