面向监控视频的人脸识别技术应用分析
蔡硕 陈明 赵津
摘 要：现阶段，信息技术的快速发展，促使监控视频在日常中应用越来越广泛，比如教育、安全、娱乐、生活等领域。人脸识别技术是监控视频中进行生物特征识别的关键技术，能够保证当前的安全保障工作。因此，本文主要阐述人脸识别技术的相关信息，探究面向监控视频的人脸识别技术的应用。
关键词：监控视频;人脸识别技术;应用
以往监控视频中应用的人脸识别技术主要是通过静态图像完成，而在智能化技术发展背景下，面向监控视频的人脸识别技术不再需要人脸呈现静态图像，而是利用相机进行人脸捕捉，大大提升人脸识别的效率。人脸识别是监控视频发展的一项标志，能够有效识别不同物体，及时发现监控画面中存在的异常情况，并采用最快最有效的方式提供有价值信息、发出警报等，帮助相关人员处理危险情况，尽可能减少漏报或误报情况的发生。
一、面向监控视频的人脸识别技术的相关信息
（一）人脸识别技术概念
人脸识别技术是一种新的生物识别技术，主要是应用计算机、相机、处理技术等进行人脸图像捕捉、分析，进而确定人脸的身份。和指纹识别、眼膜识别等技术相对比，人脸识别技术在安全监控系统的支撑下，更容易获取人脸信息，促使其在目前监控视频中占有一定的应用优势，在公共安全、人机交互等方面有着良好的应用前景，但是人体存在一定的不可预知性，导致人脸识别技术自身面临一些问题。
（二）人脸识别技术算法
人脸识别技术需要在算法的支持下实现。在人脸识别技术中常用的算法包括神经网络方法、子空间方法、几何特征方法、弹性模型方法、特征脸方法、MTCNN算法。其中神经网络方法主要是利用神经网络理论提取人脸特征，并对特征进行识别。子空间方法主要是促使人脸图像复杂度降低，进而识别人脸。几何特征方法主要是利用几何特征对人脸进行正面识别，对人脸的眼睛、口、鼻等具有重要特征点的位置以及几何形状当作分类特征，对这些特征进行提出。弹性模型方法主要是利用几何特征方法、灰度分布信息进行小波纹理识别和分析的一种算法，利用人脸结构、灰度分布信息，能够自动、精准的确定人脸面部特征，识别率较高。特征脸方法主要是从统计观念入手，对人脸图像上分布的基本元素进行查询，确定人脸图像样本协方差矩阵特征向量，从而更好的对人脸图像进行表征。MTCNN算法主要通过深度学习，采用人脸检测和对齐的方式，能够同时完成这两项任务，性能较高，检测速率快。
（三）人脸识别的技术
1.人脸检测技术
人脸检测主要是在不同场合中将人脸检测出来，并能够准确的判断人脸位置。在实际应用过程中，由于不同场合具有较强的复杂性，人脸位置也存在一定的不可预知性，因此，在进行人脸检测之前，需要明确在该场所中是否存在人脸，在存在人脸的情况下才能对人脸进行检测，并确定人脸位置。但是，人脸检测会受到各种因素的影响，导致检测效果不高，例如脸部毛发、噪声、光线、化妆品、人脸外貌变化、物品遮挡等，都会在一定程度上增加人脸识别的难度。因此，人脸检测的根本在于将人脸置于一个较为完整的图像中，寻找人脸所在区域，并对图像区域进行科学合理的分割为人脸区域和非人脸区域两部分，进而为接下来的人脸识别奠定基础。
2.人脸表征技术
人脸表征主要是应用一定方式对检测出来的人脸和数据库中的已知人脸进行表示。一般采用的表示法有特征脸、几何特征、代数特征、固定特征、云纹图等。
3.人脸辨识技术
人脸辨识主要是将检测出来的人脸和人脸数据库中已知人脸进行对比匹配，并获取人脸身份信息。在这一阶段，其辨识的关键在于确定合适的人脸表征方式，并选择二者相应的匹配方式。再通过系统构造和分析，和人脸表征建立联系。一般应用全局方式或基于特征方式进行匹配，很明显，正面人脸和侧面人脸的特征存在明显的差别。
4.表情分析技术
表情分析也就是通过识别确定人脸的表情信息，比如惊恐、悲伤、快乐等，并对其进行归类处理。
5.生理分类技术
对检测到的人脸进行生理特征分析，能够获取其职业、年龄、性别、种族等方面的信息。但是要完成这一生理分类，需要更深入地对人脸识别技术进行研究。
6.Direcshow视频图像获取技术
该技术是自身来源于流媒体处理开发包，是视频监控系统中常用到的三种视频捕捉方式在Direcshow视频图像获取技术的应用。一般Direcshow视频图像获取技术类似于Windows系统组件，促使其能够在模块化结构的支持下，通过底层视频采集，进而在顶层媒体进行交互，获取具有针对性的解决方式，进而更好地为监控视频提供图像获取服务。
7.Adaboost人脸检测技术
该技术主要是利用自身的分类功能，对人脸检测出来的结果进行分类处理。一般该人脸检测技术的应用步骤为确定人脸特征结构，进而对特征数值进行分析，结合数值分析结果选择弱分类器，并构造强分类器，实现弱强分类器联合，从而检测人脸特征。
8.深度学习技术
随着神经网络的快速发展，以及神经网络对图像数据特征表现出来的强大提取优势，深度学习技术也成为人脸识别技术的关键。该技术的重点在于将图像中的人脸检测处理利用关键点对齐之后，将其输入神经网络中，获取特征向量，再利用分类训练，促使该特征向量成为人脸特征向量，能够从两张类似的人脸中对两个特征的向量度量差进行计算，主要采用cos距离、L1距离、L2距离、SVM、JointBayesian等。
（四）面向监控视频的人脸识别流程
在具体应用人脸识别技术时，在目前的监控视频中，先是獲取视频图像，再对人脸进行检测和捕捉，对图像实施预处理之后，提取特征并转化规则，检索数据库中的规则，对两种规则进行对比分析，最终确定人脸身份，这是常用的人脸识别流程。其中获取视频图像主要是获取被检测对象的监控视频数据。人脸检测和捕捉主要是针对监控视频数据，判断该视频中是否存在人脸，在确定人脸之后，实现人脸和背景图像的分离。图像预处理主要是对提取出来的人脸图像进行放大、缩小等操作之后，并其色差进行调节，采用白平衡、去光照、降噪等方式，确保人脸图像在尺度标准范围内，这样能够方便后续人脸识别。提取特征主要是对预处理之后的图像进行人脸特征提取;在转化规则中主要是对特征脸部进行参数识别和转变，再对数据库中的人脸规则进行检索，寻找出相近的规则，对二者继续对比和分析，进而确定最终人脸识别结果。
二、面向监控视频的人脸识别技术应用
（一）种族对比
在种族对比中能够通过监控视频的人脸识别技术中的抓拍功能，对不同种族人的面部特征进行鉴别和对比。这项技术应用在公共安全、社会安全等方面发挥了巨大作用。近些年来，暴动、暴恐事件常常发生，需要公安机关做好应对措施，避免恐怖分子威胁社会安定。同时，为了更好的掌握种族面孔信息，公安机关需要在特定区域内安装种族识别器，建立完善的安全监控组网，保证社会稳定。
（二）情报搜集
现阶段，我国很多国安部门构建了人脸识别和联网系统，并随着信息技术的发展对其进行优化，促使其成为国安部门获取情报信息的关键，利用面向监控视频的人脸识别技术，尽可能搜集到全面的情报信息，从根本上减少危害社会安全的事件发生，提升社会发展的安全性。
（三）户政领域
面向监控视频的人脸识别技术在户籍登记方面也有广泛的应用，在人口数量规模不断加大和现代化发展水平不断提升的背景下，逐渐完善户籍管理，解决人们出现的身份证丢失、冒用等问题，而且还能在人口普查过程中引用该技术，提升普查的效率。另外，在户政领域下，能对异常身份户籍进行整理和分析，改善户籍管理工作。
（四）交通安全
根据交通管理局相关业务需求，能够借助面向监控视频的人脸识别技术选择合适的业务解决方案，提升交通管理服务形象。同时，还能对视频监控、人脸识别器进行通道管理，采取人证合一验证方式，确保各项业务能够实名验证和办理。而且还能对预约叫号系统进行优化，采用高效率验证方式，大大提升工作效率。另外，人脸识别技术还能对失驾人员进行管理和控制，常常在交通管理中出现这些情况，比如一些被吊销驾驶者、注销驾驶证的人员依旧开车上路，而且这些人员也常常出现上路目无法纪、违反法规的行为，严重影响交通管理的正常进行，甚至还会导致交通事故的发生。而利用人脸识别系统，能够对驾驶人员进行人脸捕捉，根据系统中黑名单人物进行人脸识别，及时抓拍失驾人员，保证交通安全。
三、总结
近些年来，我国在监控视频系统构建方面获取良好的成效，在保证社会安全发展方面做出了巨大贡献，而且面向监控视频的人脸识别技术作为新兴技术，涉及的算法、关键技术较多。同时，在种族对比、情报搜集、户政领域、交通安全中取得良好的应用效果，对保证社会安全、稳定发展等有重要价值。
参考文献：
[1]孙家维.基于视频监控的人脸识别软件的设计研究[J].自动化技术与应用，2019，38（12）：164-168.
[2]吴松伟.基于人脸识别技术的智能视频监控系统设计与实现[J].计算机时代，2019（11）：62-66.
[3]赖祥.智能视频监控中人脸识别技术的应用与发展[J].通讯世界，2019，26（06）：46-47.
[4]张金龙.浅析人脸识别技术在公共安防视频监控领域的运用[J].中国公共安全，2019（03）：80-82.
[5]阮小园.人脸识别技术与视频监控系统的结合应用分析[J].电脑迷，2018（02）：113.
作者简介：蔡硕（1990—），女，汉族，河北保定人，华北电力大学硕士研究生，国网河北省电力有限公司信息通信分公司中级工程師，主要研究方向为机动应急通信系统运维、视频会议系统运维;陈明（1986—），男，汉族，河北邢台人，北京科技大学硕士研究生，国网河北省电力有限公司信息通信分公司中级工程师，主要研究方向为机动应急通信系统运维、视频会议系统运维、信息系统运维、计算机终端运维;赵津（1990—），女，汉族，河北保定人，华北电力大学硕士研究生，国网河北省电力有限公司信息通信分公司中级工程师，主要研究方向为信息系统运维检修。
