远距离人脸识别系统分析.docx

远距离人脸识别系统分析基于主动视觉的FRAD系统是一套基于多摄像机追踪架构的远距离监控的人脸图像采集 原型系统， 系统应用固定的摄像机进行可靠的人体检测和追踪， 并采用卡尔曼滤波器对人体 位置进行追踪，确保预测出PTZ摄像机能够采集到人脸图像的位置人体追踪系统可同时处理视场内的多个目标， 优先选择系统会选择一个目标进行图像采集， 这时摄像机将逐一快速 对准目标， 确保能够采集到视场内所有目标的人脸图像， 最后采用商业人脸识别器进行人脸 图像处理实践表明，该系统的人体定位距离可达25〜50米，人脸图像采集距离可达15〜20 米该系统的一个重要创新是将生物特征识别与可靠的地面人体追踪器结合起来， 在使用时 人一旦进入摄像机视场内，追踪器就能够锁定该目标直到目标走出摄像机视场在应用中， 摄像机采集到的人脸图像和识别结果会与存储于内部数据结构的追踪目标ID 进行关联，这样可以在长时间内累积识别信息， 允许目标选择系统选择还未识别的追踪目标 该系统具有 多个可配置运行模式， 包括自动注册和基于网络的自动注册数据共享 （当目标从一个摄像机 区域移动到另一个摄像机区域后，允许重复目标识别） 1 .系统的应用设计（ 1）硬件该系统可由多个节点组成， 每个节点由一对 WFOV和NFOV摄像机构成，摄像机置于标 准的架高工作台上，摄像机通过串口VISCATM接口连接，其中 WFOV摄像机分辨率为 640X480, 30Hz （NTSC,固定角度；NFOV摄像机分辨率为1280X 720, 30Hz,其角度、转向 和放大倍数由计算机控制。

2）人体检测和追踪在 WFOV 静态摄像机视场中检测并追踪移动的人体，由于摄像机是静止的，所以该系统采用了背景差分法检测移动目标 系统对每一个像素的每一个颜色分量分布采用了自适应 的参数模型， 任何与建模不符的像素都将被认定为前景像素 在追踪的过程中， 焦距、 WFOV 摄像机的方向和位置等内外参数都通过一个计算过程得出， 这些参数通过真实坐标与 WFOV 摄像机视频帧映射得到 假定一个人在行走， 计算视频中包含整个人体的可行区域， 那些能 够匹配可行区域的前景像素簇即为检测到的人体人体检测过程在WFOV视频中以10Hz的频率进行， 其中采用了卡尔曼滤波器， 这使得系统对于瞬时干扰更加稳定， 并且卡尔曼滤波 器提供了追踪目标的速度，这样就可以预测目标的前行位置 3） PTZ 控制器PTZ控制器主要是对 PTZ摄像机的平移、旋转、放大倍数的控制在具体操作时，根据 WFOV摄像机画面对 NFOV摄像机画面进行计算，首先NFOV摄像机处于原始位置，即平移和倾斜角度0° ,放大倍数为1,采用点对应估算 WFOV和NFOV摄像机画面中同一点的位 置关系NFOV摄像机经过进一步计算，以确定平移、倾斜和放大设置对其画面的影响。

在 这个计算的过程中， 十分精确和重要的部分是摄像机的放大点， 放大点就是当放大倍数改变 时真实世界坐标不变的点， 通常是一幅图像的中心 实践表明确切的放大点根据设备的不同 而不同， 当对远距离物体采用高放大倍数时， 即使很小的放大点偏移也会影响抓拍目标的准 确性在该计算过程中，一旦在WFOV 视频中确定了目标位置和区域尺寸，就直接确定了NFOV平移、倾斜和放大倍数的设置，这会使得目标图像填满整个NFOV的画面 4）目标选择对于目标的选择，一般在低分辨率的 WFOV 视频中可能会检测和追踪到多个目标，因 此该系统采取了优先选择机制选择目标，自动控制NFOVPTZ摄像机采集目标的高分辨率人脸图像 目标优先选择基于目标的历史记录和当前状态， 对于每一个被追踪的目标都有一个用于优先选择的目标记录 该记录包括过去目标被检测的次数、人脸图像采集的次数和人脸识别的成功次数通过人体追踪器中的卡尔曼滤波器可以确定以下几个参数：目标到摄像机节点间的距离、方向余弦和目标的速度方向余弦是指目标行走方向与摄像机方向夹角的余弦，表明了目标正脸与摄像机节点间的角度表1用于计算目标得分的参数堡教系数省略蒐困方向余变L0[7㈤速度4米/秒）10[0,20]检测次勃一/E-5,0]人脸采集次数-1--5, 0]人脸识别次-5[-15,0]使用以上信息对被追踪目标进行评分，评分最高的将被选为人脸图像采集对象。

评分的得出主要是将每一参数乘以一个系数，并对结果进行省略处理再相加，最后得到最终的评分，如表1所示为一组参数和系数例如，目标的方向余弦乘以系数10,然后限定于卜8,8］内，再与其它分数相加就得到评分类似地，目标的速度（米 /秒）乘以10,限定于［0,20］的范围 内，目标移动得快意味着会更快离开覆盖区域，所以增加了优先选择的分数而采集次数、 成功采集人脸图像的次数和成功识别人脸的次数的系数都为负数，这将对优先选择减分，减少系统重复采集系统为各个参数限定了范围，可避免任何一个单独的参数过大而影响优先 选择分数总之，优先选择过程是在挑选行进速度快、面向摄像机的目标在实际中，目标 选择机制使得系统能够从一个目标向另一个目标移动，去选择未出现过的、有用的人脸图像一旦选定了目标，人体追踪器中的卡尔曼滤波将预测出目标在下0.5〜1.0秒的人脸位置，然后NFOV摄像机将调解放大倍数等参数指向该位置，直到目标经过这个做法为系统留有完成平移、倾斜和放大设置的时间，当目标经过NFOV摄像机画面时，目标的人脸和上身将通过NFOV摄像机视频画面的中心，然后由基于NFOV视频图像的人脸检测模块进行人脸检测和采集。

一旦完成采集，系统将马上开始选择新目标，即系统大约每隔1〜2秒指示摄像机采集一幅新的人脸图像除了选择目标和确定 NFOV摄像机指向的位置外，系统还必须选择NFOV摄像机的放大倍数放大倍数与成功采集人脸的几率间存在一个平衡，高放大倍数可获得高分辨率的人脸图像，但任何目标追踪上的差错都将使人脸采集成功率大大降低该系统采用了一种自适应的放大倍数选择方法，如果一个目标从没被成功采集过人脸图像，那么初始采集人脸图像分辨率的目标设定为双眼间 30个像素然后，每次以某分辨率成功采集人脸图像后，其分辨 率目标值将提高20%,如果系统重复采集该目标图像，其分辨率将逐渐提高人脸图像的分 辨率目标值和人的距离决定了 NFOV摄像机的放大倍数NFOV摄像机具有自动和手动对焦模式，NFOV摄像机的自动对焦功能偶尔会出现对焦不准模糊的情况，不过利用目标位置和距离两个数据可以解决这个问题在使用中，独特的摄像机设备和典型的目标距离使得焦距相对较远，所以在使用时不必知道非常精确的目标距离，只有当焦距调整超过几米的可调阈值范围内时才需要调整摄像机的焦距 5）人脸检测和剪切在人脸检测和剪切方面，目标锁定程序指示NFOV摄像机连续监视NFOV摄像机视频流中的人脸图像，采用匹兹堡模式识别FT-SDK检测NFOV视频中每一帧的人脸。

这个过程的运行频率为10Hz,与图像刷屏率相同保持实时操作如果在一帧图像中检测到了多个人脸，系统只选择最靠近图像中心的人脸，其更可能是选定的目标，然后将目标人脸图像剪切下来，异步传输至人脸识别器，同时告知目标锁定器人脸采集完毕，然后更新目标记录6）人脸识别当人脸识别器接收到新的剪切人脸图像后，系统将创建人脸采集记录并存储该图像人脸识别器根据图像采集的时间询问目标锁定器，以确定人脸图像来自哪个追踪目标ID目标锁定器保存一个追踪目标的时间记录作为ID号，人脸采集记录与之相关联系统可以以10Hz的频率采集人脸图像，但是人脸识别每幅图像通常需要0.5〜2秒的时间，这主要取决于算法一般情况下，识别与采集并不同步，所以人脸识别是异步进行的在处理环节中，重复应用人脸识别器识别最新采集的未识别图像，结果存储于人脸图像采集记录中，未处理的人脸图像在30秒后被丢弃人脸识别次数和结果存于目标记录中的人脸图像采集记录中，并显示于程序中人脸识别结果传递至目标锁定器以更新目标记录， 人脸识别结果同时被 GUI使用以标注 WFOV视频中被追踪目标的名字本系统配有可选的自动注册功能可以利用每一个追踪目标的目标记录，这是一个可配置的基于规则的过程，其目标是利用采集到的未注册且适于注册的人脸图像进行自动注册。

自动注册目标必须具有至少一幅质量超过人脸识别匹配阈值的人脸图像，并且采用至少4幅不同的人脸图像进行识别的结果均为失败这个过程可帮助确保用于自动注册的人脸图像确实是未知图像性能评估为了测试该生物特征监控系统的性能，实验模仿交通运输枢纽中心的情况，系统被安置于室内和室外的固定位置室内测试在一个很长（宽大约为9米）的走廊内进行，光照为来自窗户的自然光和屋顶的几个日光灯这个走廊与机场航站楼相似，如图1所示此地的光照情况随着时间和天气而变化，从晴朗天气的很亮到阴雨天或夜晚的昏暗在进行室外测试时，摄像机分别朝向和背对太阳，试验进行了6天以经历不同的变化 在试验过程中，被测试目标以自然的方式步行穿过走廊或室外区域表2试验数据翦杠前侑自痔2栏骏宴救耐恰次初「耳标G7”面虻次教【室内）左£面野次勃L辜外）K）记哈天救&觅国㈣非副戌人员戴ra第一项试验将评估人体检测和人脸图像采集的性能， 表2所示为采集数据，图3中的直 方图为初始人体检测和初始人脸采集的距离 尽管被测目标的行为是可控的， 但此过程中出 现了其他非测试人员， 包括在摄像机视场中静止不动的人员 这些非测试人员甚至并不知晓正在进行测试在全部的466次试验中，只有1例人体检测失败和 8例人脸采集失败，原因 是该目标或其脸部以某种方式被遮挡。

表3试验数据茶苴类理均值标准方差大秣检测31.39.4人脸来冥35,610,7人脑设刎K.55.6表3为人体检测、人脸检测和人脸识别的均值和标准方差，我们可以看到，人体检测和人脸采集的平均范围大约是人脸识别的两倍，这是由于人脸识别算法需要高分辨率人脸图像，这也是现有人脸识别算法的局限性结语通用公司的人体生物特征监控系统的主要是通过目标追踪、目标选择和自动PTZ摄像机控制进行人脸图像采集，目标是采集高分辨率人脸图像，并通过第三方人脸识别软件进行识 别这种基于自动摄像机控制的远距离人脸识别系统可以在目标不知情或非合作的情况下， 在相对大的范围内进行人体生物特征识别，其可应用于很多重要场合，而其他的生物特征识别技术如指纹、虹膜等都需要被识别人的合作以及近距离采集该生物特征监控系统可以在20〜25米远的距离追踪目标，识别距离最大可达 20米目前类似这样的系统已经在实践中得到较好的应用，显现出远距离人脸识别良好的应用前景。