变电站遥视系统人脸识别设计算法

　　0. 引言

　　变电站实现无人值班，少人值守，是电力系统发展的必然趋势。目前，国内大多数变电站在“四遥”的基础上已经部署了第五遥“遥视”系统，完成了无人值守变电站的改造。一些变电站的“遥视”系统不仅实现了变电站内部环境、重要设备的实时视频监控，也实现了变电站综合自动化系统重要信号的“事件联动”，甚至还实现一些智能视频分析功能，如运动侦测、禁区检测、变电设备模式识别等。 

　　这些智能视频分析功能完成了从禁入区域进入的检测，物品遗留的检测、变电站内开关刀闸分合位置检测，丰富了“遥视”系统的功能，减轻了监控人员的工作量。但是，对于变电站的人脸检测目前还处于起步阶段。无人、少人值守的变电站也不可能完全没有人，带电危险区域内活动的是工作人员还是无关人员，对变电站内的人员采用人脸识别实时比对身份，将进一步精确化“遥视”系统智能分析的功能，进一步推进无人值守变电站的安全运行。

　　本文介绍了一种基于Adaboost算法的人脸检测在变电站遥视系统中的应用。

　　1. 系统整体架构

　　变电站遥视系统构架如图一所示： 

　　图1：变电站遥视系统

　　变电站遥视系统的前端为模拟/数字的枪型摄像机或者球型摄像机。模拟视频流经数字硬盘录像机（Digital Video Recoder，DVR）采集，压缩后变为H.264码流；数字摄像机的码流为H.264码流，经由网络硬盘录像机（Network Video Recoder,NVR）进行转发。

　　由于视频数据量大，对传输有较大的带宽需求，变电站一般都有专用的遥视VLAN,变电站遥视系统的前端数据通过DVR/NVR经由遥视VLAN转发至智能分析服务器。

　　智能分析服务器对捕获视频流中的人脸，根据预先建立好的人脸数据库区分出值班人员、合法操作人员、无关人员等，当在作业区域内发现无关人员时，或者在变电站区域内发现非法人员时，立即发出报警。

　　2. 遥视系统的人脸识别

　　2.1人脸识别的概述

　　2.1.1人脸识别系统的组成

　　一个完整的自动人脸识别系统如图2所示。系统首先对输入图像进行人脸检测，确认输入图像中存在人脸并剪切出人脸图像。接着对人脸图像进行特征提取，然后该特征被编码存入人脸数据库中(图中①的流程)。实际应用中，将待检测人脸的特征和数据库中每个人脸特征进行匹配，最后判决给出待测人脸的身份信息，这一过程完成人脸辨识的工作。加入图中②的部分后，系统则完成人脸验证的工作。此时系统根据输入身份在数据库中选择相应的人脸特征，只进行该特征和待测人脸特征的匹配判决，给出“一致”或“不一致”的判决结果。 

　　图2：人脸识别系统框图

　　2.1.2 常用的人脸检测的方法

　　人脸检测是指在输入图像中确定所有存在的人脸的位置、大小、姿势的过程。作为人脸信息处理中的一项关键技术,人脸检测的应用背景已经远远超出了人脸识别系统的范畴,在身份验证、基于内容的图像检索、数字视频处理、视觉监测等方面都有着重要的应用价值。近年来出现了大量的人脸检测方法，主要可以概括为以下几类：

　　1）基于知识的方法。这些基于先验知识的方法对组成典型人脸的知识进行编码。通常，先验知识包含了这些人脸特征之间的相互关系。此类方法主要用于人脸定位。

　　2）特征不变方法。这些算法的目标是找出存在的一些结构特征，这些特征在姿势、观察点、光照条件改变的情况下保持不变。然后使用这些特性来定位人脸。这些方法主要用于人脸定位。

　　3）模板匹配的方法。这种方法首先是存储一张人脸的几个标准模板，用来描述整张人脸或人脸的部分特性。然后通过计算输入图像与已知存储模板之间的相关度来进行检测。这些方法既可用于人脸检测也可用于人脸定位。

　　4）基于外观的方法。与模板匹配不同的是，这里的模板是从一组训练图像经过学习而得来的，这些图像应该包括人脸外观的具有代表性的变化因素。这些方法主要用于人脸检测。

　　然而，各种方法都有一定的不足。PaulViola和Michael Jones在2001年提出了基于一种Adaboost的人脸检测算法[2] ,同时建立了第一个真正实时的人脸检测系统,从根本上解决了检测速度的问题，同时也有较好的识别效果。

　　2.2 AdaBoost算法原理

　　2.2.1特征的选取及特征值的计算

　　在目标检测过程中，需要对候选图像进行分析，判断是否为待检目标，多数目标检测系统都是使用特征对目标进行建模，这些特征都应有一定的目标和非目标区分性。AdaBoost用于人脸检测时，需要从人脸图像中抽取出大量的简单特征。笨检测器选择由Rainer Lienher[]等人提出的扩展Harr-like的特征，如图3-图5所示，该特征可适用于人脸检测。 

　　图3：边界特征 

　　图4：线特征