現階段，視頻智能分析在軌道交通行業中主要應用包含幾大類：行為分析即擁擠偵測、徘徊偵測、逆向偵測等；特征識別即人臉識別系統等；圖像質量自動巡檢即系統自動對前端攝像機采集圖像質量進行分析報警等。由于當前智能分析在軌道行業應用尚處于起步階段，本著從事實出發的原則，下文著重結合實際工程案例，著重探討人臉識別和自動巡檢兩項技術的應用。
一、人臉識別系統
XX市軌道交通一號線共有20個車站，在每個車站的出入口閘機設置8套人臉識別設備，共160套，對出入閘機的乘客面部特征實時采集，并與后臺公安部犯罪人員庫進行實時比對報警。
通常頭像正面位置是人臉識別系統最佳的工作位置，但只要能同時看到兩只眼睛就可以識別人臉，而姿勢變化在35度范圍內也不會影響識別效果。軌道出入口閘機作為特殊的通道具有天然的場景優勢，攝像機可以很容易捕捉到乘客的面部特征，為公安機關抓捕犯罪分子和犯罪嫌疑人提供了一種行之有效的手段。
人臉識別包含人臉檢測、人臉跟蹤與人臉比對等技術。人臉檢測是指在動態的場景與復雜的背景中，判斷是否存在人臉并分離出人臉。人臉跟蹤指對被檢測到的人臉進行動態目標跟蹤。人臉比對則是對被檢測到的人臉進行身份確認或在人臉庫中進行目標搜索。
人臉檢測分為參考模板、人臉規則、樣本學習、膚色模型與特征子臉等方法。參考模板方法首先設計一個或數個標準人臉模板，然后計算測試樣本與標準模板之間的匹配程度，通過計算機比對來判斷是否存在人臉；人臉具有一定的結構分布特征，人臉規則即提取這些特征生成相應的規則以判斷是否測試樣本包含人臉；樣本學習則采用模式識別中人工神經網絡方法，通過對人臉樣本集和非人臉樣本集的學習產生分類器；膚色模型依據人臉膚色在色彩空間中分布相對集中的規律來進行檢測；特征子臉將所有人臉集合視為一個人臉子空間，基于檢測樣本與其在子空間的投影之間的距離判斷是否存在人臉。
人臉跟蹤一般采用基于模型的方法或基于運動與模型相結合的方法，另外，膚色模型跟蹤也是一種簡單有效的手段。人臉比對從本質上講是采樣人臉與庫存人臉的依次比對并找出最佳匹配對象。因此，人臉的描述決定了人臉識別的具體方法與性能。本系統主要采用特征向量法先確定瞳孔、鼻翼、嘴角等人臉五官輪廓的大小、位置、距離、角度等等屬性，然后計算出它們的幾何特征量，這些特征量形成描述該人臉的特征向量。
XX市軌道交通一號線的人臉識別系統采用“局部特征分析”算法，具有速度快，誤認低，無需學習。其主要利用人臉各器官及特征部位的方位、比例、對應幾何關系等數據形成識別參數，與數據庫中所有原始參數比較、判斷、確認。
局部特征分析源于類似搭建積木的局部統計的原理，是基于以下事實的一種計算方法，即所有的人臉(包括各種復雜的式樣)都可以從由很多不能再簡化的結構單元子集綜合而成。這些單元使用了復雜的統計技術而形成的，它們代表了整個人臉。他們通常跨越多個象素(在局部區域內)并代表了普遍的面部形狀，但并不是通常意義上的面部特征。實際上面部結構單元比人臉的部位要多得多。
然而，要綜合形成一張逼真，精確的人臉，只需要整個可用集合中很少的單元子集(12-40特征單元)。要確定身份不僅僅取決于特性的單元，還決定于他們的幾何結構(比如他們的相關位置)。
通過這種方式，局部特征分析將個人的特性對應成一種復雜的數字表達方式，實現對比和識別。
二、人臉識別的步驟
1、建立人臉檔案：可以用攝像機或照片掃描等方法采集人臉文件或直接取照片文件，生成面部特征向量數據庫，導入現有數據庫；
2、獲取當前比對對象人臉，用攝像機等捕捉人臉獲取照片輸入，生成比對對象的人臉特征向量數據；
3、將當前人臉的人臉特征向量數據與數據庫中的已有數據進行檢索比對；
4、確認人臉身份或提出相似人員的相似度列表。
上述整個過程都是自動、連續、實時地完成。而且系統只需要普通的處理設備。
京公網安備 11010502049343號