公共视频监控中人脸识别技术有哪些算法以及困难

在安防领域,人脸识别技术有着广泛的应用前景,比如说在公共视频监控中使用到人脸识别技术,实现犯罪嫌疑人的快速识别和实时布控,提高视频监控效率。但是,因为基于视频监控的人脸识别技术会受到光线、角度、姿态、遮挡等因素的影响,导致人脸的类内差距增大、类间差距缩小,使基于视频监控的人脸识别技术应用带来巨大挑战。那么,基于视频监控的人脸识别技术应用有哪些算法以及困难呢?

基于视频监控的人脸识别算法与关键技术

视频监控人脸识别技术算法的流程主要分为人脸图像采集、人脸监测、人脸特征提取与选择、人脸识别四个部分。

人脸图像采集

采集的图像源主要是视频监控联网平台中的视频流,需要在视频流中提取图像帧,从多个图像帧中筛选人脸较正面的图像作为待测图像。图像源也可是监控平台中已人工截取的图像为待测图像。

人脸检测

检测待测图像中是否有人脸存在,如果存在则将人脸标示出来。这对于单一背景的人脸图像,人脸监测是比较简单的,但对于复杂环境下的人脸监测是比较困难的。

人脸图像的预处理

因为视频监控是在自然环境下获取的人脸图像,会受到光照、拍摄角度等影响,因此在图像特征提取前要进行图像的预处理,合理的图像预处理会提高人脸监测的成功率。

特征提取与选择

这是人脸识别中关键的一步,识别人脸的主要依据是人脸特征。现在,针对人脸特征有很多种,例如HOG方法、LBP方法、K-L变换等。

人脸识别

这是在特征提取与选择后采取识别算法进行最后的识别。

基于视频监控的人脸识别技术实际应用的问题

视频图像质量比较差问题

视频图像通常是在户外或室内获取的,是没有用户的配合,因此视频人脸图像会有很大的光照和姿态变化,还会有可能有遮挡。

光照问题

光照变化是影响人脸识别性能的关键因素,这一个问题的解决程度关系着人脸识别实际应用的进程的成败。这需要从人脸图像中把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,在人脸图像预处理中进行针对性的光照补偿,以此消除非均匀正面光照造成的阴影、高光等对识别性能的影响。

人脸图像比较小的问题

采集设备条件的不同也会产生问题,如果因采集设备条件比较差,视频人脸图像会比基于静态图像的人脸识别系统的预设尺寸小。而小尺寸的图像会影响识别算法的性能,还会影响人脸检测,分割和关键点定位的精度,导致人脸识别系统性能的下降。

去冗余问题

需要可以对视频捕捉中的画面快速检测单个和多个人脸图像,自动去冗余,减除重复的图像,并提取相应的人脸图像特征实现人脸的快速比对,最后输出相应的结果信息。

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,而垂直于图像平面的两个方向深度旋转会造成面部信息的部分缺失。

今日热门