浅谈视频监控系统与人脸识别技术的结合应用

　　1视频监控系统的应用现状
　　
　　视频监控系统的发展经历了*代的全模拟系统、第二代的部分数字化的系统、第三代的*数字化的系统(网络摄像机和视频服务器)三个阶段的发展演变。现有的数字视频监控系统实现了视频监控手段的数字化、网络化和集成化，但是它存在一个zui主要的缺陷：对视频内容只能靠人来判断，同时，它多用于“事后处理”，并不能充分发挥视频监控系统的主动性。基于*生物特征识别技术的。
　　
　　2人脸识别技术
　　
　　人脸识别的研究范围大致可以分为如下几个方面的内容：
　　
　　(1)人脸检测(FaceDetection)：即从各种不同的场景中检测出人脸的存在并确定其位置。在大多数的场合中由于场景较复杂，人脸的位置是预先不知道的，因而首先必须确定场景中是否存在人脸，如果存在人脸，再确定图像中人脸的位置。脸部毛发、化妆品、光照、噪声、面部倾斜和人脸大小变化以及各种遮挡等因素会使人脸检测问题变得更为复杂。人脸检测的主要目的是在输入的整幅图像上寻找人脸区域，把图像分割成两个部分2人脸区域和非人脸区域，从而为后续处理奠定基础。

　　(2)人脸表征(FaceRepresentation)：即采取某种表示方式表示检测出的人脸和数据库中的已知人脸。通常的表示法包括几何特征(如欧氏距离、曲率、角度)、代数特征(如矩阵特征矢量)、固定特征模板、特征脸、云纹图等。

　　(3)人脸辨识(FaceIdentification)：即将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配，得出相关信息，这一过程的核心是选择适当的人脸的表征方式与匹配策略，系统的构造与人脸的表征方式密切相关。通常或是选择全局的方法或是选择基于特征的方法进行匹配。显然，基于侧面像所选择的特征和基于正面像的特征是有很大的区别的。

　　(4)表情分析(ExpressionAnalysis)：即对待识别人脸的表情信息(快乐、悲伤、恐惧、惊奇等)进行分析，并对其加以归类。

　　(5)生理分类(PhysicalClassification)：即对待识别人脸的生理特征进行分析，得出其种族、年龄、性别、职业等相关信息。显然，完成这一操作需要大量的知识并且通常是非常困难和复杂的。
　　
　　3人脸识别视频监控系统的架构
　　
　　人脸识别视频监控系统有四大核心部分：视频处理/人脸捕获工作站、人脸比对工作站、黑名单数据库和报警显示工作站。视频处理/人脸捕获：在视频图像中发现人脸，评估图像质量并提交给人脸识别比对模块;人脸识别比对模块：对登陆的照片提取特征模板并与黑名单数据库相比较;黑名单照片采集：建立模板并将模板数据加入黑名单数据库;报警显示：根据比对结果，显示报警结果，或将报警信息传递给PDA或其它手提终端。
　　
　　4人脸识别监控系统的关键问题
　　
　　(1)人脸识别中的光照问题。光照变化是影响人脸识别性能的zui关键因素，对该问题的解决程度关系着人脸识别实用化进程的成败。需要从人脸图像中将固有的人脸属性和光源、遮挡及高光等非人脸固有属性分离开来，在人脸图像预处理或者归一化阶段进行针对性的光照补偿，以便消除非均匀正面光照造成的阴影、高光等对识别性能影响；

　　(2)人脸检测与跟踪问题。人脸检测是人脸身份识别的前期工作，而人脸跟踪就是根据人脸检测定位的结果，对运动序列后续帧中的目标人脸的运动轨迹和轮廓变化进行持续的跟踪检测。一个复杂背景下的多级结构的人脸检测与跟踪系统可采用模板匹配、特征子脸、彩色信息等人脸检测技术，这样能够检测平面内旋转的人脸，并可跟踪任意姿态的运动的人脸；

　　(3)去冗问题。要求人脸识别监控系统能对视频捕捉中的画面能够快速的检测单个和多个人脸图像，并自动去冗余，减除重复的画像，并提取相应的人脸图像特征实现人脸的快速比对，并输出相应的结果信息；

　　(4)人脸识别中的姿态问题。姿态问题涉及头部在三维垂直坐标系中绕三个轴的旋转造成的面部变化，其中垂直于图像平面的两个方向的深度旋转会造成面部信息的部分缺失。一种方案是基于姿态不变特征的方法，即寻求那些不随姿态的变化而变化的特征。另一种方案是采用基于统计的视觉模型，将输入姿态图像校正为正面图像，从而可以在统一的姿态空间内作特征的提取和匹配。