人臉識别與自動巡檢技術在地鐵安防系統中的應用

現階段，視訊智能分析在軌道交通行業中主要應用包含幾大類：行為分析即擁擠偵測、徘徊偵測、逆向偵測等；特征識别即人臉識别系統等；圖像品質自動巡檢即系統自動對前端錄影機采集圖像品質進行分析報警等。由于目前智能分析在軌道行業應用尚處于起步階段，本着從事實出發的原則，下文着重結合實際工程案例，着重探讨人臉識别和自動巡檢兩項技術的應用。

一、人臉識别系統

xx市軌道交通一号線共有20個車站，在每個車站的出入口閘機設定8套人臉識别裝置，共160套，對出入閘機的乘客面部特征實時采集，并與背景公安部犯罪人員庫進行實時比對報警。

通常頭像正面位置是人臉識别系統最佳的工作位置，但隻要能同時看到兩隻眼睛就可以識别人臉，而姿勢變化在35度範圍内也不會影響識别效果。軌道出入口閘機作為特殊的通道具有天然的場景優勢，錄影機可以很容易捕捉到乘客的面部特征，為公安機關抓捕犯罪分子和犯罪嫌疑人提供了一種行之有效的手段。

人臉識别包含人臉檢測、人臉跟蹤與人臉比對等技術。人臉檢測是指在動态的場景與複雜的背景中，判斷是否存在人臉并分離出人臉。人臉跟蹤指對被檢測到的人臉進行動态目标跟蹤。人臉比對則是對被檢測到的人臉進行身份确認或在人臉庫中進行目标搜尋。

人臉檢測分為參考模闆、人臉規則、樣本學習、膚色模型與特征子臉等方法。參考模闆方法首先設計一個或數個标準人臉模闆，然後計算測試樣本與标準模闆之間的比對程度，通過計算機比對來判斷是否存在人臉；人臉具有一定的結構分布特征，人臉規則即提取這些特征生成相應的規則以判斷是否測試樣本包含人臉；樣本學習則采用模式識别中人工神經網絡方法，通過對人臉樣本集和非人臉樣本集的學習産生分類器；膚色模型依據人臉膚色在色彩空間中分布相對集中的規律來進行檢測；特征子臉将所有人臉集合視為一個人臉子空間，基于檢測樣本與其在子空間的投影之間的距離判斷是否存在人臉。

人臉跟蹤一般采用基于模型的方法或基于運動與模型相結合的方法，另外，膚色模型跟蹤也是一種簡單有效的手段。人臉比對從本質上講是采樣人臉與庫存人臉的依次比對并找出最佳比對對象。是以，人臉的描述決定了人臉識别的具體方法與性能。本系統主要采用特征向量法先确定瞳孔、鼻翼、嘴角等人臉五官輪廓的大小、位置、距離、角度等等屬性，然後計算出它們的幾何特征量，這些特征量形成描述該人臉的特征向量。

xx市軌道交通一号線的人臉識别系統采用“局部特征分析”算法，具有速度快，誤認低，無需學習。其主要利用人臉各器官及特征部位的方位、比例、對應幾何關系等資料形成識别參數，與資料庫中所有原始參數比較、判斷、确認。

局部特征分析源于類似搭建積木的局部統計的原理，是基于以下事實的一種計算方法，即所有的人臉(包括各種複雜的式樣)都可以從由很多不能再簡化的結構單元子集綜合而成。這些單元使用了複雜的統計技術而形成的，它們代表了整個人臉。他們通常跨越多個象素(在局部區域内)并代表了普遍的面部形狀，但并不是通常意義上的面部特征。實際上面部結構單元比人臉的部位要多得多。

然而，要綜合形成一張逼真，精确的人臉，隻需要整個可用集合中很少的單元子集(12-40特征單元)。要确定身份不僅僅取決于特性的單元，還決定于他們的幾何結構(比如他們的相關位置)。

通過這種方式，局部特征分析将個人的特性對應成一種複雜的數字表達方式，實作對比和識别。

二、人臉識别的步驟

1、建立人臉檔案：可以用錄影機或照片掃描等方法采集人臉檔案或直接取照片檔案，生成面部特征向量資料庫，導入現有資料庫；

2、擷取目前比對對象人臉，用錄影機等捕捉人臉擷取照片輸入，生成比對對象的人臉特征向量資料；

3、将目前人臉的人臉特征向量資料與資料庫中的已有資料進行檢索比對；

4、确認人臉身份或提出相似人員的相似度清單。

上述整個過程都是自動、連續、實時地完成。而且系統隻需要普通的處理裝置。

系統的工作流程為：

1、自動地在視訊資料流中搜尋面部圖像；

2、當系統捕捉到出現的完整頭像時；

3、自動使用多種類型的比對算法來判斷在那個位置是否真的有一張臉。這些算法能夠精确地探測出同時出現的多張臉，并且能夠确定他們的準确位置；一旦探測到一張臉，這張臉的圖像就會被從背景中分離出來，這幅圖像随後将經過一系列的特殊處理來恢複它的尺寸、光線、表情和姿态；

4、将這幅臉部圖像在系統内部轉換人臉資料，它包含了這張人臉的特有資訊；

5、通過把實時擷取的“人臉資料”和資料庫中已有的“人臉資料”進行比對；

6、完成對某張臉進行确認。

人臉識别的比對方式是根據臉部的本質特征和形狀來工作的，它可以排除光線、皮膚色調、面部毛發、發型、眼鏡、表情和姿态的變化，具有強大的可靠性，使得它可以從百萬人中精确地辨認出一個人。

圖像品質自動巡檢系統

市軌道交通一号線建設了一套圖像品質自動巡檢系統，實作對1413台标清錄影機和522台高清錄影機圖像進行實時檢測，若出現視訊清晰度異常、視訊亮度異常、視訊噪聲等八種情況，将自動産生報警通知運維人員，及時維護。

常見的圖像品質巡檢隻是對圖像是否丢失(黑屏)進行監測，對裝置是否按要求正常工作、圖像内容是否正确等深層次監測則有所缺失。針對本項目應用的所有攝像頭，利用視訊品質診斷技術來檢測監控系統中存在的各種視訊常見故障，對于因使用過程中出現的故障(雪花、滾屏、模糊、偏色、畫面當機、增益失衡和雲台失控等)進行視訊品質診斷，有效預防因硬體導緻的圖像品質問題及所帶來的不必要的損失，為視訊監控的持續和有效監控提供堅實的基礎。

三、功能設計

1、圖像品質智能巡檢

進行圖像内容分析報警，如：視訊信号丢失、藍屏、黑屏、彩條、視訊亮度異常、視訊幹擾、雪花、抖動、扭曲、偏色、ptz運動異常、畫面當機等。

2、雲鏡狀态智能巡檢

通過發送ptz控制指令，判斷視訊畫面變化率是否達到标準，進而判斷雲台旋轉和鏡頭變焦是否能正常工作，由于該工作可能幹擾圖像監控人員的正常工作，該項巡檢功能不宜經常開啟，并且注意回避重大保衛警衛活動的監視區域。

3、圖像智能巡檢管理

根據預定義的巡檢任務，主動發起視訊切換指令，自動輪巡檢查各個前端錄影機的圖像品質和雲鏡狀态。攝像頭輪巡間隔時間可設定，輪巡任務可定時觸發，并可自動生成巡檢報告。

識别類型

具體實作過程中，我們将視訊故障分成視訊清晰度異常、視訊亮度異常、視訊噪聲、視訊雪花、視訊偏色、ptz運動失控、畫面當機、視訊信号缺失等八種類型。

1、視訊清晰度異常檢測：自動檢測視訊中由于聚焦不當、鏡頭損壞或異物遮蔽引起的視野主體部分的圖像模糊；

2、視訊亮度異常檢測：自動檢測視訊中由于攝像頭故障、增益控制紊亂、照明條件異常或人為惡意遮擋等原因引起的畫面過暗或過亮；

3、視訊噪聲檢測：自動檢測視訊圖像中混有雜亂的“橫道”、“波紋”，或其他幹擾導緻的圖像模糊、扭曲及疊加噪聲等現象；

4、視訊雪花檢測：自動檢測視訊圖像中一陣陣雜亂的飛點、刺、線狀幹擾導緻的雪花或滾屏等現象；

5、視訊偏色檢測：自動檢測由于線路接觸不良、外部幹擾或錄影機故障等原因造成的視訊中的畫面偏色現象；主要包括全屏單一偏色或多種顔色混雜的帶狀偏色；

6、ptz運動檢測：自動檢測前端雲台和鏡頭是否能夠按使用者指令正确運動，包括上下左右運動以及鏡頭的推近拉遠；

7、畫面當機檢測：自動檢測由于視訊傳輸排程系統故障引起的視訊畫面當機，避免遺漏真實視訊圖像；

8、視訊信号缺失檢測：自動檢測因前端錄影機工作異常、損壞、人為惡意破壞或視訊傳輸環節故障而引起的間發性或持續性的視訊缺失現象，包括藍屏、黑屏、彩條等。

四、結語

人臉識别系統意義在于對有可能進出地鐵站的犯罪分子或嫌疑人進行布控，提升地鐵主動防範能力，提升打擊犯罪能力，提升治安威懾力。圖像品質自動巡檢系統則可以将運維人員從繁瑣的工作中解脫出來，提升工作效率，確定系統無故障運作。可以預見，在不遠的将來，智能分析技術肯定會在軌道行業發揮出更大的作用，逐漸将目前“被動防範”提升為“主動防範”。

本文轉自d1net（轉載）