现阶段,视频智能分析在轨道交通行业中主要应用包含几大类:行为分析即拥挤侦测、徘徊侦测、逆向侦测等;特征识别即人脸识别系统等;图像质量自动巡检即系统自动对前端摄像机采集图像质量进行分析报警等。由于当前智能分析在轨道行业应用尚处于起步阶段,本着从事实出发的原则,下文着重结合实际工程案例,着重探讨人脸识别和自动巡检两项技术的应用。
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(系统构架如图1所示)。
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;
· 将这幅脸部图像在系统内部转换人脸数据,它包含了这张人脸的特有信息;
· 通过把实时获取的"人脸数据"和数据库中已有的"人脸数据"进行比对;
· 完成对某张脸进行确认。
人脸识别的比对方式是根据脸部的本质特征和形状来工作的,它可以排除光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化,具有强大的可靠性,使得它可以从百万人中精确地辨认出一个人。
图像质量自动巡检系统
市轨道交通一号线建设了一套图像质量自动巡检系统,实现对1413台标清摄像机和522台高清摄像机图像进行实时检测,若出现视频清晰度异常、视频亮度异常、视频噪声等八种情况,将自动产生报警通知运维人员,及时维护。
常见的图像质量巡检只是对图像是否丢失(黑屏)进行监测,对设备是否按要求正常工作、图像内容是否正确等深层次监测则有所缺失。针对本项目应用的所有摄像头,利用视频质量诊断技术来检测监控系统中存在的各种视频常见故障,对于因使用过程中出现的故障(雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等)进行视频质量诊断,有效预防因硬件导致的图像质量问题及所带来的不必要的损失,为视频监控的持续和有效监控提供坚实的基础。
功能设计
1、图像质量智能巡检
进行图像内容分析报警,如:视频信号丢失、蓝屏、黑屏、彩条、视频亮度异常、视频干扰、雪花、抖动、扭曲、偏色、PTZ运动异常、画面冻结等。
2、云镜状态智能巡检
通过发送PTZ控制指令,判断视频画面变化率是否达到标准,从而判断云台旋转和镜头变焦是否能正常工作,由于该工作可能干扰图像监控人员的正常工作,该项巡检功能不宜经常开启,并且注意回避重大保卫警卫活动的监视区域。
3、图像智能巡检管理
根据预定义的巡检任务,主动发起视频切换指令,自动轮巡检查各个前端摄像机的图像质量和云镜状态。摄像头轮巡间隔时间可设定,轮巡任务可定时触发,并可自动生成巡检报告。
识别类型
具体实现过程中,我们将视频故障分成视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、PTZ运动失控、画面冻结、视频信号缺失等八种类型(如图2所示)。
· 视频清晰度异常检测:自动检测视频中由于聚焦不当、镜头损坏或异物遮蔽引起的视野主体部分的图像模糊;
· 视频亮度异常检测:自动检测视频中由于摄像头故障、增益控制紊乱、照明条件异常或人为恶意遮挡等原因引起的画面过暗或过亮;
· 视频噪声检测:自动检测视频图像中混有杂乱的“横道”、“波纹”,或其他干扰导致的图像模糊、扭曲及叠加噪声等现象;
· 视频雪花检测:自动检测视频图像中一阵阵杂乱的飞点、刺、线状干扰导致的雪花或滚屏等现象;
· 视频偏色检测:自动检测由于线路接触不良、外部干扰或摄像机故障等原因造成的视频中的画面偏色现象;主要包括全屏单一偏色或多种颜色混杂的带状偏色;
· PTZ运动检测:自动检测前端云台和镜头是否能够按用户指令正确运动,包括上下左右运动以及镜头的推近拉远;
· 画面冻结检测:自动检测由于视频传输调度系统故障引起的视频画面冻结,避免遗漏真实视频图像;
· 视频信号缺失检测:自动检测因前端摄像机工作异常、损坏、人为恶意破坏或视频传输环节故障而引起的间发性或持续性的视频缺失现象,包括蓝屏、黑屏、彩条等。
结语
人脸识别系统意义在于对有可能进出地铁站的犯罪分子或嫌疑人进行布控,提升地铁主动防范能力,提升打击犯罪能力,提升治安威慑力。图像质量自动巡检系统则可以将运维人员从繁琐的工作中解脱出来,提升工作效率,确保系统无故障运行。可以预见,在不远的将来,智能分析技术肯定会在轨道行业发挥出更大的作用,逐步将目前“被动防范”提升为“主动防范”。