在智能監控領域 特征識别正在追趕“刷臉”技術

2017年智能監控系統，不僅對視訊進行“存儲”，并提取分析特征，進而形成結構化的可檢索資料。視訊的處理分析全部由系統自動進行，并智能提取相關特征資訊，如車輛顔色、車牌号、車型，以及行人的年齡、性别和衣服顔色等。

“視訊特征提取分析技術的最大優勢就是幫助公安民警在海量的視訊資料中，迅速找到最有用的資訊。比如，如果民警知道犯罪嫌疑人是一名40歲左右的中年男子，那麼隻要把‘40歲’、‘中年’、‘男’這幾個特征輸入系統，該技術就會把符合特征的視訊片段全都檢索出來，極大的提高效率和準确率。“海信工程師介紹說。

目前視訊監控系統能對畫面中的行人和其屬性進行結構化，讓機器能識别人的一些基本屬性如性别、年齡、衣服顔色、衣服類型等等，如果從視訊圖像從目标正面抓拍的話，也能識别到臉部一些具體的特征，如有沒有戴口罩、眼鏡、胡子類型等。但這種資訊的采集與人臉識别是不同的，這是一種短效、對分辨率要求不高時得到資訊的一種途徑。無獨有偶，在國外也有不少專家提出在今天絕大多數普通安防錄影機無法滿足人臉識别分辨率的條件下，似乎特征識别會比人臉識别在抓獲犯罪分子來得更加友善。特征識别可以在錄影機無法抓拍到人臉的情況下，調動錄影機繼續跟蹤相應特征的人(系統設定為感興趣對象)，據外媒稱這種方法讓一些恐怖襲擊捉捕變得簡單。當然這裡有個大前提便是攻擊者在攻擊後保持着相同的衣服。是以特征識别真的可以取代人臉識别嗎？這裡也有兩個特征必須強調的，一是特征識别提供相比人臉識别更多的“假”情報；二是當人的特征發生改變的時候，其工作效率會降低。是以特征識别更适用于案發現場短時間内的即時追蹤，而不适用于長期追蹤。目前更多的監控廠商将其作為人臉識别的重要補充手段，能夠幫助人們在廣泛的錄影機網絡中追蹤一個人，挖掘出更多嫌疑犯的特征。據外媒表示，雖然目前特征識别看上去仍有漏洞，但随着人工智能與深度學習的發展，未來智能識别将成為智能錄影機的标配。具介紹，目前國外許多研發機構已經開始着手步态識别，并通過3D深度傳感器來提升步态識别的準确率。基于此，我們也有理由相信，未來特征識别并不會落後于人臉識别那麼多，也讓更多警務人員的偵察手段更加科技化。

本文轉自d1net（轉載）