摘要：智能视频监控系统是利用监控设备采集现场的数据信息，通过处理与分析完成目标的检测、识别、跟踪与目标行为的分析与理解，是各个领域研究的热点。目前，主流的识别方法是人脸识别。人脸识别需要正面图像，但在很多情况下只能得到侧面或背面图像。因此本文提出针对侧面图像和背面图像的甄别方法，将人体外部几何特征的甄别作为人脸识别系统的预检与补充，对甄别过程中运动目标的检测与识别进行深入研究。
关键词：步态特征；侧脸特征；头肩特征；目标甄别
智能视频监控系统通过分析监控设备采集的实时现场视频数据，由计算机进行数据处理，结合了计算机视觉、自动控制、人工智能和图像处理等领域的先进技术，从实时视频数据中发现异常，提前做出报警、录像、取证等动作。本文主要研究对于侧面或背面图像的识别方法，将基于人体外部几何特征的目标甄别作为正面图像中人脸识别的补充或者预检，以提高识别率和效率为主要目标，对现有的运动目标检测与特征提取的算法进行改进，解决算法优化方面的问题。
一、嫌疑人样本库的建立
利用智能视频监控系统进行嫌疑人甄别时需要多角度的特征信息以建立样本库，以备系统捕捉到嫌疑人时进行特征匹配。在目标识别中，常用的图像特征类型主要分为全局特征和局部特征。其中全局特征有颜色特征、形状特征、纹理特征等。局部特征从几何角度分为点、线、面3种类型。
二、步态特征提取
步态识别是根据人走路的姿势进行人的身份识别，以提取人体轮廓图像为基础，可以应用于人体背面和不同角度的侧面视频序列图像的识别。本文是在两种视角下进行步态特征的提取：背面图像和侧面图像，若选用单一方法提取步态特征将不能完全适用于这两种情况。因此，本文采用核主成分分析法提取步态能量图特征，并提取质心到目标外侧轮廓的距离特征，组成联合特征向量作为步态特征向量。
三、人侧脸轮廓特征提取
利用侧脸特征进行目标识别的研究目前还比较少，因此侧脸特征识别通常都是作为人脸特征识别的补充，特征提取的方法与人脸特征提取方法类似。本文提取侧脸轮廓特征与头肩轮廓特征相结合作为目标甄别的依据，首先要提取出侧脸轮廓特征，其方法为：采用链码对提取出的人物轮廓进行编码，然后根据8方向链码中的方向数的改变确定眼睛最凹处、鼻尖、上下嘴唇交界处三个特征点的位置，或模拟出侧脸轮廓的水平投影图，根据波峰与波谷点确定特征点的位置，将它们水平距离的比值和垂直距离的比值作为侧脸特征。
利用该侧脸轮廓跟踪算法的流程图如图1-1所示。
图1-1 侧脸轮廓跟踪算法流程图
四、头肩模型的建立与特征提取
本文提取头肩模型步骤如下：
（1）输入二值化人物轮廓图像；
（2）利用链码对图像进行轮廓跟踪与编码；
（3）根据链码方向数确定眼睛最凹处、鼻尖和上下嘴唇交界处；
（4）求出眼睛最凹处到鼻尖的垂直距离 和鼻尖到上下嘴唇交界处的垂直距离 ；
（5）计算头肩模型的高度 。
按照上述比例对轮廓图像进行头肩模型提取，得到结果如图1-2所示。
（a）人物1 （b）人物2
图1-2 头肩模型
五、运动目标甄别
利用运动目标甄别算法对步态特征、侧脸轮廓特征和头肩轮廓特征进行分类识别，通过对算法进行性能评估并进行仿真实验可以得出，本文提出的运动目标甄别算法甄别率可以达到73.76%，适用于智能视频监控系统，可以作为人脸识别的辅助识别方法。
六、实验结果及分析
实验主要针对侧面图像，提取待测样本的侧脸轮廓特征、头肩特征和步态特征，将这些特征和嫌疑人样本库中存储的特征进行比对，选用欧氏距离，采用本文提出的运动目标甄别算法进行分类甄别，阈值从0开始增大到1，每0.1取一次值，描绘FAR和FRR曲线，如图1-3所示。
图1-3 FAR和FRR曲线
由FAR和FRR曲线图可以得到，当阈值为0.5111时，FAR和FRR曲线相交，交点EER即是错误率相等的时候，错误率EER=0.2624。本文取阈值0.5111，则甄别率为73.76%。
由实验结果可以看出，本文提出的针对侧面序列图像的运动目标甄别算法的甄别率不高，但因本文目标是在人脸识别前进行预检，并本着不漏检的原则，可以适当降低对甄别率的要求以达到不漏检的要求。
参考文献
[1]刘勋. 智能视频监控系统的研究与开发[D]: [硕士学位论文]. 南宁: 广西大学, 2010: 1-5
[2]Collins R. A system for video surveillance and monitoring[C]. VSAM final report, Carnegie Mellon University, Technical Report, 2000: 285-291
[3]庄越挺, 刘小明, 潘云鹤. 运动图像序列的人体三维运动骨架重建[J].计算机辅助设计与图形学报, 2000, 12(4): 246-250
个人简介：
姓名:韩哲鑫，出生年月: 1988.03.04，性别: 男，民族：汉，籍贯（精确到市）:河北乐亭，当前职务：教师，当前职称：助教，学历：研究生，研究方向：通信工程，作者单位:四川省成都市武警警官学院，单位所在地(精确到市)：四川成都，单位所在地邮编:610213
论文作者:韩哲鑫
论文发表刊物:《电力设备》2018年第1期
论文发表时间:2018/6/6
标签：特征论文; 轮廓论文; 目标论文; 图像论文; 步态论文; 本文论文; 算法论文; 《电力设备》2018年第1期论文;