公共视频监控中人脸识别技术有哪些算法以及困难

在安防领域，人脸识别技术有着广泛的应用前景，比如说在公共视频监控中使用到人脸识别技术，实现犯罪嫌疑人的快速识别和实时布控，提高视频监控效率。然而，由于基于视频监控的人脸识别技术面临光线、角度、姿态、遮挡等因素的影响，导致人脸的类内差距增大、类间差距缩小，给基于视频监控的人脸识别技术应用带来了巨大挑战。那么，基于视频监控的人脸识别技术应用有哪些算法以及困难呢？

█ 基于视频监控的人脸识别算法与关键技术

• 视频监控人脸识别技术算法的流程主要分为人脸图像采集、人脸监测、人脸特征提取与选择、人脸识别四个部分。

• 人脸图像采集：采集的图像源主要是视频监控联网平台中的视频流，需要在视频流中提取图像帧，从多个图像帧中筛选人脸较正面的图像作为待测图像。图像源也可是监控平台中已人工截取的图像为待测图像。

• 人脸检测：检测待测图像中是否有人脸存在，如果存在则将人脸标示出来。对于单一背景的人脸图像，人脸监测较为简单，但对于复杂环境下的人脸监测较为困难。

• 人脸图像的预处理：对于安装在自然环境下获取的人脸图像多受到光照、拍摄角度等影响，因此在图像特征提取之前要进行图像的预处理，合理的图像预处理会大大提高人脸监测的成功率。

• 特征提取与选择：这是人脸识别中关键的一步，识别人脸的主要依据是人脸特征。目前针对人脸特征有很多种，比如：HOG方法、LBP方法、K-L变换等。

• 人脸识别：这是在特征提取与选择后采取识别算法进行最后的识别。

█ 基于视频监控的人脸识别技术实际应用的问题

• 视频图像质量比较差问题：视频图像一般是在户外或室内获取的，通常没有用户的配合，所以视频人脸图像经?；嵊泻艽蟮墓庹蘸妥颂浠?，还可能会有遮挡。

• 光照问题：光照变化是影响人脸识别性能的关键因素，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，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、高光等对识别性能的影响。

• 人脸图像比较小的问题：采集设备的不同状况也会引起问题。如果采集设备的条件较差，则视频人脸图像将小于基于静态图像的人脸识别系统的预设大小。小尺寸的图像不但会影响识别算法的性能，还会影响人脸检测，分割和关键点定位的精度，这必然会导致整个人脸识别系统性能的下降。

• 去冗余问题：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。

• 姿态问题：姿态问题涉及到头部在三维垂直坐标系中绕三个轴旋转引起的面部变化，而垂直于图像平面的两个方向的深度旋转将导致面部信息的部分丢失。