变电站遥视系统人脸识别设计算法

　　图5：中心特征

　　每个特征由2-3个矩形组成，分别检测边界、细线、中心特征，这些特征可表示为： 

　　（1）式中：wi为矩形的权，RectSum(ri)为矩形ri所围成图像的积分，featurej表示第j个特征，N是组成featurej的矩形个数。

　　2.2.2 Adaboost算法

　　Adaboost是一种分类器算法，其核心思想是利用大量的分类能力一般的简单分类器通过一定的方法叠加起来，构成一个分类能力很强的强分类器，再将若干个强分类器串连成为分级分类器完成图像搜索检测。串联的级数依赖于系统对错误率和识别速度的要求首先要生成强分类器。具体Adaboost算法如下：
设输入为N个训练样本:(x1,y1), (x2,y2),…(xn,yn)，其中xi为样本图像，yi为分类结果，yi={0,1}，对应着假样本和真样本；已知训练样本中有m个假样本和l个真样本。第j个特征生成的简单分类器形式为： 

　　（2）将强分类器串联在一起形成分级分类器，串联时应遵循“先重后轻”的分级分类器思想，即将由更重要特征构成的结构较简单的强分类器放在前面，这样可以先排除大量的假样本，提高检测速度。 

　　3. 实验分析

　　实验环境在Dell PowerEdge R410服务器上实现，采用VS2008编写，同时对OPENCV自带的模板进行了少许改进。图6是试验结果。实验结果表明它对在变电站场景中对工作人员的人脸捕获具有可行性，同时为无人变电站的监控提供了可行性依据。而且检测速度可以达到每秒钟25帧，能满足实时检测的要求。 

　　图6：对变电站人员的人脸检测效果图

　　4. 结束语

　　在变电站遥视系统中以Adaboost算法进行人脸识别，补充和完善了以往变电站智能视频分析功能。强化了变电站的安全防范管理，减轻了监控人员的负担，在一定程度上提高了无人值守变电站的安全运行。