作為社會(huì)治安防控實(shí)戰(zhàn)部門(mén)的各級(jí)公安機(jī)關(guān),根據(jù)需要建立起了一張基本覆蓋社會(huì)治安復(fù)雜區(qū)域和重要場(chǎng)所的視頻監(jiān)控網(wǎng),雖然不同類(lèi)別攝像頭的數(shù)量在迅速增加,但這些攝像頭在事前防范上仍然沒(méi)有發(fā)揮足夠的作用。比如,利用現(xiàn)有的視頻監(jiān)控系統(tǒng)獲取的人臉圖像,由于圖像分辨率低、光照不均勻,無(wú)法滿足基于人臉識(shí)別的身份鑒別技術(shù)的需要。因此,構(gòu)建基于人臉識(shí)別的智能監(jiān)控系統(tǒng),不僅在**追蹤、身份識(shí)別、出入境管理、重要場(chǎng)所或系統(tǒng)身份驗(yàn)證等方面能夠廣泛應(yīng)用,而且在重點(diǎn)場(chǎng)所和人員密集區(qū)域?qū)θ藛T流量監(jiān)控方面也有很大的應(yīng)用潛力。
然而,作為人臉識(shí)別應(yīng)用單位,人臉識(shí)別在具體應(yīng)用過(guò)程中的干擾因素之多,不僅影響了人臉檢測(cè)(人臉圖像預(yù)處理)直接影響了人臉識(shí)別的準(zhǔn)確度。特別是自然光照對(duì)系統(tǒng)的影響,尤為突出。為此我們邀請(qǐng)了相關(guān)專(zhuān)家和技術(shù)人員,首先對(duì)可利用人臉識(shí)別技術(shù)的視頻監(jiān)控場(chǎng)景進(jìn)行了調(diào)研,同時(shí)對(duì)部分?jǐn)z像機(jī)進(jìn)行了實(shí)驗(yàn)性的調(diào)整。針對(duì)人臉光照問(wèn)題,提出了基于雙樹(shù)復(fù)小波多尺度和多方向的人臉邊緣特征提取方法,在利用雙樹(shù)復(fù)小波去噪模型提取光照不變的人臉特征的同時(shí),將人臉特征和邊緣信息結(jié)合,構(gòu)造出增強(qiáng)型的人臉特征圖,以此作為人臉的光照不變描述特征。在光照變化條件下的人臉不變特征提取方面有效融合了基于迭代稀疏表達(dá)的非對(duì)齊魯棒的人臉超分辨率方法,克服了對(duì)齊不準(zhǔn)情況下的人臉圖像超分辨率問(wèn)題。
在對(duì)于視頻監(jiān)控系統(tǒng)人臉圖像的模糊問(wèn)題,我們有針對(duì)性地進(jìn)行識(shí)別算法的優(yōu)化,從模糊的人臉圖像中提取緊湊、描述能力強(qiáng)的抗模糊特征。這種特征在環(huán)境比較復(fù)雜的真實(shí)數(shù)據(jù)上仍然對(duì)模糊圖像有較好的識(shí)別準(zhǔn)確率,該方法對(duì)模糊圖像識(shí)別的準(zhǔn)確率也有明顯的優(yōu)勢(shì)。
通過(guò)不斷摸索與實(shí)踐,并且在多種場(chǎng)景進(jìn)行了多次試用,根據(jù)實(shí)際使用及數(shù)據(jù)分析發(fā)現(xiàn),能有效解決動(dòng)態(tài)視頻圖像中存在的捕獲人像兩眼像素過(guò)小、動(dòng)態(tài)模糊、光照不連續(xù)及逆光/側(cè)光等不利因素帶來(lái)的干擾。在不改變圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)的情況下,可有效利用的、能用于人臉識(shí)別的圖像數(shù)量從46.8%上升至61.9%。以二代*照片作為數(shù)據(jù)庫(kù)模板,庫(kù)容量為1萬(wàn)人,與原有系統(tǒng)相比,平均誤識(shí)率由1.72%下降至0.75%,而平均準(zhǔn)確率則上升了5.4%,效果明顯。
通過(guò)上述實(shí)踐,說(shuō)明該技術(shù)對(duì)于改善視頻監(jiān)控環(huán)境下分辨率過(guò)低或光照光照變化劇烈情況下人臉識(shí)別的準(zhǔn)確率有顯著促進(jìn)作用,能夠明顯提升人臉識(shí)別系統(tǒng)對(duì)非可控視頻監(jiān)控環(huán)境的適應(yīng)性,為人臉識(shí)別技術(shù)更深入更全面服務(wù)公安行內(nèi)各警種提供強(qiáng)有力的技術(shù)支撐。