浅谈视频监控系统与人脸识别技术的结合应用

　　(4)表情分析(Expression Analysis)：即对待识别人脸的表情信息(快乐、悲伤、恐惧、惊奇等)进行分析，并对其加以归类。

　　(5)生理分类(Physical Classification)：即对待识别人脸的生理特征进行分析，得出其种族、年龄、性别、职业等相关信息。显然，完成这一操作需要大量的知识并且通常是非常困难和复杂的。

　　2.2 人脸识别技术优势。

　　人脸识别作为一种新兴的生物特征识别技术(Bio-met rics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势：

　　(1)使用方便，用户接受度高。(2)直观性突出。(3)识别精确度高，速度快。(4)不易仿冒。(5)使用通用性设备。(6)基础资料易于获得。

　　3 人脸识别视频监控系统的架构

　　人脸识别视频监控系统有四大核心部分：视频处理/人脸捕获工作站、人脸比对工作站、黑名单数据库和报警显示工作站。视频处理/人脸捕获：在视频图像中发现人脸，评估图像质量并提交给人脸识别比对模块;人脸识别比对模块：对登陆的照片提取特征模板并与黑名单数据库相比较;黑名单照片采集：建立模板并将模板数据加入黑名单数据库;报警显示：根据比对结果，显示报警结果，或将报警信息传递给 PDA或其它手提终端。

　　4 人脸识别监控系统的关键问题

　　(1)人脸识别中的光照问题。

　　光照变化是影响人脸识别性能的最关键因素，对该问题的解决程度关系着人脸识别实用化进程的成败。需要从人脸图像中将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开来，在人脸图像预处理或者归一化阶段进行针对性的光照补偿，以便消除非均匀正面光照造成的阴影、高光等对识别性能影响;

　　(2)人脸检测与跟踪问题。

　　人脸检测是人脸身份识别的前期工作，而人脸跟踪就是根据人脸检测定位的结果，对运动序列后续帧中的目标人脸的运动轨迹和轮廓变化进行持续的跟踪检测。一个复杂背景下的多级结构的人脸检测与跟踪系统可采用模板匹配、特征子脸、彩色信息等人脸检测技术，这样能够检测平面内旋转的人脸，并可跟踪任意姿态的运动的人脸。

　　(3)去冗问题。

　　要求人脸识别监控系统能对视频捕捉中的画面能够快速的检测单个和多个人脸图像，并自动去冗余，减除重复的画像，并提取相应的人脸图像特征实现人脸的快速比对，并输出相应的结果信息。

　　(4)人脸识别中的姿态问题。

　　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，其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。一种方案是基于姿态不变特征的方法，即寻求那些不随姿态的变化而变化的特征。另一种方案是采用基于统计的视觉模型，将输入姿态图像校正为正面图像，从而可以在统一的姿态空间内作特征的提取和匹配。

　　5 结束语

　　随着生物特征技术的发展，人脸识别技术正逐渐由理论探索的过程转入了实际应用的阶段，国内外都出现了专业的人脸识别产品。人脸识别技术具有广泛的应用前景，在公共安全、智能门禁、智能视频监控、公安布控、海关身份验证等有着典型的应用。其中基于人脸识别技术的智能视频监控系统可以有效地解决目前数字监控系统存在的某些难题，如确定监控场景中是否有人，对监视对象难以跟踪、确定当前监控对象的身份等问题。