基于监控领域的远距离人脸识别系统分析

　　一旦选定了目标，人体追踪器中的卡尔曼滤波将预测出目标在下0.5～1.0秒的人脸位置，然后NFOV摄像机将调解放大倍数等参数指向该位置，直到目标经过。这个做法为系统留有完成平移、倾斜和放大设置的时间，当目标经过NFOV摄像机画面时，目标的人脸和上身将通过NFOV摄像机视频画面的中心，然后由基于NFOV视频图像的人脸检测模块进行人脸检测和采集。一旦完成采集，系统将马上开始选择新目标，即系统大约每隔1～2秒指示摄像机采集一幅新的人脸图像。

　　除了选择目标和确定NFOV摄像机指向的位置外，系统还必须选择NFOV摄像机的放大倍数。放大倍数与成功采集人脸的几率间存在一个平衡，高放大倍数可获得高分辨率的人脸图像，但任何目标追踪上的差错都将使人脸采集成功率大大降低。该系统采用了一种自适应的放大倍数选择方法，如果一个目标从没被成功采集过人脸图像，那么初始采集人脸图像分辨率的目标设定为双眼间30个像素。然后，每次以某分辨率成功采集人脸图像后，其分辨率目标值将提高20%，如果系统重复采集该目标图像，其分辨率将逐渐提高。人脸图像的分辨率目标值和人的距离决定了NFOV摄像机的放大倍数。

　　NFOV摄像机具有自动和手动对焦模式，NFOV摄像机的自动对焦功能偶尔会出现对焦不准模糊的情况，不过利用目标位置和距离两个数据可以解决这个问题。在使用中，独特的摄像机设备和典型的目标距离使得焦距相对较远，所以在使用时不必知道非常精确的目标距离，只有当焦距调整超过几米的可调阈值范围内时才需要调整摄像机的焦距。

　　（5）人脸检测和剪切

　　在人脸检测和剪切方面，目标锁定程序指示NFOV摄像机连续监视NFOV摄像机视频流中的人脸图像，采用匹兹堡模式识别FT-SDK检测NFOV视频中每一帧的人脸。这个过程的运行频率为10Hz，与图像刷屏率相同保持实时操作。如果在一帧图像中检测到了多个人脸，系统只选择最靠近图像中心的人脸，其更可能是选定的目标，然后将目标人脸图像剪切下来，异步传输至人脸识别器，同时告知目标锁定器人脸采集完毕，然后更新目标记录。

　　（6）人脸识别

　　当人脸识别器接收到新的剪切人脸图像后，系统将创建人脸采集记录并存储该图像。人脸识别器根据图像采集的时间询问目标锁定器，以确定人脸图像来自哪个追踪目标ID。目标锁定器保存一个追踪目标的时间记录作为ID号，人脸采集记录与之相关联。系统可以以10Hz的频率采集人脸图像，但是人脸识别每幅图像通常需要0.5～2秒的时间，这主要取决于算法。一般情况下，识别与采集并不同步，所以人脸识别是异步进行的。

　　在处理环节中，重复应用人脸识别器识别最新采集的未识别图像，结果存储于人脸图像采集记录中，未处理的人脸图像在30秒后被丢弃。人脸识别次数和结果存于目标记录中的人脸图像采集记录中，并显示于程序中。人脸识别结果传递至目标锁定器以更新目标记录，人脸识别结果同时被GUI使用以标注WFOV视频中被追踪目标的名字。

　　本系统配有可选的自动注册功能可以利用每一个追踪目标的目标记录，这是一个可配置的基于规则的过程，其目标是利用采集到的未注册且适于注册的人脸图像进行自动注册。自动注册目标必须具有至少一幅质量超过人脸识别匹配阈值的人脸图像，并且采用至少4幅不同的人脸图像进行识别的结果均为失败。这个过程可帮助确保用于自动注册的人脸图像确实是未知图像。

　　性能评估

　　为了测试该生物特征监控系统的性能，通用公司设计了一个实验模仿交通运输枢纽中心的情况，如机场或地铁站。系统被安置于室内和室外的固定位置。室内测试在一个很长（宽大约为9米）的走廊内进行，光照为来自窗户的自然光和屋顶的几个日光灯。这个走廊与机场航站楼相似，如图1所示。此地的光照情况随着时间和天气而变化，从晴朗天气的很亮到阴雨天或夜晚的昏暗。在进行室外测试时，摄像机分别朝向和背对太阳，试验进行了6天以经历不同的变化。在试验过程中，被测试目标以自然的方式步行穿过走廊或室外区域。

　　表2 试验数据

　　第一项试验将评估人体检测和人脸图像采集的性能，表2所示为采集数据，图3中的直方图为初始人体检测和初始人脸采集的距离。尽管被测目标的行为是可控的，但此过程中出现了其他非测试人员，包括在摄像机视场中静止不动的人员。这些非测试人员甚至并不知晓正在进行测试。在全部的466次试验中，只有1例人体检测失败和8例人脸采集失败，原因是该目标或其脸部以某种方式被遮挡。

　　图4 人脸识别成功的距离

　　在第二项试验中对人脸识别性能进行了评估，图4中的直方图表明了采用Cognitec FaceVACS<SUP>®</SUP>人脸识别算法（阈值为0.5）的识别率。这项试验包括30组，所有组均识别成功。

　　表3 试验数据

　　表3为人体检测、人脸检测和人脸识别的均值和标准方差，我们可以看到，人体检测和人脸采集的平均范围大约是人脸识别的两倍，这是由于人脸识别算法需要高分辨率人脸图像，这也是现有人脸识别算法的局限性。

　　结语

　　通用公司的人体生物特征监控系统的主要是通过目标追踪、目标选择和自动PTZ摄像机控制进行人脸图像采集，目标是采集高分辨率人脸图像，并通过第三方人脸识别软件进行识别。这种基于自动摄像机控制的远距离人脸识别系统可以在目标不知情或非合作的情况下，在相对大的范围内进行人体生物特征识别，其可应用于很多重要场合，而其他的生物特征识别技术如指纹、虹膜等都需要被识别人的合作以及近距离采集。该生物特征监控系统可以在20～25米远的距离追踪目标，识别距离最大可达20米。目前类似这样的系统已经在实践中得到较好的应用，显现出远距离人脸识别良好的应用前景。