技術(shù)領(lǐng)域

?本發(fā)明涉及面向基層治安、維穩(wěn)及反恐的特異人臉?biāo)阉鞣椒ā?/p>

背景技術(shù)

我國(guó)大力開展了城市監(jiān)控系統(tǒng)建設(shè)，運(yùn)用視頻采集、網(wǎng)絡(luò)傳輸、圖像處理等現(xiàn)代技術(shù)，依法有組織地整體建設(shè)城市監(jiān)控體系，目前已經(jīng)在各級(jí)政府所在地、主要街道和社區(qū)、娛樂(lè)場(chǎng)所、重要路口、車站、卡口等地點(diǎn)設(shè)立視頻監(jiān)視系統(tǒng)，將視頻圖像通過(guò)網(wǎng)絡(luò)傳輸?shù)礁骷?jí)公安機(jī)關(guān)進(jìn)行存儲(chǔ)。公安機(jī)關(guān)目前主要采用人工觀察的方式從海量監(jiān)視視頻進(jìn)行過(guò)濾和分析，通過(guò)監(jiān)控中心人工發(fā)現(xiàn)異常情況做出應(yīng)急響應(yīng)，或是公安機(jī)關(guān)相關(guān)部門通過(guò)時(shí)候查閱，獲取破案線索。目前的工作模式存在以下不足：

效率低：監(jiān)視攝像機(jī)數(shù)以萬(wàn)計(jì)，且每個(gè)監(jiān)控場(chǎng)景中人員眾多，單純依靠監(jiān)控中心人工觀察的方式工作量大、遺漏率非常高；

存儲(chǔ)壓力大：現(xiàn)有模式對(duì)全部攝像機(jī)獲取的所有數(shù)據(jù)進(jìn)行存儲(chǔ)，數(shù)據(jù)量極其龐大；

智能處理能力弱：現(xiàn)有監(jiān)控系統(tǒng)的數(shù)據(jù)自動(dòng)分析功能弱，難以實(shí)現(xiàn)更高級(jí)、更深層次應(yīng)用；

為提高重要位置、重要人員的管控效率，進(jìn)一步加強(qiáng)安全管理，有效維護(hù)社會(huì)穩(wěn)定，迫切地需要采用視頻圖像分析與理解技術(shù)，智能監(jiān)管重要位置出入人員，形成安全、可靠、便捷的視頻監(jiān)管體系。

發(fā)明內(nèi)容

針對(duì)重要位置、重要人員的管控問(wèn)題，本發(fā)明設(shè)計(jì)一種面向基層的特異人臉?biāo)阉鞣椒ǎ摲椒ㄖ饕槍?duì)卡口、大門、通道等重要場(chǎng)所的實(shí)時(shí)監(jiān)視視頻流或者視頻存儲(chǔ)文件進(jìn)行處理，首先提取其中的運(yùn)動(dòng)幀；然后在運(yùn)動(dòng)幀中采用動(dòng)態(tài)聚類分析，利用AAM方法快速檢測(cè)、定位可能存在的人臉圖像，并將人臉圖像分割為局部部件，針對(duì)各部件基于動(dòng)態(tài)聯(lián)合深度神經(jīng)網(wǎng)絡(luò)提取其特征；最后將該特異性特征與目標(biāo)人臉庫(kù)進(jìn)行比對(duì)，返回比對(duì)結(jié)果，實(shí)現(xiàn)搜索。其完整處理流程如圖1所示：

具體步驟如下：

1、針對(duì)運(yùn)動(dòng)幀的目標(biāo)提取

若是針對(duì)視頻中每一幀圖像進(jìn)行處理，增大了系統(tǒng)資源消耗，并且其中存在大量冗余處理，效率不高。本發(fā)明采取的策略是：對(duì)視頻流或者視頻文件進(jìn)行運(yùn)動(dòng)分析，僅針對(duì)視頻流中的連續(xù)n幀關(guān)鍵幀中發(fā)生了運(yùn)動(dòng)的部分，進(jìn)行后續(xù)人臉檢測(cè)和搜索處理，其中n取3～5。具體流程為：

Step1：針對(duì)視頻文件進(jìn)行解碼，提取連續(xù)n幀關(guān)鍵幀；

Step2：針對(duì)連續(xù)n幀關(guān)鍵幀，進(jìn)行運(yùn)動(dòng)檢測(cè)，提取運(yùn)動(dòng)部分；

Step3：針對(duì)提取到的運(yùn)動(dòng)部分進(jìn)行后續(xù)檢測(cè)、識(shí)別處理。

2、采用結(jié)合動(dòng)態(tài)聚類分析和AAM（Active?Appearance?Mode）方法實(shí)現(xiàn)人臉快速檢測(cè)和分割

傳統(tǒng)人臉檢測(cè)方法比如膚色分割、Adaboost、Hough?Transform等，誤檢率較高；基于ASM、AAM的方法檢測(cè)準(zhǔn)確率較高，但計(jì)算量大，耗時(shí)較多。本發(fā)明根據(jù)人臉區(qū)域內(nèi)灰度變化緩慢的特點(diǎn)，針對(duì)檢測(cè)到的運(yùn)動(dòng)區(qū)域，首先對(duì)圖像灰度進(jìn)行動(dòng)態(tài)聚類分析，提取出灰度相近的若干區(qū)域；然后僅針對(duì)此類區(qū)域采用AAM方法檢測(cè)和定位人臉。當(dāng)檢測(cè)到人臉時(shí)，AAM可同時(shí)實(shí)現(xiàn)人臉各部件的分割。

具體闡述如下：

(1)?動(dòng)態(tài)聚類分析

Step1：初始化聚類中心

其中，為第1類聚類中心，為第類聚類中心；為聚類類型數(shù)量，?分別為各自迭代次數(shù)，針對(duì)人臉檢測(cè)應(yīng)用，=2，即是人臉或不是人臉兩類；

Step2：假設(shè)已進(jìn)行r-1次迭代運(yùn)算，針對(duì)第r次迭代，所有采樣按照最小距離原則分類為類：

式中為采樣數(shù)據(jù)，為以為中心的分類；為第i類聚類中心，為第j類聚類中心，i，j為聚類序號(hào)。

Step3：計(jì)算新分類的中心：

式中為從屬于分類的樣本數(shù)量；

Step4：如果，聚類結(jié)束，否則跳轉(zhuǎn)到step2。其中，為圖像中求兩點(diǎn)距離運(yùn)算，為該幅圖像中任意兩點(diǎn)距離的最大值，為聚類相似度閾值，為人工可設(shè)置。

基于上述處理，將原一幀圖像數(shù)據(jù)范圍，縮小到k個(gè)聚類區(qū)域，有效減少后續(xù)處理的范圍；同時(shí)，通過(guò)人工設(shè)置取不同的值，可調(diào)節(jié)該處理的迭代復(fù)雜度，從而調(diào)節(jié)處理時(shí)間。

在此基礎(chǔ)上，針對(duì)人臉區(qū)域采用AAM方法，可快速準(zhǔn)確定位人臉關(guān)鍵點(diǎn)，實(shí)現(xiàn)人臉局部部件分割。

3、采用深度神經(jīng)網(wǎng)絡(luò)權(quán)重動(dòng)態(tài)計(jì)算方法進(jìn)行人臉特征提取