《基于人脸识别技术的智能监控系统设计方案.pdf》由会员分享，可在线阅读，更多相关《基于人脸识别技术的智能监控系统设计方案.pdf（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第2 8 卷第1 期 2 0 0 9 年 3 月 成都大学学报(自然科学版)J o u r n a l o f C h e n g d u U n i v e r s i t y(N a t u r a l S c i e n c e E d i t i o n)V_o 1 28 N0 1 M a r 2 0 0 9 文章编号：1 0 0 4 5 4 2 2(2 0 0 9)0 1 0 0 5 6 0 3 基 于人脸识别技术的智能监控 系统设计方案 李尚国 (重庆师范大学 数学与计算机科学学院，重庆4 0 0 0 4 7)摘要：视频监控在安全领域扮演着重要的角色，但视频监控通常只是录制现场视频
2、图像，用于事后做证，缺 乏主动性和 智能性 在分析 了视频监控 系统的结构，介 绍 了可用于视频监控的人脸识别技 术，最后提 出了一种 基 于人脸识 别技 术的视频监控 系统设计方案，以对视频画面 中的人物进行i 7,i I】，在特定 目标 出现后能做 出相应 的 反 应 关键词：视频监控；面部特征；特征提 取；人脸识别 中图分 类号：T P 3 9 1 4 1 文献标识码：A 0 引 言 随着网络技术的发展与人们对安全要求的提 高，近年来各行业对视频监控 的需求逐渐升温，例 如，住宅小区的安全监控系统、银行系统的柜台监 控、交通部门的违章与流量监控、林业部门的灾害 监控等 视频监控在应用领域
3、的普及，也促进了学 术界对视频监控研究 的深入 在国内，中科院 自动 化所的专家们在交通场景视 觉监控、人脸视觉监 控、行为模式识别。等方面取得 了一定成果，除 此之外，国内别 的高校及研究机构的学者在视频 图像理解方面也做了大量的研究工作 3 j 在 国外，在美国国防部高级研究计划 局的资助下，卡 内基 梅隆大学、戴维 S A R N O F F研究中心等科研机构合 作开发出了用于未来城市和战场监控的 V S A M系 统H 已处于试用 阶段，英 国雷丁大学对车辆和行 人的跟踪及其交互作用识别进行了研究 J，Ma r y 1 a n d大学 的适 时视 觉监 控系统也取 得 了很 大成 果
4、j，I B M和微软等公司也逐步将基于视觉的手势 识别接口应用到商业 中 从功能上讲，视频监控可用于安全防范、信息 获取和指挥调度等领域，但在实际中，视频监控通 常只是录制现场视频 图像，用于事后作证，缺乏主 动性和智能性 基于这种现状，我们提出了一种基 于人脸识别的视频监控系统设计方案，该方案的 目的是在一些保密性强 的场合 中，通过对场景 中 人的识别，能够判别是否有陌生人 出现，如果有陌 生人出现可进行跟踪 和报警等行为；或在特定场 景中检测是否有已知感兴趣的特定人物 1 智能视频监控 系统 结构 1 1 智能视频监控系统功能 视频监控系统虽然广泛应用于各行业，但其核心 任务大体上归纳为
5、：他们是谁(W h o a r e t h e y?)；他 们在干什么?(Wh a t a r e t h e y d o i n g?)；何时?(Wh e r e d o t h e y a c t?)；何地?(w h e n d o t h e y a c t?)现代智能视频监控往往是在不需要人干预的 情况下，利用计算机视觉和视频分析的方法对摄 像机拍录的图像进行 自动分析，实现对动态场景 中目标 的定位、识别和跟踪，并在此基础上分析和 判断 目标的行为，从而保证系统既能完成 日常管 理，又能在异常发生时做出及时的动作 智能视频监控 系统在功能上可划分为：图像 获取模块、图像处理模块、图像
6、分析模块和图像理 解模块，各模块间相互关系如图 1 所示 园 一 圈 一 圈 一 囤 图 l 视频监控系统功能 各模块功能如下：收稿 日期：2 0 0 81 0 2 0 基金项目：重庆市教育委员会技术研究项 目资助(K J 0 7 0 8 0 1)作者简介：李尚国(1 9 8 2一)，男，硕士研究生，从事计算机图像处理研究 第 1 期 李尚国：基于人脸识别技术的智能监控 系统设计方案 5 7 图像获取 图像获取主要指通过硬件系统获 取图像 的过程 图像处理 图像处理包括数据处理和图像预 处理 数据处理主要用来对获得的图像数据进行 调整、压缩和存盘，以方便数据的传输 由于噪声、光照和运动等因素的
7、影响，从硬件设备获得的原 始图像质量不高，通过 图像预处理模块可改善 图 像质量，便于图像的分析和理解 图像分析 图像分析主要对图像中感 兴趣 的 目标进行分割、定位、跟踪与特征提取 图像理解 在图像分析 的基础上，进一步研究 目标的性质及其相互联 系，并得出对 图像 内容理 解和场景的解释，从而指导和规划行动 该模块 中 的目标识别一般是 目标 的分类，主要指根据 目标 的外表、形状和动作的统计特性分辨出人、卡车、小动物等 1 2 人脸识别技术 人脸识别技术，是指通过与计算机 相连 的摄 像头动态捕捉人的面部图像，同时把捕捉到的图 像与预先录入的模板库中的人脸 图像进行 比较识 别 由于该技
8、术在采集人脸时的非接触性 与友好 性，人们对该技 术没任何 排斥心理，从这个 角度 讲，人脸识别可以成为一种最友好 的生物特征认 证技术 人脸识别 的核心技术在 于“局部特 征分 析”和“图形识别算法”，这种算法利用 了面部各器 官及特征部位的方位关 系，将形成的识别参数 与 模板数据库中的参数进行 比较、判断和确认 面部 识别技术主要针对面部不易变化的部分进行图像 处理，其中包括眼眶轮廓、颧骨周围轮廓区域及嘴 的边缘区域 目前人脸识别 的技术主要有：特征面 孑 L 扫描技术、特征分析面孑 L 扫描技术、神经网络定 位面孔扫描技术和 自动面孔处理扫描技术 人脸 识别技术的优点：不需要 当事人
9、的配合，可以用于 某些隐蔽场合；可远距离采集人脸图像 传统的基于身份标识物品(如证件、磁卡等)和身份标识知识(用户名、密码等)存在标识物容 易丢失或伪造、标识知识容易记错或忘记等缺点，而人脸识别相比于其他的生物特征识别方法具有 如下的优 势：无需 用户过 多参 与，非接触 式采 集，无授犯性；对用户没有任何 明显刺激，便于 隐藏；设备成本低廉，主要是采用摄像头来搜集 人脸图像 人脸识别技术根据 目标 自身固有的面 部表情与特征进行 当事人身份认证，因此具有更 可靠与安全的特点 正因如此，人脸识别技术在学 术界成为了研究 的热点，在应用领域也越来越被 人们接受和普及 2 人脸识别技术在视频监控中
10、的应用 2 1 人脸识别 系统的构成 智能视频监控的主要 目的是对被监控 目标的 行为进行判断并做出响应，因此，能准确识别被监 控 目标的身份就十分重要 狭义的人脸识别就是根据系统新输入的人脸 图像，与已有的人脸数据库进行 比对，来判断该 图 像是否在人脸库中，如果在该图像数据库 中，则给 出所对应的具体的个体信息 7】广义的人脸识别包含 以下几个方面内容】：(1)人脸检测，即从不 同的场景 中检测 出人脸 的存在 并确定其位 置 这 一任务 主要 受光 照、噪 声、头部倾斜度以及各种遮挡的影响 (2)人脸表征，即确定表示检测出的人脸和数 据库中的已知人脸的描述方式 通常的表示方式 包括几何特
11、征(如欧式距离、曲率、角度等)、代数 特征(如矩 阵的特征矢量)、固定 特征模 板、特征 脸、云纹图等 (3)人脸识别，即通常所说 的人脸识别，就是 将待识别 的人脸 图像和数据库 中的 已知图像 比 较，得 出相关信息 这一过程的核心是选择适 当的 人脸表示方式与匹配策略 (4)表情分析，即对待识别的人脸 的表情进行 分析，并对其加以分类 (5)物理分类，即对待识别人脸 的物理特征进 行分类，得出其年龄、性别、种族等相关信息 一个典型 的 自动人脸识别系统如 图 2所示，系统分为训练和识别两个步骤，两个步骤都需要 检测和定位人脸、人脸 图像 的预处理和特征提取 和选择 其中前者一般是离线运算
12、的，而识别则是 在线操作的 黯 全 捡 鸶 肇 嚣 鬈 显 像 鸳 篓 篓 取 H训 练 图 像 库 I 测 与 定 位 r_ 1 预 处 理广 1 与 。广 _1 琳 图 2 自动 人脸识别 系统示意图 囤 一 l 螽 择 一 一 I 墨 l；5 8 成都大学学报(自然科学版)第2 8 卷(1)人脸的检测和定位 即检测所给图像中有 没有人脸存在，若存在则将人脸标示出来，这对于 简单背景的单个人脸图像实现是比较容易的，而 当人脸的背景过于复杂，或者是图像中存在多张 人脸时，检测则相对比较困难 现有的算法一般都 只能适用于一定的环境，无约束环境下的人脸检 测问题仍然 没有得到很好 的解决 人脸检
13、测的主 要困难主要体现在人脸 是一个非刚性物体，在不 同表情下，脸部器官的运动迥异，并受胡须、眼镜、头发等结构特征的影响，同时光照、视 角、成像条 件增加了检测的难度，此外，墨镜、围巾等遮挡物 也会对检测结果产生不利影响 (2)人脸图像的预处理 人脸检测得到的人脸 图像，可能存在倾斜和光照不好等情况，一般需要 进行几何归一化和灰度归一化的工作 几 何归一 化是将人脸通过图像处理技术变换为大小一致且 人脸不存在偏角的图片；灰度归一化则就是对图 像进行光照补偿，如主元分析法则会采用去均值 的手段，必要的时候可以用标准差进行归一化 (3)特征提取和选择 J 识别人脸主要是依据 人脸上的特征，也就是说
14、依据那些在不同个体之 间存在较大差异而对于同一个人则比较稳定的度 量 这到 目前为止还没有找到非常理想 的特征提 取方法，在实际操作中主要是通过各种各样 的变 换来达到降维 的效果，如特征脸方法中 K-L变换 就是属于特征提取，而之后的主元选取就是属于 特征 选择 除此 之外还 有 D F T、D C T、小波变换等 等 以上都是基于整个人脸 的特征提取，而对于局 部特征的提取方法，如利用显著器官(眼、鼻、耳、嘴等)之间的距离关系以及通过训练学习求得的 局部特征，G a b o r 变换就是一个典型。(4)人脸识别 在人脸识别前对人脸库进行处 理，得到各个个体的特征信息，并单独建立一个新 的数
15、据库 在识别过程中，只要采用 同样的方法得 到输入人脸图片的特征信息，并与库中的各个体 信息进行比较 在比较之前需要确定相似性尺度，对此常用欧氏距离和基于贝叶斯准则的概率尺 度 识别可以分 为两种：一种是人脸辨认，即需要 确认被识别者的具体的个体信息；另一种是身份 证实，只要判断识别对象是否在数据库中个体的 一员 2 2 基于人脸识别技术的视频监控系统方案 一个基于人脸识别技术的视频监控系统设计 方案结构框图如图 3所示 可 静 鐾 卜 控 摄 运动物体检测图像 像 I=i f 处理人脸特征 机 提取人硷特征 纰 图3 视频监控系统设计方案结构示意图 该系统对整个人脸识别的研究主要是围绕特 征
16、提取和特征选择展开 的 因为之前预处理步骤 和图像处理的工作是相通的，而之后 的识别 步骤 和一般的模式识别问题是一致的 人脸变化复杂，是一个塑性变形体，和生理学与心理学紧密相连，而且对于人类的识别能力，在许多解释上还存在 分歧|6 ，仍需要做进一步的深入研究 3 结 语 人脸识别技术正在被广泛应用于各行各业，利用人的面部特征来识别人 的身份，将成为今后 几年 r r 行业的一项重要革新 随着经济与技术的 发展，视频监控系统在生活中随处可见，将人脸识 别技术与视频监控相结合，赋予视频监控更高 的 智能与灵活性，也是视频监控系统今后 面临的挑 战与发展方向 参考文献：1 徐成华，王蕴成，谭铁牛
17、三维A g t 建模与应用 J 中国 图形图像学报，2 0 0 4，9(8)：8 9 3 9 0 3 2 Wa n g L，H u W，T a n T R e c e n t D e v e o H u m a n M o t o n a n a y s s J P a t t e m R e c o g n i t i o n，2 0 O 3，3 6(3)：5 8 5 6 0 1 3 王亮，胡卫明，谭铁牛 h 1 g 动的视觉分析综述 J 计算 机学报，2 0 0 2，2 5(3)：2 2 5 2 3 7 4 C o l l i n s R，L i p t on A A跏觚 F t d e
18、o S u r v e a n c e a n d M o n i-t o r i n g：V S A M F i n a l e,c,o r t【R】P i t ts b u r g：C a l t e b MI on U n i v e r s i t y，2 0 0 0 5 R e n l d 0 n P，T a n T，B a k e r K Mu l t i-a g e n t l r ts u a l S u n x il l a n c e o f 聊 S c e n e s【J J h Il a g e a n d V i d e o C o m p u t e r i n g
19、，1 9 9 8，1 6(8)：5 2 9 5 3 2 6 H a r i t a o g l u I，H a r w o o d D，D a v i s L W 4：R e a -t m e S u t v e a n e e o f P e o p l e a n d T h e i r A c t i v it i e s J I E E E T r a n s P a t t e m A n a l y s i s a n d Ma c h i n e I n t e ll i g e n c e，2 0 0 0，2 2(8)：8 0 9 8 3 0 【7 T u r k MA，P e
20、 n d an d A P ig e n f a c e s f o,-r e tui t i o n J 。c -t i v e N e u r o s c i，1 9 9 1，3(1)：7 l 一 8 6 8 苏 剑波，徐波 应用 模式 识别技术导论：人脸识别与语音识 g l ta 上海：上海交通大学出 版社，2 0 0 1(下转第6 2页)6 2 成都大学学报(自 然科学版)第2 8 卷 Co n t r o l l e r f o r S wi t c he d Re l u c t a nc e M o t o r Ba s e d o n d s PI C3 0 F6 0 1 0
21、A NPe n g，WANG Xi a o mi n g，T AN We i (F a c u l ty 0 f M e c h a n i c a l E n g i m mi n g a n d t o m a t i a a。L a o n i n gU n i v e r s i t y o f T ech n o l o g y，J i n z h o u 1 2 1 0 0 1。C h i n a)Ab s t r a c t：A d r i v i n g c o n t r o l s y s t e m w a s d e s i n g n e d f o r a 3 7
22、0 W f o u r p h a s e S RM T h e h a r d w a r e o f d r i v i n g p a r t wa s e q u i p p e d wi t h I PM FC AS 5 0 S N6 0，a s s i s t e d b y n e c e s s a r y p e rip h e r a l Ci rcu i t s F CAS 5 0 S N6 0，t h e p r o d u c t o f F a i r c h i l d Co L t d d e s i g n e d s pe c i a l l y f o r
23、 d r i v i n g S RM a s the s y s t e m S c o r e c o n t r o l l e r T h e wh o l e s y s t e m i s v e r y s i mpl e，mo r e o v e r，r u n s s t e a d i l y。Ke y wo r d s：S RM；S P M；d s PI C3 0 F 6 01 0A(上接 第 5 8页)A De s i g n o f I n t e l l i g e nt M o n i t o r i n g S y s t e m Ba s e d o n Bi
24、 o me t r i c s U S h a n g g u o (C o l l e g e o f M a t h e ma t ic s a n d C o m p u t e r S c i e n c e C h o n g q i n g N o r m a l U n iv e r s i ty，C h o n g q i n g 4 0 0 0 4 7，C h i n a)A bs t r a c t：Vi d e o m o n i t o r i n g s y s t e ms o f t e n p l a y i mp o r t a n t ro l e s i
25、n s a f e t y a n d s e c u ri ty b u t the y u s u a l l y 8 I e o n l y r e c o r d e d s c e n e i ma g e s as p r o o f s s u b s e q u e n d y Th i s p a p e r a n a l y z e s t he s t r u c t u r e o f v i d e o mo n i t o rin g s y s t e m，i n t r o d u c e s f a c e r e cog n i t i o n t ech n o l o g y C an b e u s e d i n v i d e o mo n i t o ri n g，and p r e s e n t s a s c h e m e b a s e d O i l f a c e r e c o g n i t i o n t ec hn o l o g y Ke y wo r d s：vid e o mo n i t o ri n g；f a c e f e a t u r e；f e a t u r e e x t r a c t i o n；f a c e r e c o gni t i o n